作用机制（MoA）

代理混合体（MoA）是一种先进的人工智能架构，它利用多个 大型语言模型（LLMs）或自主 代理协同解决复杂任务。MoA 系统不再依赖单一模型生成响应，而是同时向多个不同的模型发起查询。这些初始代理会生成独立的答案，这些答案 随后会被传递给聚合器或合成器代理。 聚合器会对这些多元 视角进行评估、优化和整合，最终生成单一的高质量输出结果。这种协作方式显著提升了推理 能力，并缓解了独立模型固有的偏见或缺陷，标志着自然语言处理（NLP） 和问题解决领域 取得重大飞跃。

代理混合模型与专家混合模型

虽然它们听起来很相似，但必须将MoA与相关的概念 “专家混合模型”（MoE）区分开来。

• 专家混合模型（MoE）：在单一 神经网络架构内运行。它在推理过程中利用路由 机制，仅针对每个令牌激活特定的、专业化的子层（专家）。这 在保持高参数数量的同时，优化了计算效率。
• 代理混合（MoA）：在模型或系统层面运行。它涉及完全独立的 AI 代理——通常基于不同的基础 模型构建——在管道中进行交互。MoA 的运作方式更类似于 模型集合与智能审查 流程的结合，正如近期多代理系统研究中所述。

实际应用

MoA 架构在需要深度推理、事实核查和多样化数据综合的环境中表现尤为出色。

• 复杂的软件工程：在软件开发中，一个MoA系统可能会利用 Anthropic 来编写核心逻辑， OpenAI GPT-4o来生成单元测试，以及一个本地化模型 进行安全审计。最终，一个聚合代理会审查整合后的代码、对其进行测试，并输出一个经过优化且无错误的 脚本。
• 自动化医学诊断：在 医疗保健领域的AI应用中，诊断机制管道可 部署专用代理来审查病史、分析实验室结果并处理医学影像。 综合代理会汇总这些发现，协助医生形成全面的诊断，从而大幅 降低人为失误的风险。

将视觉技术整合到MoA工作流程中

现代多智能体（MoA）系统正日益呈现多模态特征，这意味着它们依赖 计算机视觉（CV）模型来感知 物理世界，然后在此基础上进行推理。例如，在 制造业人工智能领域，一个视觉智能体可以 检查实时摄像头画面，并将其实证观察结果发送给推理智能体。

以下Python 演示了 Ultralytics 如何在 MoA 管道中充当“视觉 代理”，提取上下文数据并将其输入到下游的大型语言模型（LLMs）中。开发人员可以利用 Ultralytics 无缝 管理和微调这些专业的视觉工具。

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.")

通过弥合基于 PyTorch 构建的高性能视觉模型与 Google 先进认知引擎之间的鸿沟，MoA生态系统实现了对人类协作模式的模拟。它们正 迅速成为代理式RAG管道的骨干， 为构建更强大、更可靠的自主系统铺平了道路。