Mixture of Agents (MoA)

智能体混合（MoA）是一种先进的人工智能架构，利用多个大型语言模型（LLMs）或自主智能体协作解决复杂任务。MoA 系统不依赖单个模型生成响应，而是同时查询多个不同的模型。这些初始智能体会生成独立答案，然后将其传递给聚合智能体或综合智能体。聚合智能体会评估、优化并整合这些多样化观点，生成单一的高质量最终输出。这种协作方式显著提升了推理能力，并减轻了独立模型自身的偏见或弱点，代表了自然语言处理（NLP）和问题解决领域的一次重大进步。

智能体混合与专家混合的比较#

虽然两者听起来相似，但必须将 MoA 与相关概念专家混合（MoE）区分开来。

• 专家混合（MoE）： 在单个神经网络架构内运行。它使用路由机制，在推理过程中为每个词元仅激活特定的专业化子层（专家）。这种方式在保持较大参数量的同时优化了计算效率。
• 智能体混合（MoA）： 在模型或系统层面运行。它包含完全独立的AI 智能体——这些智能体通常基于不同的基础模型构建——并在流水线中相互交互。MoA 更像是模型集成与智能审查流程的结合，具体内容详见近期的多智能体系统研究。

实际应用#

MoA 架构擅长应用于需要深度推理、事实核查和多样化数据综合的环境。

• 复杂软件工程： 在软件开发中，MoA 系统可以使用 Anthropic Claude 编写核心逻辑，使用 OpenAI GPT-4o 生成单元测试，并使用本地化模型执行安全审计。最终的聚合智能体会审查整合后的代码，对其进行测试，并输出经过优化且无错误的脚本。
• 自动化医疗诊断： 在医疗保健领域的 AI中，诊断 MoA 流水线可以部署专业化智能体，分别查看患者病史、分析实验室结果和处理医学影像。综合智能体会汇总这些发现，帮助医生形成全面诊断，大幅降低人为错误的可能性。

将视觉能力集成到 MoA 工作流中#

现代 MoA 系统正日益采用多模态方式，这意味着它们依赖计算机视觉（CV）模型感知物理世界，然后对其进行推理。例如，在制造业中的 AI应用中，视觉智能体可以检查实时摄像头画面，并将事实观察结果发送给推理智能体。

以下 Python 示例演示了 Ultralytics YOLO26 如何在 MoA 流水线中充当“视觉智能体”，提取上下文数据并将其提供给下游 LLM。开发者可以使用 Ultralytics Platform 无缝管理和微调这些专业化视觉工具。

from ultralytics import YOLO

# Initialize YOLO26 as a dedicated visual agent
visual_agent = YOLO("yolo26n.pt")

# The agent observes the environment by running inference on an image
results = visual_agent("https://ultralytics.com/images/bus.jpg")

# Extract structured data to pass to the MoA aggregator
detected_classes = [visual_agent.names[int(cls)] for cls in results[0].boxes.cls]
unique_objects = set(detected_classes)

# This text context is then sent to the reasoning agent
print(f"Visual Agent Report: I have identified {', '.join(unique_objects)} in the scene.")

通过弥合使用 PyTorch 等框架构建的高性能视觉模型与 Google Gemini 等高级认知引擎之间的差距，MoA 生态系统展现出类似人类协作的特征。它们正迅速成为智能体 RAG流水线的支柱，为构建更稳健、更可靠的自主系统铺平道路。