OOPMAS：面向对象生成查询级多 Agent 工作流

由大语言模型提供支持的多智能体系统 (MAS) 在代码生成、数学推理和问题回答方面表现出了强大的性能。然而，现有的自动化 MAS 设计方法大多在任务级别运行，为每个基准生成一个统一应用于所有查询的固定工作流程。这个假设在现实条件下是站不住脚的。任务中的查询难度差异很大，并且现实世界的工作负载混合了异构任务类型。我们引入了 OOPMAS，这是一个 无需训练框架，它可以在单个查询的粒度上生成智能体集和协调工作流程。 智能体表示为具有专用角色、工具和持久状态的面向对象的类定义，工作流表示为这些智能体对象上的可执行主函数。动态技能库从优化轮次的执行反馈中积累结构化的经验教训，无需任何梯度更新或微调即可实现上下文改进。在涵盖代码、数学和 QA 的混合任务基准测试中，OOPMAS 的准确率达到 89.6%，比最强基线高出 18.1 个百分点。针对四个 LLM 骨干模型 的模型交换研究显示出一致的缩放比例，最强模型达到 92.4%。