🤖 AI

SwarmHarness: Skill-Based Task Routing via Decentralized Incentive-Aligned AI Agent Networks

SwarmHarness 是一个去中心化协议，它通过利用基于分布式哈希表的注册表、效用驱动的路由器和沙普利值信用系统，在 AI 智能体之间实现基于技能的任务路由和激励相容的计算共享，从而在无需中央权威的情况下构建出自调节、涌现式的群体智能。

原作者： Edwin Jose

发布于 2026-05-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Edwin Jose

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你家里有一台功能强大的电脑。白天，它忙于工作；但到了晚上，或者当你等待游戏加载时，它就闲置着，完全无所事事。与此同时，附近的研究人员或初创公司可能正花费巨资租用云端的超快计算机，来执行那些你的闲置机器几秒钟就能完成的简单任务。

目前，还没有一种安全、便捷的方式让你将电脑的闲置算力借给他人并获得报酬。现有的解决方案要么需要一个中间的“老板”（如云公司）来管理一切，要么依赖昂贵且缓慢的区块链技术，要么根本没有任何奖励机制，导致人们只索取而不回报。

SwarmHarness 是一项旨在解决这一问题的新提案。你可以把它想象成一个去中心化的“算力优步”，只不过这里提供的不是汽车，而是你的 GPU 和 CPU 算力周期。以下是其工作原理，通过简单的类比来说明：

1. “技能”商店（SwarmNode）

想象网络中的每一台电脑都是一家小商店。这些商店不仅仅是通用的计算机，而是各自专精于特定的“技能”。一家商店可能擅长文本翻译，另一家擅长解决数学问题，还有一家擅长图像分析。

转折点： 这些商店不需要经理来告诉它们该做什么。它们会自动向网络宣布：“嘿，我能做这份工作！”

2. “数字公告板”（SwarmRegistry）

这些商店如何找到工作？它们使用分布式哈希表（DHT），你可以将其想象成一块巨大的、共享的数字公告板，没有任何单一个人拥有它。

如果你需要翻译，你就查看这块公告板。上面列出了所有能进行翻译的商店。
如果一家商店离线，它最终会自动从公告板上消失，因此列表始终保持最新，无需任何人手动删除。
你可以通过找到公告板上已有的一个人（就像在人群中找一位朋友）来加入这个网络，然后你就能找到其他人。

3. “智能调度员”（SwarmRouter）

当你有一项工作需要完成时，“调度员”会查看可用商店的列表。但它不会仅仅选择第一个。它使用评分系统来选择最佳商店，考虑因素包括：

技能： 它们真的能完成这项工作吗？
速度： 它们有多快？
负载： 它们是否已经忙不过来了？
信任度： 它们过去是否完成过良好的工作？
类比： 这就像一款拼车应用，它不会只把你派给最近的司机，而是派给评分最高、等待时间最短且车型最适合你行程的司机。

4. “数字钱包”（SwarmCredit）

这是最重要的部分。你如何支付商店的费用？你不使用真实货币或区块链。你使用SwarmCredit。

赚取： 当商店出色地完成工作时，它会赚取积分。
消费： 当你想使用网络时，你消耗积分。
“公平”数学： 如果一项工作是由一组商店协作完成的，系统会使用一种特殊的数学公式（称为Shapley 值）来计算每家商店的具体贡献。这确保了付出艰苦工作的商店比只做了一小部分简单工作的商店获得更多的积分。
杜绝搭便车者： 如果一家商店闲置且从未做任何工作，它的“信任分数”会逐渐下降。最终，调度员将不再向它发送工作。这是一个自我清洁的系统，只有有益的节点才能生存。

