What Should Agents Say? Action-state Communication for Efficient Multi-Agent Systems
本文介绍了 PACT，一种协议化的动作-状态通信框架，它将多智能体系统中的自由形式自然语言交互压缩为紧凑的记录，在显著降低 Token 使用量和推理成本的同时，在各种系统拓扑结构中保持或提升了任务性能。
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
以下是使用简单语言和日常类比对该论文进行的解释。
问题所在：“过度分享”的会议
想象一个侦探团队（智能体）正在试图破解一个谜团。在目前的系统中，每当一名侦探完成工作时，他们都会写一份冗长的报告，并将其粘贴到共享笔记本中供下一位侦探阅读。
这份报告包括：
- 最终答案。
- 他们发现的线索。
- 但同时也包括： 他们产生的每一个随机念头、探索过的每一个死胡同、每一次重新阅读线索的过程，以及一段关于自己“如何思考”的长篇大论。
问题在于：
随着调查的进行，这个共享笔记本变得越来越庞大。
- 成本高昂： 阅读一本 100 页的笔记本需要消耗大量的钱（在这种情况下，是指“Token”或计算能力）。
- 速度缓慢： 下一位侦探在看到新线索之前，必须先读完所有这些噪音。
- 令人困惑： 重要的事实被埋没在无数“我刚才想了这个，然后又想了那个”的文字之下。
该论文指出，我们目前的系统正让智能体“过度分享”他们的私人思考过程，从而堵塞了系统。
解决方案：PACT（“执行摘要”规则）
作者提出了一种名为 PACT（协议化动作-状态通信与传输）的新规则。
把 PACT 想象成对团队共享笔记本的一条严格规定：“禁止废话。”
智能体不再粘贴整个杂乱的草稿，而是必须在传递信息之前，将他们的工作转化为一个紧凑的三部分“动作-状态记录”：
- ACTION (动作)： 我刚刚做了什么？（例如：“我搜索了数据库。”）
- STATE (状态)： 我发现了什么证据？（例如：“我发现了一张 1995 年的收据。”）
- RESULT (结果)： 有用的输出是什么？（例如：“这是收据的照片。”）
类比：
- 旧方式： 侦探 A 交给侦探 B 一本 50 页的日记，里面记录了他们一整天的生活，包括早餐吃了什么以及去商店路上产生的每一个念头。
- PACT 方式： 侦探 A 交给侦探 B 一张便利贴，上面写着：“我去了商店（动作），找到了一张蓝色汽车的收据（状态），这是照片（结果）。现在请你去查车辆登记表。”
他们的发现
研究人员通过两种不同的方式测试了这个想法：
- 证据拆分： 两名智能体需要通过分享线索来解开一个谜题。
- 流水线模式： 四名智能体排成一列工作（规划者 批判者 精炼者 求解者）。
他们将 PACT 与其他五种通信方式（如发送全文、仅发送结论或简短摘要）进行了对比。
结果：
- 并非“一招鲜吃遍天”： 他们发现，没有任何一种沟通方式能适用于所有场景。有时只发送结论效果最好；有时发送全文也没问题。
- PACT 脱颖而出： 然而，PACT 是最一致的获胜者。它在保持团队同样聪明甚至更聪明的同时，节省了大量的“钱”（Token）。
- 在测试中，PACT 平均减少了约 39% 的数据传输量。
- 在实际的编程工具（如 OpenHands 和 SWE-agent）中，它在没有破坏代码的前提下，将数据使用量降低了近 50%。
为什么有效
论文解释说，链条中的下一个智能体并不需要知道前一个智能体是如何思考的。他们只需要知道：
- 采取了什么动作。
- 当前的情况（状态）是什么。
- 结果是什么。
通过过滤掉“内心独白”（私人思考）并只分享“公开事实”，系统变得更快、更便宜，且不太容易耗尽内存。
核心结论
该论文得出结论：我们不应该仅仅让 AI 智能体进行自由形式、非结构化的段落对话。相反，我们应该强制要求它们遵循一套严格的“协议”，即只分享核心更新（动作、状态、结果）。这能将一场混乱、昂贵的对话转变为一场高效、高速的接力赛。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。