基于文件系统的Multi-Agent动态规划实践：共享工作区与ReAct范式的深度解析

传统的多智能体框架（如MetaGPT、AutoGen、CrewAI等）普遍存在一些核心挑战，一篇来自字节跳动的研究论文《AIME》将这些挑战归纳为“规划-执行”框架的三大缺陷。

痛点一：僵化的执行计划

在传统框架中，计划一旦由规划器制定，执行器便会机械地按顺序执行，即使中途遇到新情况或发现更优解，也难以动态调整。

用户请求 → 规划器制定计划 → 执行器逐个执行 → 返回结果
                                          ↓
           (规划器在首次执行后便处于闲置状态)

典型场景：若要研究“2024年AI领域十大突破”，规划器可能分解出5个搜索子任务。若第一个任务就找到了完整的年度报告，其余4个任务已无必要，但传统框架仍会继续执行。

痛点二：静态的智能体能力

多数框架预定义了一组固定角色的智能体（如研究员、程序员）。当任务需要“金融分析师+法律顾问”这类复合能力时，系统便显得僵化，难以灵活应对。

痛点三：低效的信息传递

在多智能体协作中，上下文信息通过消息在智能体间传递，容易像“传话游戏”一样失真或遗漏。每个智能体缺乏全局视野，无法了解整体进度和其他智能体的工作成果。

高效的信息传递机制应满足：

• 高保真：信息不丢失、不失真。
• 全局共享：所有智能体都能访问统一状态。
• 低开销：避免占用大量Token进行信息复制。

AIME多智能体方案解读

其架构核心流程如下：

1. 分解任务：动态规划器（主智能体）将用户请求分解为层级子任务。
2. 分发任务：规划器选择下一个可执行的子任务，发送给执行工厂。
3. 代理实例化：执行工厂根据任务需求创建定制化的动态执行者（子智能体）。
4. 执行子任务：子智能体通过“推理-行动-观测”（ReAct）循环完成任务。
5. 进度更新：子智能体通过特定工具向进度管理模块报告进度。
6. 评估迭代：任务完成后，规划器更新全局状态并循环至步骤2。

该方案的核心特点是动态规划和以文件作为协作桥梁。

我的Multi-Agent实现：基于共享工作区的ReAct范式

我的实现方案与AIME理念相似，核心思想是：让共享的文件工作区成为多智能体协作的中枢，文件作为高保真、低开销的信息传递载体。

为何选择文件？

• 天然持久化：上下文不因智能体重启而丢失。
• 高效压缩：一个文件路径即可索引海量内容，避免提示词爆炸。
• 异步友好：不同智能体可在不同时间读写同一文件。
• 人类可读：便于调试和审查。

架构总览

                          Multi-Agent系统
┌─────────────────────────────────────────────────────────────────┐
│                          主智能体 (Planner)                      │
│                   ┌──────────────┐                              │
│                   │  SubAgent池  │                              │
│                   │ - 深度研究员 │                              │
│                   │ - 数据分析师 │◄─►┌──────────────────────┐   │
│                   │ - 代码工程师 │   │    共享沙箱工作区     │   │
│                   │ - ...        │   │ • TODO.md           │   │
│                   └──────────────┘   │ • FILE_INDEX.json   │   │
│                          │           │ • outputs/          │   │
│                          ▼           │ • research/         │   │
│                ┌──────────────────┐  │ • data/             │   │
│                │   基础工具层      │  └──────────────────────┘   │
│                │ - 网络搜索       │                              │
│                │ - 打开链接       │                              │
│                │ - 代码解释器     │                              │
│                └──────────────────┘                              │
└─────────────────────────────────────────────────────────────────┘

核心工作流程（四步法）

Step 1: 初始化工作区

收到任务后，主智能体首先创建标准化的工作区结构。

import os
from datetime import datetime

os.makedirs("outputs", exist_ok=True)
os.makedirs("research", exist_ok=True)
os.makedirs("data", exist_ok=True)
os.makedirs("temp", exist_ok=True)

todo_content = f"""
# 任务进度日志
## 原始任务
分析2024年全球AI投资趋势，生成可视化报告
## 任务计划
待规划...
"""
with open("TODO.md", "w") as f:
    f.write(todo_content)

生成结构：

/
├── TODO.md              # 核心进度跟踪文件
├── FILE_INDEX.json      # 文件索引
├── outputs/             # 最终交付物
├── research/            # 研究文档
├── data/                # 数据文件
└── temp/                # 临时文件