5. “蚁群”效应（涌现智能）

该论文将这种网络比作蚁群。

蚂蚁没有女王发号施令。相反，它们留下“信息素”（化学信号）来向其他蚂蚁指示食物的位置。
在 SwarmHarness 中，积分和信任分数充当“数字信息素”。
如果一家商店表现良好且速度快，它会获得更多积分，从而使其“信息素”更强。更多的工作会流向它。
如果一家商店速度慢或发生故障，它的信号就会减弱，工作会流向其他地方。
随着时间的推移，整个网络会自我组织。商店会自然地专注于它们最擅长的领域，网络会自动平衡负载，无需任何人类老板告诉它们该做什么。

为什么这很特别？

无老板： 没有中央公司控制网络。
无区块链： 它不使用加密货币那种缓慢、昂贵的技术来追踪支付。它使用轻量级的本地账本。
公平性： 它利用高级数学确保每个人都能获得与其贡献完全匹配的报酬，即使在复杂的团队工作中也是如此。
未来愿景： 该论文提出，在未来，AI 代理（智能计算机程序）可以利用该系统雇佣其他计算机来完成工作、支付报酬并获取结果，整个过程无需人类介入。

简而言之，SwarmHarness 将你的闲置电脑转变为一个自我组织、自我支付的全球劳动力成员，在这里，最优秀的工人获得最多的工作，而每个人都遵循同样的公平规则。

技术摘要：SwarmHarness

问题陈述

每年仍有大量计算资源（个人工作站上的 GPU 周期、空闲推理服务器和边缘设备）未被充分利用。共享这些资源的主要障碍并非技术能力，而是缺乏一个激励相容的协议。现有解决方案未能全面解决这一差距：

中心化市场： 需要信任中央协调者，引入了单点故障和潜在审查的风险。
基于区块链的系统（例如 Golem、BrokerChain）： 提供激励，但遭受高昂的链上交易成本和延迟，使其不适合交互式推理。
志愿/非激励系统（例如 BOINC、Petals）： 收集空闲周期，但缺乏货币或信用激励，使其容易受到搭便车行为的破坏，并将采用范围限制在利他主义社区内。
联邦学习（FL）： 专注于以数据为中心的训练，而非以技能为中心的任务路由，且缺乏通用的激励归属机制。

目前不存在任何协议，能够在不依赖中央权威或重型区块链基础设施的情况下，实现去中心化的、基于技能的任务路由以及公平、实时的信用归属。

方法论

本文提出了SwarmHarness，这是一个去中心化协议，它在现有的HarnessAPI节点（将类型化的技能文件夹公开为 HTTP 端点和 MCP 工具）之上分层了三个核心组件。该系统无需中央协调器运行，而是依赖局部理性和涌现的集体行为。

1. 系统架构

SwarmNode（蜂群节点）： 一个增强的 HarnessAPI 实例，负责管理能力广告、任务协商和信用记账。每个节点由其技能（ $S_v$ ）、资源向量（ $r_v$ ）、信用余额（ $c_v$ ）和信任分数（ $\tau_v$ ）定义。
SwarmRegistry（蜂群注册表，DHT）： 一个 Kademlia 风格的分布式哈希表，将技能标识符（SHA256）映射到有能力节点的列表。它使用生存时间（TTL）受限的广告来处理节点 churn（ churn 指节点频繁加入或离开的动态变化），并使用 gossip 协议实现最终一致的反向索引（例如用于资源查询，如"VRAM $\ge$ 8GB"）。引导（Bootstrap）通过 mDNS、DNS 种子列表或显式对等列表实现。
SwarmRouter（蜂群路由器）： 一个无状态服务，使用效用函数对候选节点进行评分：
$U(v, T) = w_1 \cdot \mathbb{1}[s \in S_v] + w_2 \cdot (1 - \ell_v) + w_3 \cdot (1 - d_v/d_{max}) + w_4 \cdot \tau_v$
其中 $\ell_v$ 是负载， $d_v$ 是延迟， $\tau_v$ 是信任分数。路由器将任务分发给最大化该效用的节点。多个路由器可以并发运行；信用归属由任务提交者签名，而非路由器，从而防止路由器篡改账本。
SwarmCredit（蜂群信用）： 一个轻量级、无区块链的信用系统。节点维护本地账本。信用不是一种全球加密货币，而是用于调节路由优先级。高信任节点吸引更多任务；空闲节点的信任分数会衰减，从而降低其路由优先级。

