赛项介绍

一种面向多智能体协作的低开销通信、状态传递与共享记忆机制（社区赛题）

赛题说明

随着大模型应用从单 Agent 问答逐步扩展到多 Agent 协同执行，智能系统正在从“单点生成”向“分工协作”演进。在检索增强生成、复杂任务规划、代码协作、办公自动化、知识分析等场景中，往往需要多个 Agent 分别承担规划、检索、执行、总结、生成等不同角色，并通过相互协作完成复杂任务。当前主流多 Agent 系统大多以自然语言或 JSON 作为通信媒介，即一个 Agent 将其中间结果组织成文本，再传递给其他 Agent 进行解析和继续处理。这种方式虽然通用性较好，但在多轮、多 Agent、复杂任务场景下存在明显不足：一是通信内容冗长、重复上下文多，token 消耗高；二是中间结果需要在“内部状态—文本—内部状态”之间反复转换，导致时延增加并可能带来语义损耗；三是任务执行过程中形成的中间知识和经验难以沉淀，系统在处理相似任务时往往仍需从头开始，缺乏持续积累和复用能力。

本赛题面向多智能体协作系统中的基础设施问题，要求选手围绕低开销通信、非文本状态传递、共享记忆复用三个方面，设计并实现一套可运行的原型系统。系统一方面需要通过结构化通信协议替代冗长自然语言交互，将 Agent 间传递的内容收敛为动作、参数、结果、能力等高密度语义单元，以降低通信成本和解析开销；另一方面需要探索 embedding、语义向量、隐藏状态特征或其他中间表示在 Agent 之间的直接传递机制，减少不必要的文本编解码过程，提高协作效率。在此基础上，还需将任务执行过程中形成的摘要、证据、策略、经验等内容沉淀为可标识、可检索、可复用的共享记忆单元，使系统具备跨任务的知识积累和协同增强能力。

本课题区别于一般的工作流编排类题目，重点不在于简单调用大模型接口和外部工具，而在于研究多智能体协作中的“系统层机制”：包括 Agent 间统一通信协议设计、中间状态表示与交换方式、共享记忆组织模型、跨任务复用机制以及整体运行效率验证。选手需面向开源操作系统或通用 Linux 环境完成原型实现，通过可复现实验验证该机制相较传统纯文本协作方式在通信开销、任务时延和记忆复用方面的改进效果。

具体要求

系统需支持不少于 3 个 Agent 协同运行，至少覆盖任务规划、信息检索、总结生成、工具执行等角色中的 3 类，并能够完成一个包含多步骤处理过程的复杂任务； 系统需设计并实现一套面向 Agent 间协作的结构化通信机制，通信内容至少包括动作类型、输入参数、返回结果和能力描述，并支持基本的握手、能力发现或协议映射机制，不得仅通过自然语言长文本直接透传全部协作信息； 系统需同时支持“纯文本协作模式”和“结构化协议协作模式”，并在相同任务条件下完成可复现实验对比； 系统需实现一种非文本中间状态传递机制，支持 embedding、语义向量、隐藏状态特征或其他中间表示在 Agent 间直接交换，并说明其生成方式、传递方式、接收方式及后续使用方式； 系统需实现共享记忆模块，能够将任务执行过程中的中间结果、摘要、经验片段、证据链、结论或策略保存为统一的记忆单元，并为每条记忆记录至少包含记忆 ID、来源 Agent、创建时间、任务主题和摘要描述等基本元数据； 系统需支持按关键词、标签或语义相似度检索历史记忆，并允许不同 Agent 在后续任务中直接复用已有记忆； 系统需至少设计 2 组具有关联性的连续任务，验证结构化通信、非文本状态传递和共享记忆复用在减少重复计算、降低协作开销和提升任务效率方面的实际效果； 系统需统计并展示 Agent 间消息次数、文本通信 token 或字符开销、非文本状态传递次数及数据规模、单任务总耗时、共享记忆命中率及整体性能提升情况； 系统架构中至少应包含多 Agent 运行时、协议解析与调度模块、状态交换模块、共享记忆存储与检索模块和评测模块，并能够稳定执行不少于 10 轮连续任务； 需提交完整源码、系统设计文档、部署文档、实验报告和演示视频，能够支持评审现，鼓励结合 IPC、共享内存、Socket、向量数据库、WASM/容器沙箱、eBPF 等系统技术提升实现质量。 鼓励系统能够支持基于 CodeAct 模式的 Agent 执行机制，允许 LLM 生成 Python 可执行代码，并在轻量沙箱中安全运行，实现低延迟、可隔离的代码执行与结果回传能力。

