企业官网建设流程全解析

没有中央编排器，也没有全局标签：市场机制怎么让多智能体自己分工

多智能体系统里最经典的问题是：谁来做哪件事？传统做法是写一个编排器（orchestrator），由它调度任务、评估结果、分配奖励。但编排器本身就是单点复杂度：它需要知道每个智能体的能力边界，需要给每次执行打分，还得防止调度逻辑随着任务种类膨胀而失控。

另一条思路存在了几十年：别编排，让智能体用经济手段自己谈。NeurIPS 2026 的论文《心智经济：通过经济互动涌现的多智能体智能》（alphaXiv）把这条思路搬到了 LLM 智能体上，设计了一个没有中央协调器、也没有全局性能标签的模拟市场，分工与协作从竞价行为中“涌现”出来。这篇文章把这篇论文和更早的经典 MAS 机制（合同网协议、拍卖机制）放在一起，看看“用经济机制替代显式编排”这条线从分布式系统时代到 LLM 时代是怎么延续、又变了什么。

经典起点：合同网协议与拍卖

1980 年代以来，分布式人工智能一直在回答“任务怎么分”这个问题。最著名的就是合同网协议（Contract Net Protocol）。根据知乎《多智能体系统（MAS）深入解析》的梳理，其流程是：任务发布者作为“招标方”向网络广播任务描述，感兴趣且有能力的智能体作为“投标方”竞标（提供报价或承诺），招标方按策略选择一个或多个投标方中标并分配任务。通过这种分散协商，任务被动态分配给最合适的智能体，实现负载均衡和效率优化。

值得注意的是，合同网只是一个框架：具体可以扩展不同的投标策略和分配策略来适应场景。同文还提到，拍卖机制（如第一价拍卖、Vickrey 拍卖）也常用于 MAS 的资源分配或任务指派，让智能体通过竞价争夺资源；需要更紧密合作时，智能体之间还可以进行多轮出价与让步的议价，并借助 FIPA ACL 这类通信协议的交互语义保证协商有序进行。

这类机制的共同特征是：存在一个明确的“任务”，存在明确的招标—投标—中标流程。经济机制只负责匹配，任务本身的结构是外部给定的。

“心智经济”：把市场嵌进动作序列本身

《心智经济》把竞价往前推了一步：不是“竞标一个任务”，而是对“轮到我行动”这件事竞价。

根据论文摘要（见 alphaXiv 页面），支付遵循“接力式”规则：获胜者将其出价支付给上一个行动者，并获得环境给出的任何奖励；第一个行动者则向庄家支付。这个设计的关键在于激励结构——它会奖励那些较早采取行动、设置了有利状态、使后续智能体愿意以高价行动的行为；而让任务陷入无效状态的智能体则会损失财富。换句话说，“我在这一步做了什么”不需要任何人打分，市场会用“下一个人愿意为接手我的局面付多少钱”来自动定价。

跨回合的演化也以此为基础展开：

• 租金与淘汰：智能体需要支付租金，财富降为负数的智能体被淘汰，并注入新智能体。
• 变异与探索：富有的智能体可以发生变异，从而保留并改进成功的提示模式；破产的智能体可以被修订以尝试其他方案，提供探索。
• 新人保护机制：新创建的智能体在首次符合条件的步骤中会获得一次性出价，略高于当时符合条件的竞争者中的最高出价，因此至少会得到一次测试；此后其出价固定不变。

论文明确指出：这个过程不需要全局性能标签，也不需要中央协调器，不过环境仍会提供结果奖励。这是与合同网最大的差别之一——经典 CNP 中，招标方要按策略“选择”中标者，相当于一个局部裁判；心智经济里连这个裁判都省了，选择权完全交给市场定价。

从 CNP 到心智经济：延续与变化

把两者并排看，延续的是核心直觉：用局部价格信号替代全局知识。智能体不需要知道系统全貌，只需要知道自己愿意出多少钱。

变化至少有三点：

1. 竞标的对象不同。CNP 竞标的是离散的任务包；心智经济竞标的是“行动权”，价格由行动序列上的下一个参与者决定，信用分配被拆解到了序列的每一环。
2. 智能体不再是静态的。经典 MAS 里智能体的能力和策略大体固定，市场只影响任务流向；心智经济里智能体本身会变异、淘汰、被修订——市场不只分配任务，还在筛选和塑造智能体种群。
3. 归因问题依然存在。论文自己承认：这种沿着动作序列向后传递的支付，“并不能证明每一项有用贡献都得到了准确的信用分配”。这其实是市场机制的固有局限——价格反映的是边际意愿，不是真实贡献。Vickrey 拍卖用机制设计缓解策略性出价，但“贡献归因不准”这个问题在几十年里换了形式反复出现。

什么场景适合市场机制，什么场景仍需显式编排

一个务实的判断依据清单：

适合市场机制的场景：

• 任务可分解为序列化步骤、且每步质量能通过“后续参与者是否愿意接手”间接体现的环境（如论文中通过环境奖励驱动的多智能体交互任务）；
• 智能体能力异构、事先难以静态评估，需要让种群自己演化筛选的场景；
• 不存在天然的中央裁判、或中央裁判本身成为瓶颈的系统。

仍需显式编排的场景：

• 有硬性合规、安全或时序约束的流程——价格信号无法表达“这一步绝对不能跳过”；
• 任务高度耦合、步骤之间难以独立定价的场景，接力式支付的归因误差会被放大；
• 需要可审计、可复现的决策链路的企业系统——招投标和竞价日志的可解释性，远不如一张显式的编排图。

小结

从合同网协议的“招标—投标—中标”，到第一价与 Vickrey 拍卖的竞价机制，再到《心智经济》里“对行动权竞价、用租金淘汰、靠变异进化”的完整经济体，这条思路一以贯之：别造一个无所不知的协调者，让局部价格信号自己长出分工。LLM 智能体的出现让“智能体本身可变”成为可能，也让市场机制从分配工具升级成了选择压力。但它的边界同样清楚：价格不是完美的贡献度量，论文作者对此毫不含糊。选市场还是选编排器，取决于你的任务能不能被“愿意付多少钱接手”这一个数字公平地定价。

参考资料：

• 《心智经济：通过经济互动涌现的多智能体智能》（alphaXiv，NeurIPS 2026 海报展示）
• 《多智能体系统（MAS）深入解析》（知乎专栏）

参考资料

以下链接为本文使用的公开资料。事实依据与检索摘录保存在本地记录中；资料内容与适用范围以原始页面为准。

• 心智经济：通过经济互动涌现的多智能体智能 | alphaXiv
• 多智能体系统（MAS）深入解析