在多智能體協(xié)作系統(tǒng)里，信息像潮水一樣涌來，每個(gè)代理都在說話、檢索、推理，歷史對(duì)話和外部知識(shí)不斷堆積。若不加甄別地把“所有上下文”一股腦兒塞給所有代理，你得到的往往不是更聰明的系統(tǒng)，而是更貴、更慢、更亂的系統(tǒng)。

冗余信息增加了噪音，token 成本飆升，模型注意力被牽扯，真正關(guān)鍵的證據(jù)反而被淹沒。尤其在多輪互動(dòng)中，任務(wù)焦點(diǎn)會(huì)遷移——如果路由策略不跟著任務(wù)階段變化而調(diào)整，協(xié)作效率就會(huì)被拖垮。

RCR-Router 把這件事做“對(duì)”了！一句話總結(jié)，它在結(jié)構(gòu)化共享記憶之上，按“角色 × 任務(wù)階段 × 預(yù)算”動(dòng)態(tài)路由最相關(guān)的上下文，并用迭代式反饋不斷凈化記憶與路由，讓每個(gè)代理在合適的時(shí)刻只看到對(duì)自己最有價(jià)值的內(nèi)容。少而精，才是真正的聰明。

結(jié)果很務(wù)實(shí)：在 HotPotQA、MuSiQue、2Wiki等多跳基準(zhǔn)上，RCR 同時(shí)提升答案質(zhì)量并降低 token 使用與時(shí)延，相比全上下文更高效，相比靜態(tài)路由更準(zhǔn)確。經(jīng)驗(yàn)上，最佳的“性價(jià)比”落點(diǎn)大約是每代理 2048 token 的預(yù)算、3 輪迭代，這個(gè)組合既穩(wěn)又省。

這項(xiàng)工作是跨國(guó)合作，以美國(guó)高校為主導(dǎo)的八家科研機(jī)構(gòu)聯(lián)合研發(fā)：卡內(nèi)基梅隆大學(xué)，波士頓東北大學(xué)，哈佛大學(xué)，富士通美國(guó)研究院，麻省理工，北京大學(xué)，佐治亞大學(xué)，佛羅里達(dá)國(guó)際大學(xué)（Carnegie Mellon University、Northeastern University、Harvard、MIT、Florida International University、University of Georgia等），兼具中國(guó)高校參與（Peking University），并引入產(chǎn)業(yè)研究力量（Fujitsu Research of America）。學(xué)術(shù)前沿與工程落地的結(jié)合，使他們既能提出一套結(jié)構(gòu)化、可解釋的框架，也能把效率與成本的細(xì)節(jié)打磨到位。

1.主要貢獻(xiàn)

研究的“硬核”在于，研究團(tuán)隊(duì)把多智能體協(xié)作中最易被忽視卻最致命的部分——上下文的供給側(cè)改革——做成了一個(gè)可通用、可插拔、可度量的系統(tǒng)層。

RCR-Router提出了一個(gè)真正意義上的動(dòng)態(tài)上下文路由層。它不是簡(jiǎn)單的檢索或緩存，而是把“角色感知”“階段感知”“Token 預(yù)算”三件事一次性拉通：誰在做什么、現(xiàn)在任務(wù)處在哪個(gè)階段、他最多能帶多少上下文。路由不再依賴靜態(tài)模板，也不再向所有代理廣播冗余記憶，而是在結(jié)構(gòu)化共享記憶上，按需切片、定向投喂。

研究團(tuán)隊(duì)給系統(tǒng)裝上了“循環(huán)凈化器”。每一輪協(xié)作后，代理的輸出都會(huì)被抽取、過濾、結(jié)構(gòu)化、沖突處理，再寫回共享記憶。下一個(gè)回合的路由據(jù)此更新。這條迭代式反饋閉環(huán)，讓上下文越跑越“干凈”：不但更相關(guān)、更新鮮，也更可審計(jì)。