赛题要求

系统支持不少于3个Agent协同运行，覆盖规划、检索、执行、总结等角色； 设计结构化通信协议替代自然语言交互； 实现非文本中间状态传递机制（embedding/语义向量/隐藏状态）； 实现共享记忆模块，支持记忆的存储、检索和复用； 至少设计2组关联性连续任务进行验证； 提供通信开销、任务时延、记忆复用等方面的性能对比数据。

评分细则（明确评审角度、标准和分值范围）：

通信效率（25分）：相比纯文本协作的token节省效果 状态传递创新（20分）：非文本状态传递机制的设计新颖性 记忆复用效果（20分）：跨任务记忆复用的准确性与效率 系统完整性（20分）：多Agent协作的稳定性与功能覆盖 实验验证（15分）：性能对比数据的说服力

MemLink Rust 2024 MVP

本仓库已按 docs/ARCHITECTURE.md 落地 Rust 2024 Edition MVP workspace，覆盖协议、运行时、状态交换、共享记忆、评测与 CLI。

Workspace

• crates/memlink-protocol：RunMode、Message、Capability、ActionRequest、ActionResult、StateRef 等 wire model。
• crates/memlink-runtime：Planner、Retriever、Executor、Summarizer 四类 Agent 与单机异步 dispatcher。
• crates/memlink-state：进程内 StateStore、BLAKE3 checksum、deterministic embedding 与 StateRef 传递。
• crates/memlink-memory：SQLite 记忆单元、标签/关键词索引、确定性向量语义检索、reuse event。
• crates/memlink-evaluator：JSONL 事件日志、指标汇总、text/structured 对比报告。
• crates/memlink-cli：run、bench、memory search、report 命令。

Quick Start

cargo test --workspace
cargo run -p memlink-cli -- run --mode structured --task-file tasks/a1.toml
cargo run -p memlink-cli -- bench --suite suites/linked_tasks.toml --rounds 10 --output-dir reports

Outputs

• reports/text-events.jsonl：纯文本模式事件日志。
• reports/structured-events.jsonl：结构化协议模式事件日志。
• reports/report.md：消息数、字符开销、编码字节、状态传递、耗时、记忆命中率对比。
• data/memlink.sqlite：共享记忆、标签/关键词索引和复用事件。

Memory Search

cargo run -p memlink-cli -- memory search --query "StateRef shared memory" --tags stateref,summary --limit 3

Benchmark Suite

suites/linked_tasks.toml 包含两组关联连续任务：

• A 组：知识检索、追问复用、对比总结。
• B 组：代码片段分析、相似 bug 策略复用、策略型记忆沉淀。

bench --rounds 10 会在同一 suite 上分别运行 text 与 structured 模式，失败不中断，并输出可复算事件与报告。

Enhanced Modules

• crates/memlink-sandbox：受限 CodeAct 子进程沙箱，Executor 可用它执行 Python/Shell 分析片段。
• crates/memlink-transport：Unix Domain Socket 结构化 frame 传输，保留 StateRef 列表用于多进程扩展。
• crates/memlink-observe：系统观测快照，支持 CLI 输出 reports/observe.json。

cargo run -p memlink-cli -- observe --output reports/observe.json --note "demo"

Mmap/File State Backend

cargo run -p memlink-cli -- bench --suite suites/linked_tasks.toml --rounds 10 --state-backend mmap-file --state-dir data/state --output-dir reports

该模式会把 evidence、embedding、tool output 写入文件状态仓库，并在消息中传递 StateRef。

Acceptance And Demo

• 验收矩阵：docs/ACCEPTANCE.md
• 演示脚本：docs/DEMO_SCRIPT.md
• 一键演示：

cargo run -p memlink-cli -- demo --rounds 10 --output-dir reports/demo

Submission

• 提交说明：docs/SUBMISSION.md
• 本地验证：

scripts/verify.sh

• 生成源码包：

scripts/package.sh

Machine Audit

cargo run -p memlink-cli -- audit --input-dir reports/demo --min-tasks 10 --min-state-files 1 --min-memory-hits 1

audit 输出 JSON 审计结果，可用于评审自动判断 demo 产物是否满足核心验收指标。

• 完成审计：docs/COMPLETION_AUDIT.md

Demo Recording Material

scripts/record_demo.sh reports/demo-recording

生成终端演示 transcript，便于录制或提交辅助演示材料。