或許是前段時間風頭太盛，周末時，OpenAI 靜悄悄發布了新的研究作品：Swarm。一反之前的架勢，這個新作只在官網的 Cookbook 和 Github 發布，官推都沒有多講。
除了非常安靜和低調，開發人員還反覆給自己疊甲：這只是一個實驗性質的框架，只作為分享和教育用途。官方不質保，實用需謹慎！
明明已經這麼低調，一出來還是被碰瓷了。
關注 AI 第一新媒體，率先獲取 AI 前沿資訊和洞察
什麼是 Swarm？
Swarm 旨在探索輕量級、可擴展、可定製的多代理協作模式。OpenAI 的研究人員，提出了「routine」和「handoffs」概念，用來表達 agent 之間的任務傳遞。
然而 Swarm 才發布一天，麻煩就找上門來：一個二十多歲的開發者 Kye Gomez 發推稱，這個新作從名字到框架，全都是抄襲他的創業項目 Swarms。
這條控訴吸引了超過 20 萬的圍觀，不過，圍觀群眾都很冷靜，要求 Kye 提供更明確的證據，並且質疑他提出的訴求：「除非 OpenAI 投資我們」，這什麼東西啊？
很快就有網友翻出他的碰瓷前科。而且，從兩邊在 Github 上發布的 README 文檔來看，顯然也是 OpenAI 更靠譜一點。
我把文檔送進了 ChatGPT，用最新的 o1 做了一下分析，OpenAI 提出了更詳實和具體的想法。
至於說項目重名和一些常用指令重合，比如.run()——這就像是有人說自己的數學考卷被抄襲了，因為兩邊的答題框裡都有個「解」字 🙂。
OpenAI 的 Swarm 框架里，重點梳理了在多代理模式里的各種成分，並且提出了兩個關鍵概念：例程 (routines) 和交接 (handoffs)，還提供了很多便於理解的例子。
例程可以把它理解為由不同步驟組成起來的一套「基本操作」，比如，你搭建了一個購物助理，那麼你就可以規定一套流程作為例程。
但是一個 agent 能做的事，再多也是有限的。更何況大語言模型本身，多多少少會出幻覺。所以需要不同的 agent、不同的 routine 之間有所交接。
就像一場接力跑，一個選手跑完一段，就要交接到下一個選手手上，而且要保證平穩，不能掉在地上。
這些才是本次發布里 OpenAI 重點關注的部分。或許說不上是什麼驚為天人的大發現，但硬說抄襲，也是有點碰瓷了——非要追根溯源，那得倒回幾十年前。
多智能體最擅長的，竟然是打遊戲
OpenAI 並不是才開始對多智能體協作發生興趣的，早在 2018 年，就有過不錯的表現——在 Dota 2 職業比賽上，擊敗了資深的人類玩家。
遊戲是一個天然適合用來測試多智能體的土壤，不同的角色，有不同的技能；面對不同的對手，要有不同的策略，總之，想要贏下一局遊戲，勢必要協調各個角色，並且組織好它們之間的協作能力。
想想你打王者碰到豬隊友時有多氣，就知道這個難度了。
當時 OpenAI Five 涉及到的技術構件包括神經網路、自訓練、強化學習等，沒有時下流行的大語言模型，主要是用來試驗多智能體協作。
甚至，那個時候每個英雄各自背後的神經網路，並不互相溝通，而是有一個負責總控的超參數，來協調每一個英雄（主要是背後的神經網路）的表現。
再往深了講就有點太深了，總之，那幾年的經歷，讓 OpenAI 連續三年打贏了幾個 Dota2 的大賽，也在多智能體協作方面頗有收穫。
到了 2019 年，DeepMind 開發的 AlphaStar 在《星際爭霸 2》中，水平超過了 99.8%的人類玩家。
在星際里，有人族、神族和蟲族三個派系，每個派系都有多個可供操作的建築、兵種，每局遊戲也都需要經歷資源採集、科技發展和實時戰鬥等幾個流程。
當時 DeepMind 發表論文時就提到，遊戲是一個多智能體協作的任務，每個玩家需要控制許多單位，共同實現目標。
DeepMind 所設計的 agent，每分鐘操作數約為 180 次，大概等同於中級玩家。當時他們的想法是：智能體要儘可能地學習人類玩家的遊戲操作，然後超越人類。
這樣的「類人」思路，甚至可以追溯到更久之前：早在 1972 年，卡爾·休伊特（Carl Hewitt）就提出了 Actor Model（行動者模型），這是並發計算的概念模型。演員模型提出了獨立計算實體（agent）可以通過消息傳遞進行通信的概念，為智能體之間的交互奠定了理論基礎。
到了九十年代和千禧年初，agent 就更加明確的，被視為能夠自主行動、決策的「賽博實體」，並且有了基於智能體信念、意圖進行決策和規劃的研究，BDI 模型。
等到了大語言模型橫空出世之後，多智能體的交互、決策溝通，從原來的黑盒，變得更容易轉化成自然語言。
智能體之間，也可以通過語言來討論、協作，特別是在決策情境中，不同的智能體之間能夠「有商有量」。
之前我們介紹過，也是在 Minecraft，一款沙盒遊戲裡——不得不說，多智能體實在是太擅長打遊戲了。
在遊戲裡，不同的智能體可以直接對話來完成分工、資源互通和任務傳遞。大語言模型的推理和記憶能力，都能更有效地為多智能體的行動提供支援。
而 OpenAI 不就在於有厲害的模型嗎——年初時，他們藉由 ChatGPT 灰度測試過，在對話框內，可以召喚其他 GPT 插件，也算是一種多智能體協作的「平替版」。
只是效果著實不咋地，嘗試了一下 Capcut 的插件，一直鬼打牆的跳轉不成功（註：Capcut 是剪映的海外版）。
可以說，這一次的 Swarm 是 OpenAI 探索充分調動自己的優勢——強大的基座模型——再進一步摸索出一個多智能體的工作流程框架。
好消息是，在從 OpenAI 變得越來越「吝嗇」之後。這次 Swarm 倒是開源出來了。大語言模型讓多智能體系統能夠以更加自然的方式與人類互動。相信在未來，這種交互絕不僅限於簡單的對話，而是會更多的提高生產力。