再者，選擇機(jī)制務(wù)實(shí)而靈巧。重要性打分是輕量級(jí)的：角色相關(guān)性、階段優(yōu)先級(jí)、時(shí)序新鮮度等信號(hào)綜合，既可啟發(fā)式配置，也可演進(jìn)為可學(xué)習(xí)評(píng)分器。路由采用貪心策略，在嚴(yán)格的 Token 預(yù)算下最大化整體重要性評(píng)分，工程上易實(shí)現(xiàn)、行為上可解釋。

評(píng)測(cè)維度也被補(bǔ)齊。除了標(biāo)準(zhǔn)的 QA 指標(biāo)，研究團(tuán)隊(duì)引入 Answer Quality Score（AQS），用強(qiáng)模型對(duì)“答案+解釋”打分，兼顧正確性、相關(guān)性、完整性與清晰度，避免只看最終答案而忽略推理質(zhì)量的偏差。

最后，實(shí)證結(jié)果給足了說服力。在 HotPotQA、MuSiQue、2WikiMultihop三個(gè)多跳基準(zhǔn)上，RCR 在提升答案質(zhì)量的同時(shí)顯著降低token 消耗與時(shí)延，相比全上下文更省、更穩(wěn)，相比靜態(tài)路由更準(zhǔn)、更強(qiáng)。消融實(shí)驗(yàn)進(jìn)一步揭示了“預(yù)算—性能”和“迭代—性能”的拐點(diǎn)：每代理約 2048 token、3 輪迭代是一個(gè)兼顧成本與質(zhì)量的甜蜜點(diǎn)。

2.方法總覽與問題表述（Problem Formulation）

把鏡頭拉遠(yuǎn)一點(diǎn)，這是一個(gè)由多個(gè)專職代理協(xié)同完成復(fù)雜任務(wù)的系統(tǒng)。系統(tǒng)里有一套共享記憶，像是大家共用的“白板+檔案柜”，寫著歷史對(duì)話、外部事實(shí)、檢索片段，還有結(jié)構(gòu)化的狀態(tài)與計(jì)劃。

在形式化上，系統(tǒng)包含一個(gè)代理集合 A={A1,…,AN}，每個(gè)代理都帶有明確的角色標(biāo)簽（planner、searcher、summarizer、verifier…），并在離散的輪次中互動(dòng)推進(jìn)。

每一輪都有一個(gè)任務(wù)階段 St，標(biāo)記當(dāng)前是在規(guī)劃、檢索、綜合還是驗(yàn)證；同時(shí)有一個(gè)共享記憶 Mt，承載著三類關(guān)鍵信息：代理交互歷史、外部知識(shí)與工具回執(zhí)、以及通過 YAML/圖/表組織的結(jié)構(gòu)化狀態(tài)。

每個(gè)代理不會(huì)“讀全庫(kù)”，而是接收一份被路由過的上下文C^it ? Mt。這份上下文由 RCR-Router 根據(jù)角色、階段與該代理的 token 預(yù)算定制挑選。代理據(jù)此構(gòu)造提示，發(fā)起 LLM 調(diào)用，產(chǎn)出 LLM output^it = LLM(Prompt(C^it))，輸出再被抽取、過濾、結(jié)構(gòu)化后寫回，為下一輪打地基。

這一切圍繞一個(gè)樸素而關(guān)鍵的目標(biāo)展開：在不犧牲任務(wù)質(zhì)量的前提下，把上下文成本壓到更合理的區(qū)間。研究把它寫成了一個(gè)期望最大化問題：在所有可能的路由策略里，尋找那條能讓 TaskSuccess 最大化、同時(shí)對(duì)累計(jì) TokenCost 征收“懲罰”的最優(yōu)策略。具體來說，就是最大化E[TaskSuccess ? λ ∑_{t,i} TokenCost(C^it)]。λ 是權(quán)衡旋鈕：往左，性能優(yōu)先；往右，成本優(yōu)先。通過這個(gè)目標(biāo)，系統(tǒng)被迫學(xué)會(huì)做艱難但必要的取舍，把有限的 token 用在刀刃上。

從工程視角看，RCR-Router把“誰要看什么、此刻最該看什么、最多能看多少”三連問，轉(zhuǎn)化成了可執(zhí)行的路由決策；從科學(xué)視角看，它把多代理協(xié)作的上下文經(jīng)濟(jì)學(xué)，納入了一個(gè)可優(yōu)化、可證實(shí)的框架。接下來，重要性評(píng)分、預(yù)算分配、語義過濾與迭代更新的細(xì)節(jié)，構(gòu)成了這臺(tái)“上下文路由引擎”的四缸馬達(dá)。

