English | 简体中文 | Español | 日本語 | 한국어 | العربية
给四个编程智能体一条共享的无线电频道。它们分工、协商方案，并在工作的同时不断 播报新发现——因为「倾听」作为后台任务运行，不再占用一次行动机会。
本仓库包含复现论文 *AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration* （[arXiv:2607.28430](https://arxiv.org/abs/2607.28430)）实验所需的代码与数据。 > ### ☁️ 想直接用产品？→ **[Coral Code](https://coralcode.dev/)** > > **[Coral Code](https://coralcode.dev/)** 是 AgentRadio 的产品版本。 > **新用户可获得 30 美元免费额度。** ### 🏆 一套协议，四个智能体——比单智能体高出 29.8 个百分点 | 配置 | 新增的能力 | 任务准确率（Opus 4.6） | 任务准确率（DeepSeek V4 Pro） | |---|---|:---:|:---:| | **B0** 单智能体 | — | 32.3 % | 29.0 % | | **B1** 六次单智能体运行取最优 | 6 倍预算，无协作 | 37.9 % | 31.4 % | | **L1** 四智能体 + 分工 | 分工 | 39.5 % | 31.4 % | | **L2** + 协商 | 联合规划 + 交叉评审（阻塞式接收） | 51.6 % | 39.5 % | | **L3** + 被动感知（**AgentRadio**） | 后台 `wait_for_mention` | **62.1 %** | **50.8 %** | 从 L2 到 L3 **只**改变了通信方式。在 Opus 4.6 上它赢 15 题、输 2 题（精确 McNemar 检验， p = 0.0023）；在 DeepSeek 上赢 17 题、输 3 题（p = 0.0026）。四个 Opus 4.6 智能体在 AgentRadio 下达到 62.1 %，超过了最强的单智能体榜单成绩——使用更新的 Opus 4.8 的 Claude Code（57.2 %）。 → [查看完整结果](#-完整结果) · [论文](https://arxiv.org/abs/2607.28430) · [自己动手复现](#-运行四种配置) ## 📣 最新动态 - **2026-08** — AgentRadio 被美国主流科技媒体 [VentureBeat](https://venturebeat.com/) 报道：[《四个 AI 智能体实时协作，在企业级编程任务上超越 Claude Opus 4.8》](https://venturebeat.com/orchestration/four-ai-agents-coordinating-in-real-time-outperformed-claude-opus-4-8-on-enterprise-coding-tasks)。📰 - **2026-07** — AgentRadio 论文发布于 [arXiv](https://arxiv.org/abs/2607.28430)。🎉 - **2026-07** — 代码、适配器以及完整的 124 个 SWE-Atlas QnA 任务配置全部开源。🚀 ## 💡 为什么选择 AgentRadio * **通信不再消耗工作步骤** — `wait_for_mention` 作为 harness 的*后台任务*运行，队友的消息 会在下一个步骤边界自然浮现，而不是占用一次行动。智能体不必再在「工作」和「倾听」之间二选一。 * **执行中途即可纠偏** — 在阻塞式系统里，一个发现要等到下一个阶段边界才能传达给队友。 在被动感知下它立刻送达，队友可以把它折叠进正在进行的任务里。 * **无需修改 harness** — harness 只需要能在后台运行一条 shell 命令，主流编程 harness 本就 具备该能力。AgentRadio 由一个独立的消息服务器加三个轻量 shell 脚本构成。 * **不增加 LLM 调用** — 监听进程是普通的操作系统进程，而非一次智能体步骤。智能体新增的 token 开销只有真正浮现出来的那些消息。 * **与模型无关** — 同一套协议、提示词和启动脚本既能跑在 Claude Opus 4.6 上，也能通过 LiteLLM 转译代理跑在 DeepSeek-V4-Pro 上。 * **干净的消融阶梯** — B0 → L1 → L2 → L3 在完全相同的 harness 设置下，逐层隔离出分工、 协商与被动感知各自的贡献。 ## 🧩 工作原理 ### 三个通信原语 AgentRadio 向每个智能体暴露三个操作： | 原语 | 行为 | |---|---| | `create_thread(name, participants)` | 在消息服务器上开启一个具名会话线程，并返回其标识符。 | | `send_message(thread, content, mentions)` | 向线程追加一条消息并立即返回，无论此刻是否有人在听。消息可以 @ 提及特定智能体。 | | `wait_for_mention(timeout)` | 阻塞直到出现一条提及调用者的消息，然后连同所有线程的完整快照一并返回——因此调用者无需二次读取即可重建上下文。 | 这一层本身不规定智能体*何时*倾听。`wait_for_mention` 在哪里运行，是区分两种通信模式的 唯一自由度： - **前台运行** → *阻塞式接收*。智能体必须停下工作才能倾听，每听到一条消息就要付出一个 工作步骤的代价。这就是 L2 基线。 - **后台任务** → *被动感知*。智能体持续工作，任何提及都会在下一个步骤边界浮现，不占用 任何倾听步骤。这就是 L3，即完整的 AgentRadio。 其余一切——原语、线程、协议——全部保持不变。实验隔离出来的正是这一「一比特」的差异。 ### 五阶段协议 四个智能体运行一套固定的分工与协商协议。Agent-1 同时担任**汇总者**：由它开启规划线程、 工作日志线程与最终答案线程，并把守每一次阶段切换——只有在收集到每个智能体的明确批准后， 当前阶段才会结束。 