OpenBMB MeetUp 回顾｜28K Stars 项目主创团队揭秘多智能体如何重塑人机协作未来
1 月 17 日晚，OpenBMB 开源社区在 AGI Bar 知识蒸馏成功举办“AI 多智能体创意工作流架构”主题 Meetup。活动邀请了上海交通大学钱忱副教授及其领衔的 ChatDev 2.0 项目核心团队，围绕多智能体系统的最新研究、多智能体落地应用与未来展望等内容展开深度分享与互动。
本次分享吸引了 60 余名参与者报名加入，项目团队系统梳理了智能体技术从理论探索到实践应用的演进路径，清晰勾勒出其发展脉络与实现蓝图。整场活动不仅是一次扎实的技术交流，更成为关于未来人机协作模式的一场思想碰撞与灵感激荡💥
活动启幕：OpenBMB 社区与 ChatDev 2.0：本次活动开场，OpenBMB 开源社区负责人井晨哲为开发者们深入分享了社区的初心与发展脉络。OpenBMB 起源于清华大学 NLP 实验室与面壁智能的联合发起，始终秉承“技术普惠与开放”的核心理念，致力于通过构建完整的开源生态——涵盖轻量高效的基座模型 MiniCPM、先进的多模态模型 MiniCPM-V、语音生成项目 VoxCPM，以及开发框架 BMTrain、检索系统 UltraRAG 等——真正推动“让大模型飞入千家万户”的愿景落地。：随后，井晨哲重点揭晓了社区的明星项目 ChatDev 2.0，以多智能体协作的前沿探索，将现场思维引向未来。一场关于智能体演进与生态融合的深度探讨，自此正式开启🔛
讲师分享：钱忱：大模型多智能体协作及演化🧬：上海交通大学副教授、清华大学计算机系博士后、ChatDev2.0 研发负责人钱忱老师、清华大学党余凡同学和上海交通大学姚澍同学深入分享了大模型多智能体协作及演化。
随着数据量增长的逐渐平缓，业界开始意识到，单纯依赖模型参数增长的 Scaling Law 可能在 2026 至 2028 年间遇到瓶颈。“当单一模型存储智能存在理论上限时，走向通用人工智能的路径可能需要转变思路。”钱老师指出，未来的方向可能是 “将智能分摊到多个模型中”，通过巧妙组合形成更强大的智能系统。：这一理念背后，是多智能体系统两大核心目标的支撑：能力拆解与协同，以及实现人机高效协作。多智能体系统能够将复杂能力分解，通过上层协同实现可扩展性，突破单一模型“包揽一切”的局限。这意味着人类只需给出一个高级指令，智能体们便能像一支训练有素的团队一样，自主分工、协同作战，完成从游戏开发到网页设计等各种复杂任务。
该多智能体理念在 ChatDev 项目中得到了生动体现。ChatDev 1.0 版本 采用了一种富有想象力的技术思路：模拟软件公司的工作流程。在这个系统中，人类用户扮演‘老板’角色，而智能体则分别承担 CEO、CTO、程序员、测试员等职责。：而 ChatDev 2.0 版本 则实现了质的飞跃，其核心理念转向“以代码为中心”。2.0 版本可以开发以代码为中介的下游任务，如数据分析、文本报告甚至 3D 模型和视频生成。同时，该系统大幅降低了构建智能体的门槛，用户可以通过可视化界面或简单的拖拽操作，轻松搭建自己的智能体系统。
实现多智能体系统的高效运作，离不开底层技术的持续突破。团队在智能体学习方面进行了深入探索，让智能体从过往任务中积累经验。团队成员介绍：“我们在 2024 年左右，探索让智能体从执行轨迹中学习，并在未来推理中复用这些经验，从而显著提高任务完成效率。”：在多智能体协调方面，团队采用了独特的 “提线木偶”方法🎭。“我们训练一个中心化的‘超级机器人’，实现上下文感知的协调。” 这个中心协调器能够根据任务进程和实时状态，智能调用不同的智能体。相关研究成果已发表在 ACL，NeurlPS 等顶级会议上。