3.RCR-Router 架構(gòu)與核心組件

讓我們先看“地基”——結(jié)構(gòu)化共享記憶層。這里不是一堆難以索引的長(zhǎng)文本，而是被規(guī)整成 YAML 片段、圖結(jié)構(gòu)、表格條目等可查詢、可組合的語義單元。這樣的抽象有兩個(gè)現(xiàn)實(shí)好處：一是檢索高效，二是為“按需切片”提供了天然的邊界。信息不是漫無目的地堆放，而是帶著來源、時(shí)間、實(shí)體、關(guān)系與階段標(biāo)簽“有序呼吸”。

圖1：具有自適應(yīng)反饋環(huán)路的迭代RCR路由器架構(gòu)。在每個(gè)交互輪t，RCR路由器根據(jù)每個(gè)代理的角色和任務(wù)階段動(dòng)態(tài)地將語義過濾后的內(nèi)存路由到每個(gè)代理。通過內(nèi)存更新步驟，代理輸出被結(jié)構(gòu)化并集成到更新的共享內(nèi)存Mt+1中，從而能夠逐步細(xì)化代理上下文和自適應(yīng)多代理協(xié)調(diào)。這種迭代循環(huán)支持高效的多輪推理，并提高了整體任務(wù)性能。

在這塊地基上，第一位“調(diào)度員”是 Token 預(yù)算分配器。它把每個(gè)代理的上下文額度先定出來：Bi = βbase + βrole(Ri)?？梢园?nbsp;βbase 理解為“人人都有的基本盤”，βrole 則是根據(jù)角色差異進(jìn)行的偏置加成。規(guī)劃者可能需要更多結(jié)構(gòu)化計(jì)劃與依賴關(guān)系；執(zhí)行者則更吃“當(dāng)前步驟的關(guān)鍵指令”。預(yù)算不是裝飾，而是硬約束——所有后續(xù)路由決策，都必須在它的邊界內(nèi)完成取舍。

第二位“調(diào)度員”是重要性評(píng)分器。它是整個(gè)系統(tǒng)的“價(jià)值感知器”，綜合三類主信號(hào)：

角色相關(guān)性：記憶項(xiàng)與當(dāng)前角色的關(guān)鍵詞、職責(zé)匹配度；

階段優(yōu)先級(jí)：項(xiàng)目正處于規(guī)劃/檢索/綜合/驗(yàn)證的哪一環(huán)，貼合當(dāng)前階段的內(nèi)容權(quán)重更高；

時(shí)序新鮮度：越新的、越接近當(dāng)前回合的證據(jù)，越應(yīng)該被看到。 這套評(píng)分器是輕量的，可以用啟發(fā)式規(guī)則快速起步，也可以在有數(shù)據(jù)時(shí)進(jìn)化為可學(xué)習(xí)打分模型。進(jìn)一步的去重與覆蓋增益（marginal coverage）也能接入，以避免“同義反復(fù)”擠占寶貴預(yù)算。

第三位“調(diào)度員”是語義過濾與路由器。它的目標(biāo)直白而苛刻：在不超過 B_i 的前提下，讓總重要性最大。形式上，就是在 C′ ? Mt 上求 argmax ∑{m∈C′} α(m; Ri, St)，約束 ∑ TokenLength(m) ≤ Bi。實(shí)現(xiàn)層面，采用貪心 top-k 選擇：先按分?jǐn)?shù)降序，再按預(yù)算順序拾取，直到剛好卡住。策略本身是無狀態(tài)的，但它被“角色與階段”條件化，因此每一輪都會(huì)生成不同的上下文切片。這種“簡(jiǎn)單而足夠好”的選擇邏輯，成就了工程上的穩(wěn)定與可復(fù)現(xiàn)。