2. SwarmCredit 归属算法

为了在执行业务的节点联盟（ $N$ ）之间公平分配信用，系统通过蒙特卡洛排列采样（算法 1）采用Shapley 值近似。

机制： 该算法通过对联盟的 $M$ 个随机排列取平均值，来估计每个节点对任务质量（ $q$ ）的边际贡献。
效率： 它将正的 Shapley 值归一化到总信用池 $C(T)$ ，确保分配的信用总和等于池的大小。
信任更新： 获得正信用增量的节点会增加其信任分数（ $\tau$ ），而未获得增量的节点其分数会衰减。
冷启动缓解： 一个贡献证明创世机制可防止 Sybil 攻击。新节点只有在成功提供服务并由提交者对任务进行二次签名后，才会收到创世信用赠予（ $c_0$ ）。这确保了搭便车的身份无法在不执行实际工作的情况下获取信用。

3. 涌现的蜂群智能

系统利用信用和信任信号作为数字信息素。

正反馈： 高信任节点吸引更多流量，从而强化其地位。
负反馈： 随着节点接近满载，其效用分数下降，将流量重定向到负载较轻的对等节点。
专业化： 随着时间的推移，节点会自然地专注于它们表现良好且回报较高的技能，这类似于生物蜂群中的信息素蒸发。

主要贡献

系统模型定义： 形式化了 SwarmNode、SwarmRegistry、SwarmRouter 和 SwarmCredit 组件，确立了去中心化保证，将操作去中心化（从第一天起即存在）与行政去中心化（通过种子演化分阶段实现）区分开来。
SwarmCredit 归属算法： 引入了一种实时的、基于 Shapley 值近似的多节点任务归属方法，该方法结合了信任衰减反馈和创世机制以抵御冷启动恶意攻击，且无需区块链开销。
可行性分析： 提供了从现有 HarnessAPI 节点部署到生产级蜂群的具体路线图，解决了引导问题、安全面（通过工作量证明和信任历史抵御 Sybil 攻击）以及开放的研究挑战。
基础原语： 将 SwarmHarness 定位为自主分布式 AI 代理网络的底层基础，其中代理可以雇佣计算资源、路由子任务并结算信用，而无需人工干预。

结果与主张

本文并未提供实证实验结果（例如基准吞吐量或延迟比较），而是提供了该系统的理论和架构验证。

理论有效性： 作者声称该系统满足效率、公平性（通过 Shapley 公理）和个体理性。近似误差被限制在 $O(1/\sqrt{M})$ ，这对于实际联盟规模（ $k \le 10$ ）已足够。
安全主张： 该协议声称通过注册期间的工作量证明与建立信任所需的历史任务完成要求的结合来缓解 Sybil 攻击。共谋通过要求提交者对信用归属进行二次签名来缓解。
去中心化： 该系统声称立即实现操作去中心化（没有单一行为者控制路由或归属），并逐步实现行政去中心化（从单一种子移动到完全的对等交换覆盖网络）。

意义

本文将 SwarmHarness 定位为下一代分布式 AI 的基础原语。其意义在于统一了三个已验证但此前相互割裂的概念：

以技能为先的 MCP 节点作为计算的基本单元。
完全去中心化的基于 DHT 的对等发现，无需受信任的注册表。
Shapley 公平激励归属，无需区块链开销。

通过消除对中央协调器或昂贵区块链交易的需求，SwarmHarness 旨在创建一个自我调节、激励相容的经济体，使空闲计算资源能够安全且有利可图地被共享。这实现了一个未来，即自主 AI 代理可以在互联网规模上运行，将网络视为可靠的计算传输层，其与协议的交互方式与人类用户无异。作者邀请社区贡献参考实现，以实现这种自我维持的分布式智能愿景。