蚂蚁集团多智能体框架AIEvo正式开源

AI 智能体本地部署实战

OpenClaw 从环境搭建到避坑全攻略,本地跑通你的 AI 代理

项目发起人:莫尔(李小宇)、玄浩(林皓俊)、冷凇(刘凇杉)

项目负责人:子谅(王恒)、善衡(曾欢)

AIEvo开源

AIEvo是蚂蚁集团开源的一款专注于多智能体协作的框架。其开发基于蚂蚁集团在大规模线上告警问题诊断和专家经验平台化方面的技术积累和实践经验。AIEvo通过多智能体协同和高可执行率的设计,利用反馈机制提升模型输出稳定性,并基于SOP机制确保指令的协同遵从,特别适用于复杂任务的自动化处理和智能决策支持。

a66615f7620b86af70d75f265d6464b5.png

核心优势

▌智能体高执行成功率

AIEvo通过Enviorment模块实现智能体状态的动态管理和调度,并利用feedback和watcher机制确保任务趋向最优解。这种设计保证了智能体在执行过程中能够灵活调整,极大提升了任务完成的成功率。

自主推理与任务分配

除了依赖预设方案,AIEvo允许智能体进行自主推理和任务分配。这种能力使得智能体在面对不确定性和复杂任务时,能够迅速调整策略,自主制定新的执行路径,增强了系统的适应性与智能化水平。

Go语言开发的多智能体框架

作为基于Go语言开发的少数多智能体框架之一,AIEvo具备高性能与并发处理的天然优势。这使其在大规模分布式系统和高性能需求的场景中表现尤为出色。

企业生产验证:

AIEvo已经过蚂蚁集团内部的生产验证,确保了框架的稳定性和可靠性。

技术架构

fb27661508a751091da85874552841f6.png

Agent模块

  • 用于Agent的构建,采用ReAct方式支持智能体之间的自主交互,每个智能体不仅能执行任务,还能进行信息交流,协同解决问题。

Env模块

  • Env模块作为多智能体的消息中转池,存储团队成员、订阅关系、历史消息和任务SopGraph等信息,确保智能体间高效、协调的任务执行。

Feedback模块

  • Feedback模块专注于审查和反馈智能体生成内容的规范性和准确性,确保输出符合预期,避免重复调用和生成敏感信息。

Watcher模块

  • Watcher模块实时监控多智能体的运行状态,适时介入调整队伍成员,保证任务顺畅进行。

驱动模块

  • 驱动模块采用消息驱动机制,管理整个多智能体系统的运作。通过构建Team和Sop,启动Watcher,并依照Env消息调度智能体,确保任务按计划进行。

规划

AIEvo平台能力的演进分为四大阶段,第一、二、三阶段在开源前已经完成,第四阶段在实验室也取得了较好效果。

第一阶段-实现Agent的单体LLM交互与多智能体的基础协同

  • Agent模块:实现单智能体的LLM交互。

  • Enviorment协作模块:实现多智能体的通信通道,实现智能体状态和环境的交互。

  • 用户介入模块:在关键点支持用户介入以调整任务走向及关键信息确认。

第二阶段-基于SOP和反馈机制,提升任务执行的稳定性和准确率

  • SOP模块:基于SOP构建Graph图,提高多智能体的协调稳定性和审查的参考依据。

  • 审查反馈模块:对LLM的输出文本结构、文本内容的稳定性和准确率方向进行审查,并实时反馈调整。

第三阶段-优化多智能体管理,通过Creative Agent匹配最合适的智能体

  • Creative Agent:基于专家招募模式,对用户的任务匹配更适合的智能体或选择用户已构建的智能体,过滤多余的智能体,降低打扰,匹配任务。

  • 观察者模式:对系统内各Agent的执行进行观察,将能力不足、捣乱者及时剔除/更新,保证任务快速稳定运行。

第四阶段-支持多文档、多模态环境,提升智能体协作的并发能力和效率

  • 多文档类型的支持,通过源文档快速提炼出来SOP。

  • 多模态支持。

  • 其他社区issue支持。

加入 AIEvo 社区

作为一个开放项目,我们认可开源的研发模式,并致力于将AIEvo社区打造成一个开放和有创造力的社区。后续,所有的研发、讨论等相关工作都会在社区透明运行。我们欢迎任何形式的参与,包括但不限于提问、代码贡献、技术讨论、需求建议等。我们期待更多AIOPS开发者和AI爱好者加入到AIEvo社区,与我们一起开创智能运维与多智能体的新篇章!

项目 GitHub 地址:

https://github.com/antgroup/aievo

钉钉群:

508358b791480bc0228cef2d4f4e8067.png

AI 智能体本地部署实战

OpenClaw 从环境搭建到避坑全攻略,本地跑通你的 AI 代理

内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛E题“SEM广告投放策略”,构建了一个涵盖诊断、分类、优化与鲁棒决策的完整建模框架。基于某互联网公司142万元的SEM投放数据,文章从设计质量、关键词管理、出价预算和时间维度四个方面系统评估投放策略的合理性,揭示了消费集中、展位分层、工作日效应显著及假日效应分化等核心规律。提出基于成本—效益二维空间的五类关键词划分模型(黄金词、重点词、潜力词、问题词、无效词),结合中位数分割与聚类校验实现科学分类。在此基础上,建立预算约束下的0-1整数规划模型,采用两阶段算法求解最优关键词选择与出价策略,实现单位注册成本下降约20%。进一步引入CVaR鲁棒优化框架,有效应对竞价、点击、转化等不确定性,提升策略在极端情景下的稳定性与抗风险能力。; 适合人群:具备一定数据分析与数学建模基础,参与数学建模竞赛或从事数字营销优化的研究人员与从业者,尤其适合高校本科生、研究生及企业数据分析师。; 使用场景及目标:①用于数学建模竞赛中广告投放类问题的建模与求解;②为企业SEM广告投放提供科学的诊断、分类与优化方法;③实现预算约束下的关键词选择与出价决策;④在不确定环境下提升广告投放策略的鲁棒性与抗风险能力。; 阅读建议:此资源不仅提供完整的建模思路与算法实现,还包含实际运行结果与策略输出模板,建议读者结合代码实践,深入理解模型构建逻辑,重点关注分类规则设计、整数规划建模及鲁棒优化的实现过程,并尝试在类似业务场景中进行迁移应用。
内容概要:本文研究了一种面向高维约束空间的多种群灰狼优化算法(MP-GWO),并将其应用于多无人机协同航迹规划问题中。通过引入多种群机制对标准灰狼优化算法进行改进,增强了算法的全局搜索能力,有效克服了早熟收敛问题,提升了在复杂高维非线性约束环境下的优化性能。文章系统阐述了算法的设计原理、收敛性理论分析及在多无人机路径规划中的性能保障机制,结合Matlab实现了完整的仿真验证,充分展示了该算法在路径安全性、避障能力、收敛速度与解的质量等方面的优越性。同时,研究深入探讨了动态环境下的协同规划策略与防撞机制,进一步提高了系统的鲁棒性与实际应用价值。; 适合人群:具备一定智能优化算法基础,从事无人机路径规划、群体智能优化、智能控制、运筹学或自动化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决多无人机在复杂三维空间中的协同航迹规划与实时避障问题;②提升高维、强约束非线性优化问题的求解效率与稳定性;③为智能无人系统提供可扩展的优化框架与可靠的仿真验证工具; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点关注多种群划分策略、种群间信息交换机制与约束处理方法的设计原理,并可通过调整参数或测试不同场景进行复现实验,以掌握其在实际工程问题中的应用技巧与优化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值