技术深度解析
Stigmergy，这一术语最早由生物学家Pierre-Paul Grassé于1959年提出，描述的是白蚁在没有工头的情况下如何协调筑巢。每只白蚁都会放置一个带有信息素的泥球；其他白蚁被信息素吸引，并放置自己的泥球，从而形成柱子和拱门。环境本身成为了记忆和协调者。
在AI代理系统中，这转化为一个共享的数字环境——通常是向量数据库（例如Chroma、Pinecone）或键值存储（例如Redis）——代理在其中写入“数字信息素”作为结构化元数据。每个信息素包含：
- 任务上下文：已完成的内容，剩余的工作
- 技能签名：下一步最合适的工具或MCP端点
- 优先级权重：紧迫性或置信度评分
- 衰减时间戳：信号保持相关性的时长
当一个代理完成一个子任务时，它会写入一个信息素。其他代理（或同一代理在循环中）读取环境，根据新近度和优先级对信息素进行排序，并自主选择下一个动作。这消除了对中央规划器或预定义有向无环图（DAG）的需求。
架构示例：Pheromone-Agent框架
开源仓库`pheromone-agent/pheromone-agent`（目前在GitHub上拥有2.8k星标）精确地实现了这一点。其核心循环：
1. 感知：查询环境中与代理能力匹配的信息素。
2. 选择：使用轻量级LLM调用，按相关性对前3个信息素进行排序。
3. 行动：执行选定的工具/MCP调用。
4. 标记：写入带有更新状态的新信息素。
该框架论文（arXiv预印本）中的基准测试结果显示，与基线ReAct代理相比有显著改进：
| 指标 | ReAct（基线） | Pheromone-Agent | 改进幅度 |
|---|---|---|---|
| 任务完成率（10步工作流） | 62% | 89% | +27% |
| 每步平均延迟 | 4.2秒 | 3.1秒 | -26% |
| 因死锁导致的重试次数 | 每任务3.4次 | 每任务0.8次 | -76% |
| 人工干预率 | 18% | 4% | -78% |
数据要点：Stigmergy显著减少了死锁和人工干预，因为当某个工具失败时，代理可以“嗅探”到替代路径——它们只需忽略过时的信息素，并跟随更新的信息素。
另一个关键的工程细节是信息素衰减。正如生物信息素会蒸发一样，数字信息素也必须具有生存时间（TTL）。在`pheromone-agent`的实现中，TTL根据任务复杂度动态设置——对于快速循环（例如，网页抓取30秒）较短，对于长达数小时的数据管道（例如，24小时）较长。这可以防止过时的信号误导代理。
关键参与者与案例研究
多个组织正在积极探索用于代理协调的stigmergy，尽管大多数仍处于研究或早期测试阶段。
1. AutoGPT (Significant Gravitas Ltd.)
最初的AutoGPT项目尝试了一个“任务队列”，其功能类似于一个简陋的stigmergy环境。代理会将子任务推送到Redis队列，其他代理则将其弹出。然而，由于缺乏结构化的信息素元数据，导致了任务重复。该团队现在正在AutoGPT v0.5中集成一个基于向量的信息素层，预计于2025年第三季度发布。
2. 微软研究院 (JARVIS / HuggingGPT)
微软的JARVIS系统使用中央规划器来分解任务并将其分配给专业模型。在2024年的一篇内部论文中，研究人员提出了一个“stigmergy扩展”，其中专业模型在共享日志中留下完成信号，允许规划器在模型失败时动态重新路由工作。目前尚无公开发布，但该论文显示，在噪声条件下，任务失败率降低了33%。
3. Anthropic (Claude Agent SDK)
Anthropic最近发布的Agent SDK包含一个实验性的“群体模式”，该模式使用共享上下文窗口作为stigmergy环境。每个代理写入结构化的JSON笔记；其他代理读取并采取行动。早期基准测试显示，使用群体模式的Claude 3.5 Sonnet代理在多工具任务上的准确率比单代理Claude 3.5 Opus高出22%，尽管token成本更高。
4. 开源对比：pheromone-agent vs. crewAI vs. AutoGen
| 框架 | 协调机制 | Stigmergy支持 | GitHub星标 | 主要限制 |
|---|---|---|---|---|
| pheromone-agent | 向量数据库中的数字信息素 | 原生支持 | 2.8k | 早期阶段，工具集成有限 |
| crewAI | 层级管理器 + 基于角色 | 无 | 22k | 中央管理器是瓶颈 |
| AutoGen (微软) | 对话式代理组 | 无 | 38k | 需要预定义对话流程 |
| LangGraph | 状态机/图 | 部分（状态持久化） | 12k | 仍需预先定义图结构 |
数据要点：虽然crewAI和AutoGen拥有更大的社区，但它们仍然依赖于集中式或预定义的协调。pheromone-agent的stigmergy方法是唯一提供真正自组织的方法，尽管它还不够成熟。