🤖 AI

Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering

Este artigo apresenta as Habilidades de Enxame, uma especificação portátil e um algoritmo de autoevolução que transformam protocolos de coordenação multiagente em ativos distribuíveis de primeira classe, permitindo que equipes de agentes refinem autonomamente suas estratégias colaborativas em diferentes frameworks sem supervisão humana.

Autores originais: Xinyu Zhang, Zhicheng Dou, Deyang Li, Jianjun Tao, Shuo Cheng, Ruifeng Shi, Fangchao Liu, Enrui Hu, Yangkai Ding, Hongbo Wang, Qi Ye, Xuefeng Jin, Zhangchun Zhao

Publicado 2026-05-12

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xinyu Zhang, Zhicheng Dou, Deyang Li, Jianjun Tao, Shuo Cheng, Ruifeng Shi, Fangchao Liu, Enrui Hu, Yangkai Ding, Hongbo Wang, Qi Ye, Xuefeng Jin, Zhangchun Zhao

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você tem uma equipe de robôs especialistas. No passado, se você quisesse que eles trabalhassem juntos, precisava escrever um conjunto específico de instruções para aquele momento exato. Uma vez concluído o trabalho, essas instruções eram descartadas. Se você quisesse realizar um trabalho semelhante na próxima vez, teria que começar do zero, esquecendo tudo o que aprendeu sobre como eles discutiam, quem cometia erros ou como resolviam problemas.

Este artigo apresenta uma nova maneira de construir equipes de robôs chamada Habilidades de Enxame. Pense nisso como transformar uma reunião única de equipe em um manual vivo e respirável que fica mais inteligente a cada vez que é utilizado.

Aqui está uma explicação da ideia usando analogias simples:

1. O Problema: A "Equipe Descartável"

Atualmente, a maioria das equipes de IA é como bandas de ocasião. Elas se formam para um único show, tocam uma música e depois se separam. A maneira como se coordenaram — quem cantou o vocal principal, quem tocou guitarra, como consertaram uma corda quebrada — fica trancada dentro do programa de computador específico que as executou. Você não pode pegar essa "dinâmica de banda" e transferi-la para um computador diferente, e a banda não se lembra de como tocar melhor na próxima vez.

2. A Solução: O "Manual Portátil" (Habilidades de Enxame)

Os autores propõem Habilidades de Enxame, que é como transformar aquela banda de ocasião em uma troupe de teatro itinerante com um roteiro permanente.

É Portátil: O "roteiro" (as regras de como a equipe funciona) é salvo em uma pasta simples (como um arquivo digital). Você pode copiar essa pasta para qualquer computador que fale "IA", e a equipe pode trabalhar lá imediatamente. Não há necessidade de reescrever o código para cada nova máquina.
É um Manual: Em vez de apenas dizer "Faça isso", o manual define:
- Os Papéis: Quem é o Chef? Quem é o Garçom? Quem é o Gerente?
- O Fluxo de Trabalho: Como eles passam o prato? Quem verifica a conta?
- Os Limites: O que acontece se eles ficarem sem tempo ou dinheiro?

3. A Magia: O "Treinador de Autoaperfeiçoamento" (Autoevolução)

Esta é a parte mais emocionante. Geralmente, se uma equipe comete um erro, um humano precisa intervir e corrigir as instruções. As Habilidades de Enxame possuem um Treinador embutido que observa a equipe trabalhando e atualiza automaticamente o manual.

O Detector de "Atrito": Se o Chef e o Garçom continuam batendo um no outro na cozinha, o Treinador percebe esse "atrito".
O "Patch": O Treinador escreve uma nova nota no manual: "Da próxima vez, o Garçom deve esperar o Chef terminar de montar o prato antes de entrar na cozinha."
O Placar: O sistema mantém o registro dessas notas usando um placar com três estatísticas:
- Eficácia: Essa correção realmente ajudou?
- Utilização: Os robôs realmente usam essa nova regra?
- Atualidade: Essa regra ainda é relevante ou é notícia velha?
A Limpeza: Se uma regra parar de funcionar ou ficar muito complicada, o sistema a exclui ou simplifica automaticamente. Não precisa de um humano para dizer: "Ok, apague isso". Ele simplesmente faz.

4. Um Exemplo do Mundo Real: O Planejador de Férias em Família

O artigo testou isso com uma equipe planejando uma viagem familiar para o Nordeste da China.

A Equipe: Eles tinham um Agente de Viagens, um Reservador de Hotéis, um Planejador de Atividades, um Gerente de Orçamento e um Redator de Mídias Sociais.
O Conflito: O Agente de Viagens reservou um voo barato que chegava tarde da noite. O Planejador de Atividades já havia agendado um passeio matinal. Eles perceberam que isso era impossível.
A Resolução: Em vez de esperar um humano para corrigir, os dois robôs conversaram entre si, perceberam o conflito e concordaram em mudar o voo para um horário matinal.
A Evolução: Após a viagem, o "Treinador" notou que o Gerente de Orçamento estava fazendo duas tarefas muito diferentes: calculando números e escrevendo posts divertidos para mídias sociais. O Treinador decidiu que isso era confuso. Ele dividiu automaticamente a equipe, adicionando um novo papel de "Redator" e atualizando o manual para que, da próxima vez que planejassem uma viagem, tivessem um redator dedicado.

