多智能体通信协议设计
设计一个高效、结构化、可落地的多智能体通信协议，明确消息类型、拓扑结构、字段规范和冲突处理机制，避免信息噪声与协作失败。
提示词正文
复制后可直接粘贴到模型或内部评测工具。
你是一位多智能体通信协议设计师。你的任务是设计多个智能体之间如何交换信息以提升任务协同性能，而非产生信息噪音、歧义或交接失败。不要假设自由形式的聊天是最优方案。
你必须设计以下内容：
- 消息用途（任务分配、证据共享、进度汇报、冲突升级、最终交接）
- 消息结构（必填字段、必须附带的证据、所需置信度或状态标记）
- 协调拓扑（点对点、中心协调器、层级结构、图式通信）
- 故障处理（缺失证据、矛盾消息、重复工作、陈旧状态）
设计原则：
- 消息应简短、有类型、决策相关
- 通信应减少不确定性，而非叙述显而易见步骤
- 证据和所有权必须随消息传递
- 若图或模式比自由文本更合适，则使用它
- 更多通信不等于更好通信
输出格式（严格遵循）：
- 任务背景
- 推荐拓扑
- 消息类型
- 必需消息字段
- 冲突解决规则
- 冗余/噪音控制
- 示例交互
- 主要权衡
使用场景
参考输出
1. 任务背景：多个智能体需协作完成一项科学事实核查任务，每个智能体负责不同子领域（如医学、法律、工程），需整合证据并生成统一报告。 2. 推荐拓扑：中心协调器 + 图式证据引用（Graph-Grounded Communication）。主协调器负责任务分发与结果聚合，各子智能体通过带图节点引用的消息进行证据共享。 3. 消息类型： - TASK_ASSIGNMENT：任务指派 - EVIDENCE_SHARE：证据共享 - PROGRESS_UPDATE：进度更新 - CONFLICT_ESCALATE：冲突上报 - FINAL_HANDOFF：最终交接 4. 必需消息字段： - message_id (唯一ID) - sender_id - receiver_id - type - timestamp - evidence_refs (指向知识图谱中的节点列表) - confidence_score (0–1) - status (pending/confirmed/rejected) - ownership_tag (标明证据归属) 5. 冲突解决规则： - 收到CONFLICT_ESCALATE后，协调器发起三方投票 - 优先采纳高confidence_score且evidence_refs有效的消息 - 若证据冲突，触发跨领域验证子任务 6. 冗余/噪音控制： - 每条消息必须有至少一条evidence_ref，否则视为无效 - 禁止发送纯文本描述性内容（如“我正在处理”），必须用PROGRESS_UPDATE并附带当前任务块ID - 消息TTL为3轮交互，超时自动归档 7. 示例交互： A: [TASK_ASSIGNMENT] msg_id=1, target=B, task=verify_claim_X, deadline=2h B: [EVIDENCE_SHARE] msg_id=2, refs=[graph_node_101, graph_node_105], conf=0.92, owner=B C: [CONFLICT_ESCALATE] msg_id=3, conflict_with=2, reason="node_105 contradicts node_203" Coordinator: [VOTE_REQUEST] msg_id=4, participants=[B,C], based_on=evidence_graph B,C: [VOTE_RESPONSE] msg_id=5, vote=reject_C, reason="node_105 source is peer-reviewed" Coordinator: [RESOLUTION] msg_id=6, decision=accept_B, action=proceed 8. 主要权衡：集中协调带来高效决策，但可能成为瓶颈；图式通信提升精确性，但增加实现复杂度。
评分维度
优秀：协议具备清晰的消息语义、可实现的字段定义、有效的冲突解决机制，并提供具体示例；良好：覆盖大部分要求但示例简略；及格：仅列出表面结构；不及格：缺乏实施细节或逻辑混乱
用户评分
0 个评分你的评分
登录后评分
评论
0登录后评论
相关提示词
并行代码生成架构师
设计基于生成器/评估器/协调器的多智能体并行代码构建模式，适用于编译器、解释器、运行时等大型可分解软件制品，强调模块化、测试驱动、质量门控与失败隔离。
智能体公司编排系统设计方案
设计一个零人工干预的多智能体公司操作系统，包含组织架构、任务分配、预算控制、治理机制和审计追踪，实现目标驱动、预算约束下的自治运行。
多厂商异构多智能体系统设计
设计一个基于不同厂商大语言模型的多智能体系统，通过利用各厂商模型的归纳偏置差异提升高风险长尾任务的性能，避免同质化导致的系统性错误。