多智能体系统要成事，先得把任务拆给谁、谁和谁协作、怎么把结果拼回来。可自动编排（让模型自己决定怎么搭一个 MAS）一直有两个老毛病：规划被绑死在固定的工人池上，导致换一批工人就得重训；功劳被混成一个终点分数，说不清是「拆得好」还是「配得好」。10 月 6 日挂上 arXiv 的 DeOrch（编号 2610.07556，作者 Xinle Wu 与 Yao Lu）想做的，正是把这两件事拆开——先在不看具体工人的情况下把任务拆好，再用一个与工人身份无关的匹配器去选协作方式。
现有自动编排的两个病根
先说规划绑死工人。多数自动编排方法在训练时，把「怎么拆任务」和「用哪几个固定工人」揉在一起学，终端分数也是整次任务的好坏。结果是一套编排只认得训练时见过的那支队伍，换一批能力不同、接口不同的工人，就得重新训练。再说功劳混成一团。一次任务成了，你不知道是拆得巧，还是某个工人恰好顶用；失败了，你也说不清该改规划还是改协作。这种「单点反馈」让系统化改进无从下手，只能整体调参、碰运气。DeOrch 的针对性设计，就是分别从结构上解开这两道绑。
两段式：先拆任务，再选协作
DeOrch 的规划器分两步。头一步是工人无关的分解：它先把任务拆成子任务、排好结构，这一步完全不携带任何具体工人信息，等于在「还不知道谁来干」的情况下先把活儿想清楚。第二步才进入协作选择：用一个轻量匹配器，基于工人池给的一组紧凑、不含工人身份的可匹配反馈，决定子任务之间怎么协作、调用谁。匹配器本身从一个固定探针集上的行为来估计工人适配度，并用一个情境化 bandit 在线适应，新工人进来不用重训规划器或匹配器。论文报告，它在多个分布内与分布外任务上优于先前的自动 MAS 编排方法，且比同类学习型编排用更少的工人调用；更关键的是，它能直接套到一支完全没见过的工人池上，无需重训。
条件信用分配：拆好与配好分开算
第二道绑——功劳混成一团——DeOrch 用条件信用分配来解。它把「任务分解得对不对」和「协作配得好不好」分开计分，于是改进有了明确落点：如果分解得分低，就去调规划器；如果协作得分低，就去调匹配器。这和那种只用单一终点分数反推整条链路的做法不同，后者你永远不知道该动哪一块。值得注意的是，DeOrch 的「解耦」并不等于「两个模块完全无关」——分解阶段虽不看工人，但协作阶段会把工人的真实表现回灌给匹配器，形成在线适应；它解的是「训练时绑死」，不是「运行时互不通信」。消融实验也给出方向性结论：两个组件各自都带来一致增益，去掉哪一个都会掉点。
它和 WorkflowOps、FloWright 的区别
多智能体编排近期不缺新工作，得把 DeOrch 放进去看差异化。我们此前覆盖过 WorkflowOps（从历史事件里学协作先验、按需扩工人池）、FloWright（把工作流本身当训练 harness，让角色自演化共演化）、以及做在线自演化图编排的 EvoSteer（用轨迹锚定做信用分配）。DeOrch 和它们的不同在于重心：WorkflowOps 赌的是「历史协作频率可复用」，FloWright 赌的是「角色随工作流一起演化」，EvoSteer 赌的是「经验沿图扩展替代参数扩展」；而 DeOrch 赌的是「规划与工人身份解耦后，编排能零重训地迁移到新队伍，且功劳可分开归因」。换句话说，前几家在解决「怎么让协作更聪明」，DeOrch 额外解决「换队伍还要不要重训、改哪块才知道」。它验证的是论文设定下的多类任务，换到工业界那种工人接口极不统一、目标更模糊的场景，匹配器的探针集是否还够用，仍要等更宽的落地检验。
一句话收尾：DeOrch 把多智能体编排里的「规划绑死工人」和「功劳混成一团」两道老绑一起解开，换队伍不必重训、改哪里也终于说得清。