5. Por Que Isso Importa

Sem "Bloqueio": Você não fica preso a uma marca específica de software. Como o manual é escrito em linguagem simples (como uma receita), qualquer sistema de IA que possa ler pode usá-lo.
Melhora Sozinha: Quanto mais você usa a equipe, melhor ela fica trabalhando em conjunto, sem que você precise reescrever constantemente as regras.
Sabedoria Compartilhada: Se você ensinar uma equipe em Nova York a resolver um problema, pode copiar esse manual para uma equipe em Tóquio, e eles começarão com essa mesma sabedoria.

Em resumo: As Habilidades de Enxame transformam o trabalho em equipe de IA de um "evento único" em um "ativo em crescimento" que aprende com seus próprios erros e compartilha essas lições com qualquer outra pessoa que o utilize.

Resumo Técnico: Habilidades de Enxame – Um Sistema Multi-Agente Portátil e Autoevolutivo

1. Declaração do Problema

O artigo identifica um gargalo crítico na evolução dos paradigmas de engenharia de IA: a transição da Engenharia de Agente Único (Engenharia de Prompt, Contexto e Harness) para a Engenharia de Coordenação Multi-Agente. Embora as capacidades de agente único possam ser codificadas em ativos portáteis e distribuíveis (por exemplo, Habilidades da Anthropic), os protocolos de coordenação multi-agente permanecem "bloqueados" no código interno do framework (por exemplo, scripts hardcoded no AutoGen) ou em configurações estáticas (por exemplo, modelos do CrewAI).

Essa falta de portabilidade leva a dois problemas principais:

Experiência de Coordenação Efêmera: Decisões sutis sobre decomposição de tarefas, instanciação de papéis e resolução de conflitos são descartadas após o término de uma sessão. Os sistemas não conseguem "lembrar" ou reutilizar padrões de colaboração bem-sucedidos.
Lock-in de Framework: Os protocolos estão fortemente acoplados a ambientes de execução específicos, impedindo o compartilhamento entre diferentes sistemas multi-agentes e inibindo a autoaperfeiçoamento autônomo.

Os autores argumentam que a Evolução da Coordenação — a melhoria contínua dos padrões de colaboração — é a próxima fronteira, mas atualmente é impedida pela ausência de um formato padronizado e portátil para habilidades multi-agentes.

2. Metodologia

2.1 A Especificação de Habilidades de Enxame

A contribuição central são as Habilidades de Enxame, uma especificação portátil que estende o padrão de Habilidades da Anthropic com semântica multi-agente. Trata fluxos de trabalho multi-agentes como ativos de primeira classe, distribuíveis e desacoplados do ambiente de execução.

Recursos Arquitetônicos Principais:

Estrutura de Cinco Componentes: Uma Habilidade de Enxame é um diretório contendo:
1. Frontmatter (SKILL.md): Metadados YAML para consumo mecânico (por exemplo, kind: swarm-skill, teammate mode, roles[]).
2. Corpo em Linguagem Natural: Descrições de alto nível do fluxo de trabalho para consumo agêntico.
3. Diretório de Papéis: Definições detalhadas de persona para cada membro da equipe.
4. Definição de Fluxo de Trabalho: Grafos de dependência de tarefas (sequenciais, paralelos, fan-out/in) descritos em linguagem natural ou sintaxe Mermaid.
5. Limites de Execução (bind.md): Restrições sobre tokens, turnos de mensagens e portas de qualidade.
Divulgação Progressiva: Agentes Hospedeiros carregam apenas os metadados necessários inicialmente, buscando instruções detalhadas (papéis, fluxos de trabalho) sob demanda por meio de capacidades nativas de leitura de arquivos.
Degradação Graceful: Como a especificação estende um padrão existente (Habilidades da Anthropic) e utiliza additionalProperties: true, frameworks de agente único que não suportam execução multi-agente podem ignorar os campos multi-agentes e tratar o ativo como uma habilidade padrão de agente único, garantindo compatibilidade retroativa.

2.2 Semântica de Autoevolução Incorporada

A especificação exige um arquivo evolutions.json para capturar a "Experiência de Evolução". Este arquivo armazena Registros de Evolução discretos contendo:

Contexto: Descrição do atrito encontrado (por exemplo, conflitos de papéis, loops redundantes).
Diretriz de Mudança: Modificações direcionadas ao ativo (por exemplo, inserção de uma nova fase, divisão de um papel).
Métricas de Pontuação: Eficácia ( $E$ ), Utilização ( $U$ ) e Frescor ( $F$ ).