當(dāng)結(jié)構(gòu)化記憶、預(yù)算分配、重要性打分、語義路由四件套聯(lián)動(dòng)起來，你會(huì)看到一個(gè)不同以往的多代理系統(tǒng)：每個(gè)角色看見的，不再是碎片化的全局歷史，而是為它當(dāng)下職責(zé)量身裁切的證據(jù)包。上下文驟然“安靜”下來，推理開始“聚焦”起來。

4.迭代式路由與反饋閉環(huán)

真正的巧思在于，這個(gè)系統(tǒng)不是“一次性路由”，而是呼吸式的。每一輪都經(jīng)歷同樣的節(jié)律：路由 → 推理 → 結(jié)構(gòu)化輸出 → 記憶更新 M_{t+1} → 再路由。代理在聚焦上下文上完成思考，產(chǎn)出的事實(shí)、子計(jì)劃、工具結(jié)果被“抽取—過濾—結(jié)構(gòu)化—沖突處理”后寫回共享記憶。下一輪路由就會(huì)把這些最新、最有信息增益的內(nèi)容優(yōu)先送達(dá)給最需要它們的角色。

這條更新流水線很講究。Output Extraction 確保我們抓住了有用的“硬貨”；Relevance Filtering 阻止記憶無節(jié)制膨脹，把冗余與低價(jià)值內(nèi)容擋在門外；Semantic Structuring 把自然語言轉(zhuǎn)成規(guī)范化的 YAML 塊、圖三元組或表格條目，提升可檢索性與復(fù)用性；Conflict Resolution 則在新舊證據(jù)沖突時(shí)給出一致性答案，或替換，或合并，避免“多版本事實(shí)”污染后續(xù)推理。

優(yōu)勢(shì)由此自然流出。首先，新事實(shí)、新子計(jì)劃、新的工具結(jié)果不再需要“靠運(yùn)氣被看見”，而是被可靠地輸送給關(guān)鍵角色；其次，路由會(huì)隨著互動(dòng)動(dòng)態(tài)自適應(yīng)，減少無謂的反復(fù)搜索與解釋；最后，通過對(duì)陳舊信息的抑制，系統(tǒng)避免了“在同一把舊草上反復(fù)打轉(zhuǎn)”，把token 花在真正改變決策的地方。

這樣的閉環(huán)讓多輪推理具備了“自凈能力”。你會(huì)發(fā)現(xiàn)，三輪往往足夠：第一輪鋪開證據(jù)面，第二輪校正與補(bǔ)充，第三輪收斂與定稿。在這個(gè)節(jié)奏里，RCR-Router 更像一位懂行的總編輯——?jiǎng)h繁就簡(jiǎn)，去偽存真，把上下文從“信息洪水”剪成“高密度文摘”，讓每個(gè)代理都能在自己的版面上寫出關(guān)鍵的那一段。

5.實(shí)驗(yàn)設(shè)計(jì)

研究的實(shí)驗(yàn)像一場(chǎng)三重奏：數(shù)據(jù)、指標(biāo)、基線相互呼應(yīng)，既考察多跳推理的硬實(shí)力，也檢驗(yàn)“上下文經(jīng)濟(jì)學(xué)”的精打細(xì)算。

先看數(shù)據(jù)集的選型。HotPotQA、MuSiQue、2WikiMultihop是多跳問答里的“三駕馬車”，分別強(qiáng)調(diào)跨段落證據(jù)聚合、由單跳組合成多跳的復(fù)雜性、以及顯式的推理鏈與證據(jù)路徑構(gòu)建。把多跳 QA 改寫為多代理分工（Planner/Searcher/Recommender 等）后，它們能充分暴露“誰需要看什么”的路由難題，也最能體現(xiàn)結(jié)構(gòu)化記憶與階段感知的價(jià)值。

指標(biāo)設(shè)計(jì)也很講究。傳統(tǒng)的 Precision/Recall/F1 繼續(xù)扮演“答案對(duì)不對(duì)”的裁判。但研究團(tuán)隊(duì)不滿足于此，他們引入 AQS（Answer Quality Score）作為“解釋力”的裁判，由強(qiáng)模型在 1–5 分區(qū)間對(duì)正確性、相關(guān)性、完整性、清晰度進(jìn)行聯(lián)合打分。它像是一面照妖鏡：不僅看你有沒有答對(duì)，還看你“為什么這樣答”。

