人工智能Agent分布式协作系统
人工智能 Agent 的底层逻辑，其实挺像一群会思考的“软件小人”，每个都有自己该干的活。分布式人工智能的思路就比较像“分头办事”，你做任务 A，我去搞定任务 B，再合个体。这种方式适合复杂系统，比如智能交通、分布式机器人啥的，灵活又抗造。
最早在20 世纪 70 年代就开始研究了，到现在已经衍生出一堆玩法，比如DPS（分布式问题求解）和MAS（多 Agent 系统）。DPS 更偏组织协调，MAS 则更像小团体自由发挥，各有各的风格。MAS 那种自底向上的设计还挺贴近现实社会的，有点像“组团打怪”那种感觉。
说白了，Agent的核心就俩功能：感知和行动。你可以把它想象成一台有摄像头和马达的机器人，也可以是一个通过数据流来感知环境的软件 Agent。尤其在多 Agent 系统里，怎么协作、怎么避免抢任务、怎么自学这些，都是研究重点。
如果你平时搞AI系统架构、写智能推荐、做智能体仿真啥的，可以研究下这套思路，真的挺有启发。下面这几个资源整理得比较清晰，尤其是前面几份 PPT，入门、进阶都能用得上：
如果你对 Agent 之间怎么“沟通”“抢活”“组队”感兴趣，可以重点看看 MAS 部分，思路清晰了，开发时少走弯路。
下载地址
用户评论