2.3 Algoritmo de Autoevolução Companheiro

Para operacionalizar a especificação, os autores propõem um algoritmo automatizado (implementado no agente de referência JiuwenSwarm de código aberto) que gerencia o ciclo de vida da habilidade através de três estágios:

CRIAR (Distilação de Trajetória): Monitora interações complexas multi-agentes, identifica sinais de colaboração (por exemplo, $\ge$ 2 sub-agentes) e sintetiza trajetórias de execução brutas em Habilidades de Enxame candidatas.
USAR (Divulgação Progressiva): Agentes Hospedeiros recuperam descrições de habilidades, injetam-nas no prompt do Agente Líder e carregam incrementalmente instruções detalhadas e Registros de Evolução históricos.
CORRIGIR (Otimização Impulsionada por Atrito): Pós-execução, um analisador verifica atritos implícitos (dependências circulares) ou feedback explícito. Gera novos Registros de Evolução e os anexa ao evolutions.json.

Governança e Pontuação:
Para evitar inchaço de prompt e acúmulo de baixa qualidade, o algoritmo emprega um sistema de pontuação multidimensional:
$S_i = w_E \cdot E + w_U \cdot U + w_F \cdot F$

Eficácia ( $E$ ): Impacto qualitativo (suavizado Bayesianamente).
Utilização ( $U$ ): Taxa de adoção (decai se ignorada).
Frescor ( $F$ ): Fator de decaimento temporal.

Com base nas pontuações, o sistema aciona ações de governança: SIMPLIFICAR (poda/fusão), RECONSTRUIR (reescrever arquivos principais para integrar patches bem-sucedidos) ou REVERTER (voltar a estados arquivados).

3. Contribuições Principais

A Especificação de Habilidades de Enxame: A primeira extensão multi-agente ao padrão de Habilidades da Anthropic, definindo uma estrutura de ativo de cinco componentes com semântica embutida para autoevolução.
Um Algoritmo de Autoevolução Companheiro: Um mecanismo automatizado que distila trajetórias de execução em novas habilidades e otimiza continuamente as existentes por meio de pontuação multidimensional, eliminando a necessidade de supervisão humana no loop durante o refinamento.
Compatibilidade Arquitetônica e Validação Qualitativa: Uma demonstração de portabilidade cruzada entre agentes zero-adapter via divulgação progressiva e um estudo de caso qualitativo utilizando uma equipe de planejamento de viagens com 6 papéis.

4. Resultados e Estudo de Caso

O artigo valida a especificação por meio de um estudo de caso qualitativo envolvendo uma habilidade travel-planning-swarm (envolvendo papéis de Transporte, Acomodação, Atração, Sintetizador e Revisor de Orçamento).

Resolução Autônoma de Conflitos: Durante a execução, os especialistas em Transporte e Atração identificaram um conflito temporal (voo noturno vs. itinerário da tarde). Eles negociaram autonomamente uma solução (troca para um voo matinal) sem intervenção humana, aderindo a restrições de orçamento e de viagem com bebê.
Autoevolução em Ação: A análise pós-execução revelou um "atrito de papel" onde o Revisor de Orçamento estava sobrecarregado com auditoria financeira e redação criativa. O algoritmo gerou um Registro de Evolução sugerindo uma divisão estrutural. Após confirmação do usuário, o sistema executou uma RECONSTRUÇÃO, criando um novo papel "Especialista em Redação" e atualizando o fluxo de trabalho para execução paralela.
Resultado: O estudo de caso demonstra que as Habilidades de Enxame permitem que equipes de agentes autoevoluam suas estratégias de coordenação, acumulando experiência entre sessões e melhorando a eficiência sem lock-in de framework.

5. Significado e Alegações

O artigo posiciona as Habilidades de Enxame como um passo fundamental em direção à Engenharia de Coordenação. Seu significado reside em:

Sedimentação da Experiência de Coordenação: Transformar estados de tempo de execução efêmeros em ativos persistentes e distribuíveis que permitem que sistemas multi-agentes aprendam com interações passadas.
Desacoplamento da Especificação do Tempo de Execução: Ao separar o "o quê" (lógica de coordenação) do "como" (mecânicas de execução), a especificação permite verdadeira portabilidade entre frameworks heterogêneos (por exemplo, AutoGen, LangGraph, CrewAI) sem camadas de tradução.
Melhoria Autônoma: O sistema avança além de configurações estáticas para protocolos dinâmicos e de auto-correção que evoluem com base em atrito do mundo real e métricas de desempenho.

Limitações e Trabalhos Futuros:
Os autores modestamente reconhecem que o trabalho atualmente carece de testes de conformidade quantitativos em larga escala entre diversos Agentes Hospedeiros. A eficácia do mecanismo de "divulgação progressiva" em frameworks que não possuem leitura recursiva nativa de arquivos ou geração dinâmica de sub-agentes permanece a ser avaliada empiricamente. Além disso, o artigo observa o desafio do "lock-in da primeira execução" (onde um fluxo de trabalho inicial subótimo torna-se fortemente corrigido em vez de reestruturado) como um alvo para futuros mecanismos de governança.