1. **P1 · 探索** — 每个智能体启动自己的后台监听器，独立探索代码仓库，并起草它所看到的 子问题。此阶段不发送任何消息。 2. **P2 · 分工** — 汇总者开启规划线程。各智能体汇集各自的发现，协商子问题的划分方案， 反复修订直到所有智能体一致批准。 3. **P3 · 执行** — 每个智能体处理自己负责的子问题。一旦有新发现就立即发到工作日志： 与队友相关的发现、与既定方案相矛盾之处、遇到的障碍，或已放弃的死胡同。 4. **P4 · 评审** — 每个智能体在自己的结果线程中广播其发现与证据。评审者指出事实冲突、 证据不足之处以及未被提及的观察，并可以把某个子问题打回 P3。 5. **P5 · 提交** — 汇总者根据已批准的结果撰写最终答案，广播草稿进行最后一轮批准，然后提交。 在阻塞式接收下，同样的五个阶段照常运行，但 P3 的实时共享消失了：听消息要付出前台等待 的代价，于是智能体在工作时保持沉默，一个发现在 P4 之前无法传达给队友。 ## 🗂️ 仓库结构 ``` data/qa/ 124 SWE-Atlas QnA tasks (harbor dataset scale-ai/swe-atlas-qna) multi_agent/ coral_multi_agent.py L2 adapter: division + negotiation (blocking receive) coral_multi_agent_ablation.py L1 adapter: division only coral_multi_agent_passive.py L3 adapter: full AgentRadio (passive awareness) startup.sh / startup_ablation.sh / startup_passive.sh per-agent bootstrap + protocol prompts (CLAUDE.md) coral-agent*.toml message-server agent definitions passive_scripts/ MCP-over-HTTP shell primitives (create_thread / send_message / wait_for_mention / read_resource) coral-server.jar message server (download from Releases, see below) monitor_coral_log.sh live thread/message monitor for running containers run_config/qa/ claude-token OAuth token helper full_run.sh B0 baseline batch runner (all 124 tasks) run_passive_multi_agent.sh L3 batch runner verify_local.py rubric verifier (LLM judge), run locally on a trial dir ``` `data/qa/` 下的每个任务目录都包含任务说明、已固定的执行环境，以及验证器所使用的评分细则集。 --- ## 📦 环境准备 所有运行都在 [Modal](https://modal.com) 上的 Docker 容器中执行，由 [Harbor](https://github.com/laude-institute/harbor) 编排。一个任务 = 一个容器，其中运行 消息服务器加四个 Claude Code 智能体。 ### 1. Docker Desktop 从 https://www.docker.com/products/docker-desktop/ 安装，并用 `docker run hello-world` 验证。 ### 2. uv ```bash curl -LsSf https://astral.sh/uv/install.sh | sh ``` ### 3. Harbor（锁定 0.6.4） 较新的 Harbor 版本（0.7+）存在破坏性 API 变更，会导致这些适配器失败。请锁定版本： | 组件 | 可用版本 | |-----------|-----------------| | harbor | **0.6.4** | | modal | **1.4.2** | ```bash uv tool uninstall harbor 2>/dev/null || true uv tool install 'harbor[modal]==0.6.4' harbor --version # must show 0.6.4 ``` ### 4. Modal ```bash pip install 'modal==1.4.2' modal --version # must show 1.4.2 modal setup # opens browser to log in ``` ### 5. Claude Code ```bash curl -fsSL https://claude.ai/install.sh | sh claude --version ``` 智能体需要 **Claude Max 订阅**。验证器还额外需要一个 **Anthropic API key**。 ### 6. 消息服务器 JAR 这个 106 MB 的服务器 JAR 以匿名化产物的形式托管（体积过大，无法作为 git blob 存放）。 `confirm=t` 参数用于跳过大文件扫描的中间页，让 `curl` 直接拿到二进制文件： ```bash curl -L -o multi_agent/coral-server.jar \ "https://drive.usercontent.google.com/download?id=17b40_1kXFrAC0pnN8w_7PPY13O7pYVke&export=download&confirm=t" ``` 适配器会把这个 JAR 上传进每个任务容器。本地无需运行任何东西，因此不需要本地 JDK。 ### 7. Token 助手与 .env ```bash cp run_config/qa/claude-token ~/.local/bin/claude-token chmod +x ~/.local/bin/claude-token cp .env.example .env # then fill in your Anthropic API key ``` ### 每次运行前：刷新 OAuth token Claude Code 的 OAuth token 会轮换。每个容器在启动时只拿到一份静态快照，过期的 token 会让 四个智能体在运行中途全部因 401 而中止。请在每次会话前刷新： ```bash claude /login # opens browser security find-generic-password -s "Claude Code-credentials" -w | python3 -c " import json, sys, os data = json.loads(sys.stdin.read()) oauth = data.get('claudeAiOauth', {}) with open(os.path.expanduser('~/.claude/.credentials.json'), 'w') as f: json.dump({'claudeAiOauth': oauth}, f, indent=2) print(f'Token refreshed. Expires at: {oauth.get(\"expiresAt\")}') " ~/.local/bin/claude-token --check source .env ``` --- ## ⚡ 运行四种配置 所有命令都在仓库根目录、执行 `source .env` 之后运行。任务 ID 就是 `data/qa/` 下的目录名 （重复 `-i` 可批量指定；完全去掉 `-i` 则运行全部 124 个任务）。`-n` 是并发任务数 （对 L1–L3 而言，一个任务 = 四个智能体）。 ### B0 —— 单智能体（基线） ```bash source .env harbor run \ -p ./data/qa \ -a claude-code \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "baseline-ba998" \ -y ``` ### L1 —— 四智能体 + 分工 Agent-1 简单探索后对问题进行划分，各智能体独立解决自己的那份，答案直接合并，不做评审。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent_ablation:CoralMultiAgentAblation' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "division-ba998" \ -y ``` ### L2 —— + 协商（阻塞式接收） 完整的五阶段协议——联合探索、协商到全体一致的任务划分、实时执行、交叉评审、汇总提交—— 但 `wait_for_mention` 运行在**前台**，因此智能体必须停下工作才能倾听。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent:CoralMultiAgent' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "divneg-ba998" \ -y ``` ### L3 —— + 被动感知（完整 AgentRadio） 协议完全相同，但 `wait_for_mention` 作为**后台任务**运行：智能体持续工作，消息在步骤之间 浮现。Claude Code 不配置任何 MCP——所有通信都通过 `passive_scripts/` 里的轻量 shell 封装完成。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent_passive:CoralMultiAgentPassive' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "passive-ba998" \ -y ``` `run_config/qa/run_passive_multi_agent.sh` 把同样的命令封装成批量运行脚本，每个任务 ID 对应一个 harbor job。 --- ## 🔀 使用 DeepSeek-V4-Pro 运行 多智能体配置（L1–L3）可以用 **DeepSeek-V4-Pro** 智能体替代 Opus 4.6 来运行，从而复现结果 表中的 DeepSeek 一列。协议、提示词、启动脚本和续跑保护全部相同，只有 LLM 后端发生变化。 Claude Code 只讲 Anthropic Messages API，而 DeepSeek 通过 OpenRouter 提供服务（仅兼容 OpenAI 接口）。我们用一个**部署在 Modal 上的 LiteLLM 转译代理**来打通两者。任务容器无需 安装任何东西——只要把 `ANTHROPIC_BASE_URL` 指向代理的公开 URL 即可。 评分验证器保持不变：它仍然使用你的 Anthropic 评判模型（`OPENAI_API_KEY` / `EVAL_MODEL`）。 DeepSeek 只作为*智能体*后端。 ### 一次性的代理部署 ```bash # 1. An OpenRouter API key with deepseek-v4-pro access (https://openrouter.ai/keys) # is stored as a Modal secret — it never leaves your Modal account. modal secret create openrouter-deepseek OPENROUTER_API_KEY=sk-or-... # 2. Deploy the proxy. This prints your personal URL. modal deploy multi_agent/deepseek_litellm_modal.py # -> https://