APWA：面向可并行智能体工作流的分布式架构

基于大语言模型（LLM）的自主多智能体系统已在广泛的应用领域中展现出独立解决复杂任务的出色能力。然而，随着任务规模与复杂度的增长，这些系统遭遇推理、协调与计算扩展上的关键瓶颈。尽管底层LLM已具备并行计算与推理原语，这些限制仍阻碍多智能体系统对高度可并行任务实现高吞吐处理。我们提出智能体并行工作负载架构（Agent-Parallel Workload Architecture, APWA），一种为高效处理高度可并行智能体工作负载而设计的分布式多智能体系统架构。APWA通过把工作流分解为互不干扰、可用独立资源处理且无需跨通信的子问题来促进并行执行。它支持异构数据与并行处理模式，并能容纳来自广泛领域的任务。在评估中，我们证明APWA能把复杂查询动态分解为可并行工作流，并在既有系统完全失效的场景下于更大任务上保持扩展。