研究原型 · 多智能体协作
EvoTeam
基于 openJiuwen Core 的经验驱动多智能体组织演进系统。平时按当前 Strategy 执行任务,只有重复失败等证据达到阈值时才离线生成候选策略,经独立验证后才改变后续任务默认采用的组织方式。
角色:这是团队项目,README 记录了组员与分工;此处只列出仓库作者身份,不代表独立完成。
- Python
- Pydantic
- openJiuwen Core
- SQLite
问题与背景
背景多智能体团队的角色结构与协作策略通常由开发者固定。EvoTeam 尝试根据跨任务的执行证据,对可版本化的 Strategy 做受约束修改,并要求候选策略通过验证门槛后才能晋升。主场景是复杂项目计划的生成与校验。
做法
背景初始 Strategy v0 为 Planner → Executor → Critic,Role Pool 由开发者定义。系统平时执行当前策略;重复失败、性能漂移、成本异常或低贡献证据达到阈值时启动离线演进;策略稳定后进入 STABLE,停止主动探索、继续监控。
在线执行:Task → Current Strategy → Orchestrator → Team / AgentInstance
→ Run → Evaluator → SealedRun → Experience → StrategyMonitor
离线演进:Trigger → EvolutionManager → Attribution → Mutation → Candidate
→ Validator → Improvement Attribution → Validation Gate
→ Promote / Reject → 后续任务使用已验证的 Strategy已实现
已实现- 接入 openJiuwen 0.1.17.post1 的 ReActAgent。
- 提供 init / run / observe / evolve 入口,SQLite Trace 与快照。
- 重复失败监控;Prompt 修改与新增 Verifier 两类候选,以及多候选比较。
- 已用 DeepSeek 完成复杂任务、有界返工和多候选真实 Gate Reject 回归。
尚未完成
未完成 / 计划中- 漂移、成本与贡献监控。
- Tool / Skill Policy 与更通用的结构 Mutation。
- 实验阈值仍需基线校准。
相关项目
研究原型
MARS
面向企业协作场景的 Agent 记忆管理引擎原型,计划把飞书群聊、笔记与会议讨论整理成带来源的结构化记忆。目前为本地 MVP:已完成数据模型、SQLite 存储与样例聊天导入,记忆抽取与检索尚未实现。
- Python
- FastAPI
- Pydantic
- SQLite
研究原型
AgentGuard-Chain
面向 LLM Agent 的工具调用安全监督原型。安全边界放在 Agent 生成工具调用之后、工具真实执行之前,对文件访问、命令执行、API 调用和外发行为做审计、评分、阻断与留证,并检测“敏感读取 → 外部发送”这类跨步骤风险链。
- Python
- Streamlit
研究原型
aigc_detector
检测 AIGC 生成内容并进行模型溯源的系统仓库,包含检测、溯源与数据接入等模块。
- Python