Step 2: 动态规划

主智能体分析需求，将详细计划写入TODO.md。

Step 3: 分步执行与委托

• 简单任务：主智能体直接使用基础工具（搜索、写代码等）完成。这些工具的实现通常依赖于高效的Python脚本。
• 复杂任务：委托给相应的子智能体。子智能体会：
  1. 读取TODO.md和文件索引了解上下文。
  2. 访问工作区中的相关文件。
  3. 执行任务并将结果保存到工作区。
  4. 更新TODO.md中的进度。

Step 4: 汇总与交付

主智能体从工作区读取所有产出，整合成最终答案交付给用户。

示例：分析“2024年AI领域主要趋势”

1. 初始化 & 规划：创建计划，委派深度研究员搜索、数据分析师可视化、总结者生成摘要。
2. 执行：
   • 深度研究员生成报告存入research/，更新TODO.md。
   • 数据分析师制作图表存入outputs/，更新TODO.md。
   • 总结者生成摘要，更新TODO.md。
3. 汇总：主智能体整合所有文件，生成最终报告。

核心组件详解

组件一：全局动态规划器（主智能体）

这是一个持续监控和动态调整的“指挥官”，而非一次性计划制定者。它能根据子任务执行结果的反馈，实时重新评估并调整全局计划。

组件二：SubAgent工厂

通过预定义的角色模板，实现按需实例化。每个子智能体定义包括名称、描述、系统提示词、可用工具集等。

@dataclass
class SubAgentDefinition:
    name: str
    description: str
    system_prompt: str
    available_tools: List[str]
    auto_read_todo: bool = True

子智能体实例化时，会自动注入当前工作区状态（TODO.md摘要、文件列表）和具体任务描述，构成完整的执行上下文。

组件三：共享工作区（中枢神经）

所有智能体共享同一沙箱文件系统，这是实现高效AI协作的关键。其中，TODO.md是系统的“单一事实来源”，其结构示例如下：

# 任务进度日志
## 原始任务
分析2024年AI领域主要趋势...
## 执行进度
| # | 步骤描述 | 执行者 | 状态 | 产出文件 |
|---|----------|--------|------|----------|
| 1 | 搜索AI趋势报告 | 深度研究员 | ✅完成 | research/ai_trends.md |
| 2 | 数据提取与清洗 | 数据分析师 | 🔄进行中 | - |

组件四：工作区管理器

一个封装了所有工作区操作逻辑的Python类，负责生成初始化、更新进度、注册文件等代码片段。

组件五：基础工具集

1. web_search：基于Tavily API进行网络搜索。
2. open_link：打开URL并提取页面内容。
3. code_interpreter：在e2b沙箱中执行Python代码，这是处理数据和生成文件的核心。

关键设计细节

1. 增量写入策略

对于长文档生成，引导模型分多次增量写入文件，避免因单次输出长度限制而截断。

2. 递归文件变化检测与云存储上传

代码解释器执行前后，递归扫描工作区文件变化，自动将新增或修改的文件上传至云存储（如OSS），并返回可访问的URL，实现产出物的持久化和易分享。这种文件管理和持久化机制，与云原生应用中对状态和配置的管理有异曲同工之思。

# 伪代码示例
async def code_interpreter_async(sbx, code):
    original_files = await scan_all_files(sbx) # 执行前扫描
    results = await execute(code) # 执行代码
    new_files = await scan_all_files(sbx) # 执行后扫描
    for changed_file in detect_changes(original_files, new_files):
        url = await upload_to_cloud(changed_file) # 上传到云存储
        results['generated_files_urls'][changed_file] = url
    return results

3. XML格式的工具调用

采用XML而非JSON格式进行工具调用，以更好地处理包含复杂格式（如代码块）的参数。

<tool_call>
<function>code_interpreter</function>
<code>
import pandas as pd
df = pd.read_csv("data/trends.csv")
print(df.head())
</code>
</tool_call>

当前局限与未来方向

1. 串行执行效率：当前为串行执行。未来可分析任务依赖，对独立子任务实现并行执行，需解决文件锁和冲突问题。
2. 自动错误恢复：子智能体执行失败时，可引入重试机制，并根据错误信息自动调整任务。
3. 缺乏跨会话记忆：工作区随会话结束而销毁。未来可持久化关键产出，支持沙箱状态重加载。

案例展示

使用本系统完成了一个端到端的复杂任务：自动编写一整本《RAG课程的教学课件》。详细执行过程与结果展示了从任务分解、多智能体协作到最终产出的完整流程。

参考资料

1. Aime: Towards Fully-Autonomous Multi-Agent Framework
2. ReAct: Synergizing Reasoning and Acting in Language Models
3. MetaGPT: Meta Programming for Multi-Agent Collaborative Framework
4. Why do multi-agent LLM systems fail?
5. e2b - Code Interpreter Sandbox