当智能体演化时，制度随之演进

数千年来，复杂社会一直面临同一个协调问题：如何在认知有限且信息不完备的个体之间组织集体行动。不同文明发展出不同的政治制度，来回答同样的基本问题：谁提议、谁审议、谁执行，以及如何纠正错误。我们认为，构建在大语言模型之上的多智能体系统面临同样的挑战。其核心问题不仅是个体智能，更是集体组织。因此，历史上的制度为多智能体架构提供了一个结构化的设计空间，使效率与纠错、集中与分散、专业化与冗余之间的关键权衡可以被实证检验。我们将横跨四种典型治理模式的七种历史政治制度转化为可执行的多智能体架构，并在相同条件下于三个大语言模型和两个基准上进行评估。我们发现治理拓扑强烈地塑造集体性能。在单一模型内，最佳与最差制度之间的差距超过57个百分点，而最优架构会随模型能力和任务特性系统性地变化。这些结果表明，集体智能的进步不会依赖单一最优组织形式，而是依赖能够随任务和能力演化而重新选择和重新配置的治理机制。更广泛地说，这指向从自演化智能体（self-evolving agents）向自演化多智能体系统（self-evolving multi-agent system）的转变。代码已在GitHub上发布。