Persistent Multi-Agent Workspace
跨對話共享世界 Runtime、持久協作協定與 MVP
English Title: Persistent Multi-Agent Workspace: A Runtime, Durable Collaboration Protocol, and MVP for Cross-Conversation Shared Worlds
系列:《跨對話智能協作與共享認知空間》第五篇(系列封頂)
性質: 公開理論論文/工程架構白皮書/Runtime MVP 規格
版本: v0.1
日期: 2026-08-09
摘要
本系列前四篇依次建立四個基本分離:
以及:
本文將這四個命題整合為一個可工程實作的 Persistent Multi-Agent Workspace(PMW)Runtime。
PMW 的核心不是把多個模型放進同一個聊天室,而是建立一個可持久、可恢復、可追溯、可分權、可選擇性共享的共同工作世界,使多個彼此擁有獨立 context、memory、session、model runtime 與工作節奏的 Agent,可以在離散執行中形成持續協作。
其最小形式為:
每一個 Agent 保有:
而全體共享:
Agent 實際工作 context 並非整個公共世界:
其中 是依任務、權限、風險與認知預算形成的選擇性投影。
本文進一步定義:
- Agent Registry;
- Shared World Store;
- append-oriented Event Log;
- State Store;
- Task Ledger;
- Artifact Registry;
- Private / Room / Shared Memory;
- Wake Queue;
- Handoff Queue;
- Decision Receipt;
- Capability Registry;
- Permission Layer;
- Topology Store;
- Adaptive Collaboration Topology Controller;
- Provenance Graph;
- Conflict Manager;
- Snapshot / Recovery;
- Observability / Evaluation。
本文同時提出 PMW Durable Collaboration Protocol(PMW-DCP),將跨對話、跨 Agent、跨模型的持續協作表示為:
並提供本地 SQLite MVP 的最小 schema、API、測試案例與工程路線。
本文不主張所有 Agent 系統都需要 PMW,也不主張共享世界能取代所有 shared conversation。相反,PMW 的設計目標是讓:
成為可依任務動態選擇的協作模式。
系列最終結論是:
多 Agent 持續協作的真正載體,不必是同一段對話、同一個模型或同一個持續 process;它可以是一個具有身份、狀態、事件、記憶、產物、權限與因果歷史的持久共同工作世界。
關鍵詞
Persistent Multi-Agent Workspace、Shared World、Cross-Conversation、Persistent Agents、Durable Execution、Agent Memory、Agent Handoff、Dynamic Topology、Event Sourcing、State Management、Multi-Agent Runtime、Agent Governance
一、系列封頂:從「可以跨對話」到「持久共同世界」
本系列起點是一個很簡單的問題:
多個不同 conversation 中的 Agent,是否可以繼續合作?
若只把 conversation 視為唯一容器,答案很困難。
因為:
具有自己的:
- context;
- lifecycle;
- model invocation;
- UI;
- session boundary。
但前四篇逐步表明:
所以真正要持久化的不是「聊天視窗」。
而是:
二、PMW 的基本直覺
想像三個 Agent:
它們可以:
- 位於不同 conversation;
- 使用不同模型;
- 不同時間醒來;
- 各自有 private memory;
- 各自有不同工具權限;
但共同知道:
- Task-42 是什麼;
- Artifact-7 是哪一份檔案;
- Decision-5 是否已通過;
- Event-88 發生於什麼之後;
- 哪個 Agent 目前負責什麼;
- 哪些爭議仍未解決。
這就是:
三、PMW 不是 Shared Chat
Shared Chat:
PMW:
且:
各 Agent 不需要:
四、PMW 也不是單一 Shared Memory
若只做:
shared_memory.json
會把:
- current state;
- historical events;
- tentative hypotheses;
- durable facts;
- files;
- tasks;
- permissions;
全部混在一起。
這會迅速失去可治理性。
因此 PMW 必須是:
五、Runtime 總體狀態
定義:
其中:
- :Agent Registry;
- :Shared World metadata;
- :Event Log;
- :Shared State;
- :Task Ledger;
- :Artifact Registry;
- :Memory Layers;
- :Wake / Handoff Queues;
- :Collaboration Topology;
- :Permissions / Provenance / Policies。
六、第一層:Agent Registry
每個 Agent 應有穩定:
但:
最低:
agent:
agent_id:
display_name:
role_id:
status:
model_hint:
capability_profile:
permission_profile:
current_task:
last_seen:
七、身份不能只依靠顯示名稱
因為:
完全可能。
真正 identity 應靠:
必要時加入:
八、第二層:Event Log
PMW 使用 append-oriented event history:
事件包括:
- message posted;
- task created;
- task assigned;
- artifact committed;
- memory promoted;
- wake issued;
- handoff completed;
- room opened;
- topology changed;
- permission changed;
- conflict raised。
九、Event 不等於 State
Event 回答:
發生了什麼?
