一、什么是MAS？
顾名思义，就是多个智能体共同协作组成的系统，智能体的共享内存是一个关键的组成部分，存储其知识、过去经历和信念道德等，每个Agent都拥有详细的内部结构，使其能够在系统内独立但协作地运行，这种记忆为做出明智的决策提供了必要的历史背景和学习；
这种共享内存也是交换信息、计划和目标的中心，确保每个代理都可以为集体知识和策略做出贡献并从中受益；
二、他们是怎么运作的？
先介绍，在MAS中，各个组件工作的大概过程：
#A 目标：它会始终围绕目标，寻找能解决问题的方案，并且不断在内部演练，计算各种变化的方案；
#B 感知：从业务环境上下文中收集信息，包括与用户交互、内部环境的执行结果等，也可进化为人类五感；
#C 反馈：处理感知到的信息以获得洞察力，使用内部 LM 来解释目标、感知、协作、执行结果之间的关系；
#D 计划：根据合理的洞见，制定行动方案；
#E 对齐：通过共享内存与其他代理交互以对齐动作；
#F 干活：对环境执行计划的操作；
#G 记忆：存储个人知识和经验；
#H LLM：负责处理和理解环境和共享内存中基于语言的信息，真正根据不同的复杂任务，干活的板块；
可能这样介绍，朋友们联想不起来，这里再深入介绍一下，当然啦，技术发展太快，当有可能新的技术出现时，sop也会变化的，这就有赖于各位；
2.1 目标推理
智能体的目标，是一个或多个清晰的任务，现在我们大部分的agent任务，都是模糊的，例如“做个PPT”，没有具体目标，是无法完成复杂任务的，甚至我们要根据当下交互状态，创建一个chat agent来引导用户对话，当然啦，任务不是一成不变的，它们会根据来自环境的反馈和Agent的内部状态动态更新；
2.2 感知
通过感知组件，智能体从周围环境中收集数据，这种感官信息既可以来自数字来源（如数据源），也可以来自物理来源（如相机或物联网设备），然后，这些数据会进入对应管道，进行处理；
2.3 Agent对齐
在这里，智能体使用刚刚存储的数据来分析信息，并利用 LLM 进行推理；
2.4 规划
一旦Agent收到这些推理数据，智能体就会进入计划阶段，从而制定一系列旨在实现其目标的行动；
2.5 共享内存
在多智能体系统运行起来后，Agent能够通过共享内存+共享信息，与其他Agent协调计划，从而确保目标的达成；
2.6 执行
在执行方面，行为组件负责实施计划的行动，代理使用各种工具与他们的环境进行交互，其范围从用于物理任务的智械，到用于数字任务的软件/数据库，LLM通过在这些过程中促进基于语言的推理和决策，继续为Agent提供支持；
这里，我们先了解他们的大概工作过程，之后再深入了解，Agent依赖什么工作？与LLM什么关系？
