多智能体系统拼到一起之后，真正的难题才刚开始：一个 hallucination 或一条发错的信息，会在多轮交互里级联放大，等出错时往往已难定位是谁的锅。10 月挂上 arXiv 的一篇综述（Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems，作者 Shihao Qi、Jie Ma、Tongliang Liu 等一众研究者）把这块碎片化的研究版图串成一条线——从单智能体能力，到多 agent 协作，到故障归因，再到自主自进化，并用 LIFE 四个字母把它们连成一个可演进的框架。
LIFE：把归因当成进化的选择压力
综述用 LIFE 四个阶段组织整个领域。L 是能力奠基，回顾单智能体的推理、记忆、规划与工具使用这「四大件」；I 是协作集成，讲 agent 如何通过角色、通信协议与编排拓扑组织起来；F 是故障归因，把级联失效的 root cause 找出来，方法涵盖数据驱动的模式、约束引导的流水线与因果推断；E 是自主进化，探索系统如何更新自己的提示、参数乃至整个组织连边。它最有力的主张，是把故障归因从一道排错步骤，升级为驱动进化的选择压力——系统边出错边改自己的组织方式，而不是等人工重新设计。
LIFE 框架里几个值得记住的判断
把综述的洞察摊开，有几条对工程实践有直接意义。其一是分工正在从同质走向异质：多个相同大模型的副本，正在让位给规划者、执行者、批评者这类角色分明的团队，因为长程任务需要的是互补，而不是量的堆叠。其二是架构刚性是瓶颈：今天多数系统是人工设计、静态不变的「标准作业程序」，真正的自进化要求系统能自主重写自己的通信图。其三是自反思有陷阱：靠 LLM 自己给自己作业打分，容易陷入 sycophancy——收敛到听起来合理、实则次优的解。综述据此主张把生成与评估解耦，用编译器反馈这类客观信号当评分依据。
为什么这件事现在重要
LIFE 框架火候刚好踩在行业的痛点上。过去一年多，多智能体系统的论文与产品井喷，但落地时反复撞到同一堵墙：系统能搭起来，却说不清为什么某一步错了，更谈不上自己修。综述引用的实证里，AFlow 这类自动工作流搜索能让小模型以 4.55 百分比的推理成本超过 GPT-4o，Optima 这类参数级进化把性能提近 3 倍同时把 token 用量砍掉九成——这些数字说明，进化带来的增益是实打实的，不只是叙事。它给工程团队的指路是：与其一味堆叠更多、更大的 agent，不如先把「出错→归因→改进」这条闭环建起来，让系统具备自我诊断的机器。
边界与未定项
作为综述，这篇工作做的是定性梳理而非新实验，它汇总的趋势需要落到具体系统才算数。更现实的提醒是，把归因当选择压力，前提是先有可信的归因数据——TraceElephant、MP-Bench 这类带 ground-truth 标签的数据集才刚起步，很多系统的归因仍靠人工事后复盘。另一个要分清的点是，自主改写自身组织连边听着很美，但在企业场景里，谁来审批一次「自发」的结构变更、变更失败如何回滚，都还没有标准答案。目前官方及行业暂未披露这些自进化系统在真实生产里的审计与回滚方案，后续将持续跟进迭代动态。
一句话收尾：多智能体系统的下一关，不是再 stacking 更多 agent，而是让它出错之后能自己找到病灶、自己改组织。