PRIMA：具备可验证身份与收敛反馈的韧性多智能体研究运行模式

将LLM作为协同多智能体研究系统进行多小时运行，会暴露单次评估无法呈现的失效模式：上游供应商毫无征兆地限流，子智能体为迁就可用的工具而使任务漂移，叙述机制而不使用机制，以自我道歉开启修订迭代，或将上游上下文当作可执行指令。我们提出PRIMA，其主要贡献是应对这些失效模式的三个运行模式：（1）韧性与恢复层，检测上游限流信号，将带类型的暂停记录持久化到磁盘，即使跨进程重启也能恢复长时间运行而不重新执行已收敛的工作；（2）子智能体运行纪律，将任务忠实性、工具使用、修订与步骤间上下文边界规范编码为结构化提示层；（3）面向结构化工程交付物的多阶段应用模式，将正交的草拟步骤与最终综合前显式的跨文档协调环节配对。这些建立在一份基础协议之上：具有显式收敛准则的研究程序规约语言、双指标评分引擎（LLM评判量规加沙箱代码）、外层元优化循环、事件驱动持久化、基于钩子的中间件、上下文压缩与多供应商LLM抽象。智能体身份源自素数幂，提供无冲突标识符和易于验证的集群成员关系，无需中央注册表。理论保证包括 $O(k)$ 验证、$O(V+E)$ 的DAG校验，以及由算术基本定理保证的身份无冲突。图同构案例研究将架构主张落实到一个生成的工件上：一个六步协议产出一篇研究论文，提出了带三个定理与五个猜想的新规范形算法。