基線選擇兩端壓陣。Full-Context 是信息上界：每輪把整庫(kù)上下文端給每個(gè)代理，簡(jiǎn)單粗暴但成本最高；Static Routing 則是模板派：上下文切片為每個(gè)角色靜態(tài)配置，省 token、卻對(duì)階段與歷史“無感”。RCR-Router立在兩者之間，主打“按需投喂+嚴(yán)格預(yù)算”。

另外一個(gè)關(guān)鍵維度是迭代設(shè)置。研究團(tuán)隊(duì)區(qū)分 One-shot（K=1）和Iterative（K>1）。前者像“一錘定音”，后者允許“邊干邊改”，讓反饋推動(dòng)路由與記憶更新。這是檢驗(yàn)“迭代式凈化”是否真的有用的觸發(fā)器。

6.主要結(jié)果與分析

如果要用一句話概括結(jié)果：RCR 把“更準(zhǔn)”和“更省”同時(shí)裝進(jìn)了口袋。

從總體表現(xiàn)看，三個(gè)數(shù)據(jù)集上，RCR 都實(shí)現(xiàn)了更高的答案質(zhì)量和更低的 token 消耗與更短的運(yùn)行時(shí)。相比 Full-Context，RCR 通過過濾與預(yù)算控制大幅削減冗余；相比 Static Routing，RCR 憑借角色/階段感知與迭代反饋拿回了適配性與準(zhǔn)確度。

圖2：跨數(shù)據(jù)集：平均運(yùn)行時(shí)比較。

RCR路由器在HotPotQA、MuSiQue和2wikimultihop的運(yùn)行時(shí)性能始終優(yōu)于全上下文和靜態(tài)路由。運(yùn)行時(shí)改進(jìn)在HotPotQA上最為突出，將延遲從150.65秒減少到93.52秒。這表明RCR路由器在不影響應(yīng)答質(zhì)量的情況下實(shí)現(xiàn)了更好的效率。

把鏡頭拉到各個(gè)數(shù)據(jù)集。HotPotQA 上，RCR 的 AQS達(dá)到 4.91，Token 僅 3.77K，平均時(shí)延 93.52 秒，質(zhì)量和效率雙第一。MuSiQue 上，AQS 4.61、Token 11.89K、45.09 秒，同樣拔尖。2Wiki 上，AQS 4.83、Token 1.24K、82.50 秒，延續(xù)領(lǐng)先。你能感到一種穩(wěn)定的風(fēng)格：不追求“看得最多”，而是“看得最對(duì)”。

預(yù)算消融的結(jié)果很接地氣。把每代理預(yù)算 B 從 512 增到 4096，成本與時(shí)延單調(diào)上升，質(zhì)量卻是次線性提升，超過 2048 后收益明顯變緩。換句話說，2048 是一個(gè)很好的“拐點(diǎn)”：再喂更多上下文，性價(jià)比就開始走下坡路。

迭代消融同樣給出了清晰的答案。在 HotPotQA、MuSiQue 的曲線上，T=3 是質(zhì)量峰值且 token 使用最低的甜蜜點(diǎn)；繼續(xù)加輪次，開始出現(xiàn)邊際遞減甚至輕微回落，可能是因?yàn)檫^度迭代帶來信息震蕩或選擇噪聲。

圖3:HotsPotQa上的迭代路由消融結(jié)果。

至于計(jì)算開銷，這是很多系統(tǒng)落地的痛點(diǎn)，但 RCR 沒讓人失望。三個(gè)數(shù)據(jù)集上，它都拿下了最低平均運(yùn)行時(shí)，尤其在 HotPotQA 上，把 Full-Context 的 150.65 秒直接壓到 93.52 秒。路由與過濾的成本被“凈省的 LLM 開銷”輕松覆蓋，從而實(shí)現(xiàn)了真正的端到端加速。