State 回答:
現在是什麼?
因此:
十、第三層:Shared State
保存現在仍有效的公共狀態:
project:
phase: verification
task_42:
owner: agent_b
status: active
artifact_7:
current_version: 4
State 可以由 event fold 得到:
但為效率可保存 snapshot。
十一、Event Sourcing 與 Snapshot
原則:
重建:
Snapshot 不應刪除 Event Log 的 audit value。
十二、第四層:Task Ledger
Task 是一等物件。
這使任務可以跨:
- session;
- conversation;
- Agent;
- model;
持續存在。
十三、Task Continuity 可以高於 Agent Continuity
仍可保持:
所以:
十四、第五層:Artifact Registry
Artifact 是:
- document;
- code;
- dataset;
- report;
- image;
- plan;
- build output;
- external resource reference。
最低:
artifact:
artifact_id:
type:
location:
version:
owner:
created_by:
task_id:
checksum:
status:
十五、Artifact 不應埋在聊天裡
因為:
通常大於:
所以:
必須具有獨立 identity。
十六、第六層:Memory
PMW 使用四域:
十七、Private Memory
只預設供 Agent 使用。
保存:
- working hypotheses;
- role-specific shortcuts;
- private exploration;
- local summaries;
- internal planning state。
十八、Room Memory
存在於 temporary shared room。
它可以高頻、低治理。
Room 結束後:
十九、Shared Memory
屬於公共制度記憶。
要求更強:
- typing;
- provenance;
- scope;
- status;
- version;
- conflict handling。
二十、Archive
低頻或過期資訊:
但:
必要時可:
二十一、Memory Object
memory:
memory_id:
scope:
owner:
epistemic_type:
content:
source_refs:
confidence:
status:
valid_from:
valid_to:
created_at:
supersedes:
permission_scope:
二十二、Epistemic Type
至少:
OBSERVATION
USER_STATEMENT
TOOL_RESULT
HYPOTHESIS
INFERENCE
CONSTRAINT
DECISION
VERIFIED_FACT
OPEN_QUESTION
REJECTED
SUPERSEDED
因為:
二十三、Memory Promotion
不允許:
無治理直接跳轉。
二十四、第七層:Wake Queue
Persistent Agent 不需要 Always Computing。
只需:
Wake Event:
wake_event:
wake_id:
target_agent:
cause:
not_before:
priority:
payload_refs:
base_state_version:
authority_scope:
idempotency_key:
二十五、Wake Cycle
二十六、Wake 不等於 Act
合法結果:
這是防止:
的關鍵之一。
二十七、第八層:Handoff Queue
Handoff 不是搬整個腦袋。
而是:
最低:
handoff:
handoff_id:
source_agent:
target_agent:
task_id:
goal:
current_state_ref:
evidence_refs:
artifact_refs:
constraints:
authority_scope:
expected_output:
return_route:
二十八、Shared World 讓 Handoff 變輕
傳統:
PMW:
所以:
可以與完整 transcript 長度解耦。
二十九、第九層:Decision Receipt
所有重要 run 最好留下 receipt。
decision_receipt:
receipt_id:
wake_id:
agent_id:
task_id:
observed_state_version:
topology_version:
decision:
action_refs:
artifact_refs:
resulting_state_version:
next_wake:
