MASPO：攻克多智能体协作中的“局部合规、全局失败”难题

TL;DR

在多智能体系统（MAS）中，提示词（Prompt）的设计决定了智能体的分工与沟通。然而，传统的提示词优化往往陷入“局部最优”的陷阱：每个智能体都按照指令行事，但整体结果却一塌糊涂。本文提出的 MASPO (Multi-Agent System Prompt Optimization) 框架，通过联合评价机制和错位案例挖掘，实现了多智能体提示词的协同演化，显著提升了系统在复杂逻辑推理中的整体表现。

痛点深挖：多智能体优化中的“信用分配”困局

在单智能体场景下，优化目标非常明确：输出是否符合预期？但在多智能体系统中，情况变得极其复杂：

1. Local-Global Misalignment（局部-全局错位）：中间智能体（如推理者、审阅者）的输出在局部看来是完美的，但由于其语气、格式或逻辑侧重点的细微偏差，可能导致下游智能体产生误解，最终输出错误答案。
2. Non-stationarity（非稳态问题）：当你在优化 Agent A 时，Agent B 的输入环境也在随之改变。这种耦合关系使得传统的独立优化方法（如 SPO）在 MAS 中表现乏力。

图1：MASPO 框架概览。包括拓扑调度、错位采样、联合评价和束搜索演化。

方法论详解：MASPO 的三把“手术刀”

为了手术般精准地修复智能体间的协作断裂，MASPO 设计了三套核心机制：

1. 多粒度联合评价 (Multi-Granularity Joint Evaluation)

MASPO 不再只盯着最终答案，而是通过一个加权公式来给提示词打分： $R=\alpha \cdot Local+\beta \cdot Lookahead+heta\cdot Global$

• Local Validity：智能体是否遵循了其角色的基本约束？
• Lookahead Potential (核心创新)：智能体的输出是否让它的“邻居”变得更聪明了？
• Global Alignment：对最终系统输出的贡献。

通过引入 Lookahead Potential，MASPO 解决了 Credit Assignment 难题，让智能体在优化过程中自发地学会“为下游着想”。

2. 错位感知采样 (Misalignment-Aware Sampling)

作者敏锐地意识到，失败比成功更有教导意义。框架会专门收集那些 “局部表现优异但导致全局失败” 的负样本当作硬负样本（Hard Negatives）。在优化新一代提示词时，强制优化器分析这些案例，从而精准切断错误在因果链条中的传播。

3. 束刷新机制 (Beam Refresh)

由于上游智能体的行为在变，旧的候选提示词评分会“过期”。MASPO 在每一轮迭代前，会重新锚定（Re-anchor）所有的评分，清除陈旧分数，确保所有候选者都在最新的数据分布（Context）下公平竞技。

实验结果：全方位的性能碾压

MASPO 在数学（MATH-500）、逻辑推理（GPQA）和代码（HumanEval）等 6 个严苛的基准测试中展现了统治力。

表1：MASPO 在不同任务上的表现。可见其在多智能体架构下均显著优于现有优化方法（如 TPE, SPO）。

关键发现：

• 拓扑无关性：无论是线性的 Sequential MAS 还是分层的 Hierarchical MAS，MASPO 都能平滑适配。
• 权重敏感度：实验发现，局部有效性和前瞻潜力的权重设计对稳定性至关重要，而全局对齐的权重反而可以稍低（见下图 2）。

图2：局部有效性（α）与前瞻潜力（β）的性能景观图。

深度洞察：跨模型迁移的惊喜

MASPO 最令人兴奋的特性在于其泛化性。研究者发现，在 Qwen3-8B 这种小模型上优化出来的提示词，直接丢给 DeepSeek-V3 甚至 Gemini-2.5-Pro，依然能获得显著的性能增益。这意味着：高效的机器协作逻辑在某种程度上是通用的。 开发者可以利用低成本的小模型作为“优化室”，打磨出一套精良的协作 Prompt，最后部署到昂贵的大模型集群中。

总结与局限

MASPO 为多智能体系统的“自动调参”指明了方向。它证明了：让智能体学会“看路”（Lookahead）比让它们学会“看答案”更重要。

不过，MASPO 依然依赖于一个强大的“元优化器”（如 Gemini 2.5 Pro）来生成候选提示词，且对于极深拓扑（如 10 层以上）的优化开销仍有待进一步压缩。未来，将这一机制与动态拓扑优化（Dynamic Routing）结合，或许能诞生真正意义上的“自组织 AI 兵团”。