如果把這些結(jié)果拼起來看，會(huì)得到一個(gè)樸素而可靠的“配置食譜”：每代理 Token 預(yù)算約 2048，迭代 3 輪起步；用結(jié)構(gòu)化記憶維持語義接口的穩(wěn)定性；用輕量評(píng)分器與貪心路由穩(wěn)穩(wěn)把控預(yù)算與相關(guān)性。這樣搭出來的多智能體系統(tǒng)，不追求豪華，而是講究“刀法”——把最鋒利的一寸，留給最關(guān)鍵的一問。

7.與現(xiàn)有工作的關(guān)系（Related Work）

圍繞“多智能體 + 記憶 + 編排”這條主線，生態(tài)里早已有一眾玩家：有人擅長(zhǎng)把團(tuán)隊(duì)搭建起來，有人擅長(zhǎng)把筆記收拾得干干凈凈，但真正把“誰、在什么時(shí)候、應(yīng)當(dāng)看到多少、看到什么”這一層做成標(biāo)準(zhǔn)化能力的，并不多見。

多代理框架側(cè)

X-MAS：強(qiáng)調(diào)異構(gòu) LLM 的協(xié)作，讓“不同腦袋”各顯神通，但對(duì)上下文的供給更多依賴外部模塊，缺少細(xì)粒度的角色/階段條件化路由。

AutoGen：提供靈活的多代理交互框架，會(huì)話與工具調(diào)用編排很強(qiáng)，但上下文選擇通常停留在對(duì)話歷史或模板層。

MetaGPT：把人類工作流的“元編程”注入到代理協(xié)作中，流程感優(yōu)秀，仍需要一個(gè)語義路由層來控制信息劑量與相關(guān)性。

AgentScope：開發(fā)者友好的消息交換平臺(tái)，通信基礎(chǔ)設(shè)施扎實(shí)，未內(nèi)建“角色×階段×預(yù)算”的上下文挑選策略。

LangChain/LangGraph：復(fù)雜任務(wù)的圖式控制做得好，提供多樣記憶模塊，但語義路由通常由使用者自行拼裝。

記憶管理側(cè)

MM、Memory Sandbox、A-mem、AIOS、HIAGENT：從元數(shù)據(jù)、沙盒交互、代理化組織、操作系統(tǒng)視角、層級(jí)子目標(biāo)等多個(gè)角度改進(jìn)“記憶存取與形態(tài)”，讓記憶更可控、更可視、更結(jié)構(gòu)化。

RoRA、HMMI：一個(gè)關(guān)注有限內(nèi)存下的可靠性優(yōu)化，一個(gè)研究分布偏移與記憶受限條件下的代理行為，分別提供“資源層優(yōu)化”與“需求層動(dòng)機(jī)”。

把這些拼在一起，你會(huì)發(fā)現(xiàn)一處空白地帶：多數(shù)方法聚焦“編排”和“存取”，卻少有把“角色 × 任務(wù)階段 × Token 預(yù)算”的語義路由機(jī)制，沉淀成標(biāo)準(zhǔn)化、可插拔的系統(tǒng)層。RCR-Router 正是用一個(gè)輕量而可用的方案補(bǔ)上了這塊短板：把評(píng)分、預(yù)算、過濾、迭代更新連成閉環(huán)，讓多代理系統(tǒng)擁有“按需投喂”的內(nèi)生能力，而不是靠手工模板或一刀切的全量廣播。

8.工程實(shí)現(xiàn)與復(fù)現(xiàn)建議

落地這類系統(tǒng)，關(guān)鍵在于“數(shù)據(jù)怎么裝”“分怎么配”“尺子怎么量”。以下是可以直接照做的抓手。

數(shù)據(jù)模式與治理

給每個(gè)記憶項(xiàng)定義統(tǒng)一 schema：包括但不限于來源（source/provenance）、時(shí)間戳、置信度、摘要、引用、關(guān)聯(lián)實(shí)體/主題、指派的角色/階段標(biāo)簽、工具回執(zhí)、版本號(hào)/哈希。

用 YAML/圖/表三種形態(tài)承載：YAML便于塊級(jí)聚合與批注，圖用于實(shí)體/關(guān)系推理，表用于指標(biāo)/事實(shí)的對(duì)齊與去重。

