微软提出 Agensh，让 1024 个智能体自组织协作

2026-10-21

51AllAI 编辑部

微软研究院提出 Agensh，让多个 AI 智能体在没有中央调度智能体的情况下，自行认领任务、交流发现并合并代码。在限时 6 小时、断网的 pandoc 行为复现实验中，1024 个智能体的最终测试通过率为 55.06%，单个智能体为 33.89%。

Agensh 让智能体自己找任务、分工和合并

给一组 AI 同一个软件开发目标，接下来由谁决定各自做什么？Agensh 把任务发现、认领和成果整合分散给每个参与者。每个智能体都能查看项目进度，选择下一项工作，并与其他成员处理依赖和冲突。

Agensh 是微软研究院在 2026 年 9 月公开的多智能体协作框架。它位于单个智能体的执行框架之上：底层继续负责调用模型、运行工具和保存对话，Agensh 负责成员之间怎样共享信息、响应消息和推进共同目标。这里的智能体，是能调用工具、执行操作并检查结果的 AI 程序。

这类框架要处理的不只是并行运行。两名成员可能修改同一处代码，也可能各自完成模块后无法衔接。Agensh 为所有成员提供相同的协作规则，让它们在开发过程中自行解决这些问题。

每个成员反复执行同一套流程：

成员各自推进，不需要等所有人完成一轮才开始下一轮。支撑它们的是三种共享设施：

设施	在协作中承担的工作
共享工作区	保存代码和版本历史，各成员在自己的分支开发，再合入主分支
消息通道	发布团队通知、直接联系同伴，协调任务重叠和代码依赖
共享上下文	记录观察、已确认事实、失败尝试、任务认领和改动摘要，供其他成员复用

实现中，共享代码由 Gitea 管理，消息使用 Mattermost。共享上下文还可以搜索历史记录，帮助成员找到早先的发现，减少重复尝试。

此前介绍的 Claude Code 跨会话消息说明了独立会话如何交换进度。Agensh 进一步把消息与任务认领、验证、代码合并连接起来，形成持续工作的协作流程。

实验采用 ProgramBench 软件行为复现任务：智能体可以运行给定的参考程序、观察输入输出，再从零编写能够复现这些行为的代码。环境禁止访问互联网，总时限为 6 小时，最终用隐藏测试检查生成程序的表现。

底层模型统一使用高推理强度的 GPT-5.6-sol，单智能体执行框架为 Copilot。在文档转换工具 pandoc 的任务上，最终测试通过率如下：

Agensh 在六小时断网条件下复现 pandoc 的测试通过率与协作规模原始图

1024 个智能体比单智能体高 21.17 个百分点，比 128 个智能体高 4.12 个百分点。这些数值衡量的是这一任务的测试通过情况，55.06% 也表明结果仍是部分行为复现，不能等同于完整替代 pandoc。

实验规模同样需要结合部署方式理解。1024 个成员分布在 16 个节点上，每个节点运行 64 个；成员分批启动，所有成员在统一截止时间结束。因此，6 小时是整个团队的任务时限，并非每个成员都独立工作满 6 小时。这组结果比较的是固定时间内的产出，也不能据此推导相同成本下的收益。

Agensh 的研究场景是多名智能体围绕同一个软件目标持续开发。对构建 AI 编程工具的团队，可以关注任务如何认领、失败经验怎样共享，以及改动如何验证后合并；对多智能体研究者，则可以考察成员数量增加后，通信和代码整合方式怎样变化。

在 pandoc 的千智能体运行轨迹中，出现了多名负责整合代码的成员。需要合并改动的成员可以联系多个整合者，选定有效回应者后再交接工作。同一技术领域的成员也能在同伴尝试失败后接手。这些是该次运行中观察到的协作行为。

阅读入口包括 Agensh 项目页的实验图表与过程回放，以及论文附录中的工作指令和实验设置。若要把这种设计用于自己的开发流程，可以先明确共享仓库、任务声明、消息传递和验收规则，再检查成员的改动是否能持续合并并通过测试。

以下资料用于核对本文信息；价格、开放范围与产品状态请以来源的最新说明为准。