现场 Q&A：关于 ChatDev 2.0 🎙️：在问答环节，参会者就多智能体系统面临的实际挑战展开了热烈讨论。：Q：关于智能体的“可控性”与“创造性”如何平衡？：A：生成式模型天生具有创造性，但也牺牲了部分稳定性。我们通过外部工具（如 RAG 检索）和工作流编排，在知识与流程层面增强可控性。未来会在“流程可控”与“工具可控”上继续探索，但创造性与稳定性之间仍需根据场景取舍。：Q：教育场景中，AI 能否用于学生个性化学习？：A：技术上可以实现，但我们目前主要面向教师端。若放权给学生，需考虑其能否判断 AI 生成内容的正确性。可引入“教师审核环节”，但也需注意教师的审核负担。对于通识类、结构性强的课程，AI 生成内容已相当可靠。：Q：ChatDev 与其他智能体框架（如 LangGraph）有何不同？：A：ChatDev 的核心定位是一个拖拽式、低代码的多智能体工作流系统。它与 LangGraph 等框架的主要区别在于: ChatDev 旨在通过直观的拖拽操作来构建工作流，而无需编写大量复杂代码。这使得它成为一个低成本、快速试错和验证想法的工具。我们并非声称比 LangGraph 或 LangChain 更稳定，但我们的实现更简单、更易上手。它非常适合研究人员用于快速对多智能体系统进行原型验证。：Q：多智能体系统如何控制成本与提升效率？：A：我们通过优化智能体协作链路，避免冗余调用。中心化编排系统（如 Puppeteer 模型）能动态选择最合适的智能体执行子任务，既提升效果，也显著降低 Token 消耗。未来会进一步支持“成本感知”机制，为用户设置调用上限。：Q：未来数据匮乏，智能体如何持续进化？：A：数据规模增长确实可能放缓，但我们认为 AI 生成数据再训练 AI 存在理论上的悖论。更可行的路径是通过多智能体协同与社会仿真，在有限数据下实现能力涌现与任务泛化。
活动聚焦：ChatDev 2.0 趣味互动：不止于分享，更在于亲身验证。本次活动的 🎁抽奖系统 与 🖨️AGI 算命照片打印系统，均由 ChatDev 2.0 智能体平台搭建完成✅：抽奖系统可以根据奖品清单与规则，自动生成完整的抽奖逻辑与交互界面，在抽奖环节稳定、流畅地完成了所有现场互动。从想法到可运行的程序，仅一步之遥。这就是多智能体系统落地应用的真实缩影。：AGI 算命照片打印系统，从生成到打印，实现了一个完整的「AGI 身份」系统闭环。系统会根据观众现场照片，实时生成其在未来 AGI 场景中的虚拟身份与专属头像（例如“万事均衡架构师”），并驱动照片打印机当场完成实体照片输出。这不仅是互动，更是可带走的、个性化的 AI 纪念品。
🙌 本次活动充分体现了 OpenBMB 开源社区「从理论到场景落地，从独立开发到群体智能」的实践精神。我们相信，无论你是专注前沿的研究者，还是热衷实践的工程师，或是对未来充满好奇的学子，都在活动中找到了共鸣、启发与协作的可能。ChatDev2.0 作为开源、开放的多智能体系统开发平台，始终欢迎所有对智能体技术感兴趣的开发者、团队与组织加入，共同探索人机协作的更多可能，一起塑造智能体应用的未来生态 🚀
OpenBMB 社区将持续为全球开发者带来更高效、更直观、更具创造力的开发体验与交流机会。期待下次相遇✨！
➤ 开源地址
🔗 https://github.com/OpenBMB/ChatDev
如果你对我们的项目感兴趣✨，欢迎扫码入群查看详细的开发文档，与主创团队面对面交流！