建立“可追蹤、可審計(jì)”的寫回策略：誰寫的、何時(shí)寫入、為何覆蓋，日志化保存。

打分與去重

重要性評(píng)分建議融合：語義相似度（與當(dāng)前子任務(wù)/指令的匹配）、新穎度（相對(duì)已選內(nèi)容的增量信息）、來源權(quán)重（可信度/權(quán)威度）、階段匹配度、時(shí)序新鮮度（衰減函數(shù)）。

做好覆蓋增益控制：避免等義復(fù)述擠占預(yù)算，可加入多樣性約束或邊際增益閾值。

路由選擇用“預(yù)算化貪心”：在∑TokenLength(m)≤Bi\sum \text{TokenLength}(m) \le Bi 的硬約束下，按降序拾取高分項(xiàng)，保證可解釋與可復(fù)現(xiàn)。

預(yù)算與默認(rèn)配置

推薦起步配置：每代理B≈2048\,B \approx 2048\,；迭代 T=3\,T = 3\,。先把“七成把握”穩(wěn)住，再按場(chǎng)景微調(diào)。

角色化預(yù)算：Planner > Researcher/Summarizer > Executor/Verifier；也可隨輪次遞減（探索 → 收斂的退火式預(yù)算）。

風(fēng)險(xiǎn)與注意

策略無狀態(tài)可能遺漏跨輪長(zhǎng)程依賴：可疊加“長(zhǎng)期記憶鉤子”（pin 關(guān)鍵事實(shí)/約束，跨輪必送），或維護(hù)每個(gè)代理的小型持久緩存。

沖突合并策略需可審計(jì)：保留舊版本快照與合并理由，支持回滾與差異對(duì)比。

AQS 的評(píng)分偏置：定期抽樣做人評(píng)校準(zhǔn)，或多評(píng)器集成降低單一評(píng)器偏移。

工具與檢索可信度：記錄工具版本、參數(shù)、返回碼與置信分；對(duì)異?；貓?zhí)設(shè)置熔斷與降級(jí)路徑（回退到靜態(tài)路由或最小必要上下文）。

9.應(yīng)用前景與落地場(chǎng)景

這不是只為學(xué)術(shù)競(jìng)賽準(zhǔn)備的“花拳繡腿”。任何“任務(wù)可拆、角色可分、證據(jù)可累”的系統(tǒng)，都能吃到 RCR 的紅利。

多跳檢索問答與研究助理：用結(jié)構(gòu)化記憶保存證據(jù)鏈，路由把關(guān)鍵片段送到最適合整合與質(zhì)檢的角色，顯著減少冗余閱讀。

工具使用與 RAG：在固定預(yù)算內(nèi)，優(yōu)先傳遞高置信的檢索塊與工具回執(zhí)，避免“為了找一根針，背一座草垛”。

復(fù)雜流程編排：規(guī)劃—檢索—綜合—驗(yàn)證—報(bào)告的多角色閉環(huán)，RCR 讓每個(gè)環(huán)節(jié)既“吃飽”又“不浪費(fèi)”。

邊緣/嵌入式：結(jié)合模型壓縮與輕量路由，把 token 花在刀刃上，算力/延遲都能控。

貼近產(chǎn)業(yè)的延展想象：如跨法務(wù)—財(cái)務(wù)—技術(shù)的合規(guī)/審計(jì)/盡調(diào)協(xié)作，RCR 用“角色×階段×預(yù)算”把合規(guī)條款、審計(jì)證據(jù)、IoT 實(shí)測(cè)與報(bào)告片段精確送達(dá)，證據(jù)鏈更新也能通過迭代記憶自然傳播。

一句話收尾：RCR-Router 把“語義路由”從技巧做成了“層”，把“上下文經(jīng)濟(jì)學(xué)”從經(jīng)驗(yàn)做成了“制度”。當(dāng)你的系統(tǒng)不再被信息洪水裹挾，而是學(xué)會(huì)了在對(duì)的時(shí)刻，把對(duì)的證據(jù)，給到對(duì)的人，效率和可靠性，往往就一起到了。

參考資料：???https://arxiv.org/pdf/2508.04903??

本文轉(zhuǎn)載自??波動(dòng)智能??，作者：FlerkenS