针对上述瓶颈，本文提出了一种全新的智能体推理范式——Chain-of-Agents（CoA）。与传统的 TIR 模型仅支持单一智能体的「思考-行动-观察」模式不同，CoA 框架能够灵活定义多个角色和工具的智能体，在单一模型内动态激活，实现端到端的多智能体协作。 本文通讯作者周王春澍，OPPO个性化AI实验室负责人，主要研究方向是AI个性化、智能体的自主进化和强化学习、以及大模型和智能体的记忆系统等。本文核 心贡献者均来自OPPO个性化AI实验室的AI智能体团队。 近年来，以多智能体系统（MAS）为代表的研究取得了显著进展，在深度研究、编程辅助等复杂问题求解任务中展现出强大的能力。现有的多智能体框架通过多 个角色明确、工具多样的智能体协作完成复杂任务，展现出明显的优势。然而，现阶段的 MAS 依然面临一些关键限制： 同时，近期兴起的工具融合推理（TIR）模型，通过显式地将工具使用融入推理过程，显著提升了单智能体框架（如 ReAct）在信息检索任务中的表现。然而，传 统的 TIR 模型，无法直接支持多智能体系统的原生训练与协作。 计算开销高 ： 智能体之间频繁冗余的通信和复杂的工作流设计导致效率不高。 泛化能力有 ...