completed_at:
三十、Receipt 的功能
沒有 receipt 時:
可能代表:
- 沒收到;
- crash;
- timeout;
- no action;
- permission denied。
Receipt 使:
三十一、第十層:Topology Store
保存:
不只 communication edge。
至少:
三十二、Topology Version
所有 topology mutation:
Agent run 必須知道:
避免:
三十三、第十一層:Topology Controller
使用前三篇/第四篇的:
Controller:
三十四、v0.1 不需要 RL
最小 controller:
IF independent_review:
ISOLATE
IF useful_cross_agent_delta:
SHARE
IF unresolved_conflict AND decision_required:
JOIN
先驗證架構。
三十五、第十二層:Permission Layer
PMW 不能把:
與:
混為一談。
不能推出:
三十六、Capability Attenuation
Handoff 後:
是一個安全預設。
除非另有明確 grant。
三十七、Resource Capability 與 Effect Capability
權限最好區分:
Read capability
可以看什麼。
Resource capability
可以使用什麼工具/資源。
Effect capability
可以造成什麼外部改變。
因此:
三十八、第十三層:Capability Registry
Agent 恢復時必須重新確認:
因為:
完全可能。
三十九、Capability State 是 Rehydrate 的一部分
錯誤:
上次我能用工具 X,所以這次也能。
正確:
四十、第十四層:Provenance Graph
任何重要 state 應能回溯:
即:
四十一、Provenance 不只是引用
它還用來回答:
- 誰寫入?
- 哪個工具產生?
- 何時有效?
- 哪個版本?
- 哪個 Agent 將推論升級為 shared memory?
- 哪個決策使用了它?
四十二、第十五層:Conflict Manager
共享世界會出現:
PMW 不應:
而可存:
四十三、Semantic Conflict
傳統:
容易偵測。
自然語言:
方案 A 基本可行。
與:
方案 A 在 production 不可接受。
需要:
v0.1 可先人工/規則標記。
四十四、第十六層:Room Manager
Temporary Shared Room:
Room 是高耦合 topology object。
四十五、Room Lifecycle
四十六、Blind-Then-Join
對獨立審查:
避免:
四十七、第十七層:Projection Engine
Agent 不應讀:
全部。
而讀:
其中:
- :任務;
- :permission;
- :context budget。
四十八、Projection Score
對 object :
這比單純 semantic similarity 更完整。
四十九、Projection 可自適應展開
初次:
若:
或:
則:
五十、第十八層:State Versioning
Agent 開始推理於:
提交時世界已:
必須檢查:
否則:
五十一、Stale Cognition
這是 Multi-Agent 特殊問題:
可能在計算完成之前失效。
所以:
具有 temporal lease。
五十二、Epistemic Lease
高風險 action 前:
若:
必須:
五十三、第十九層:Topology Transaction
Topology mutation 也應 transaction-like:
失敗:
五十四、Topology Invariants
至少:
- capability 不無故擴張;
- state routing 完整;
- provenance 不遺失;
- agent identity 不混淆;
- 必要時可 rollback。
五十五、第二十層:Observability
每次 Agent run 最好紀錄:
trace:
agent_id:
run_id:
task_id:
wake_id:
base_state_version:
topology_version:
retrieved_refs:
tools_used:
decisions:
commits:
cost:
latency:
result:
五十六、Observability 不保存私密 Chain-of-Thought
應保存:
例如:
- retrieve 了什麼;
- 為什麼升級驗證;
- topology 何時改變;
- 哪些 artifact 被修改。
五十七、PMW-DCP:Durable Collaboration Protocol
現在可定義完整 protocol。
五十八、Phase 1:Event
外部世界或 Agent 產生:
例如:
- message;
- task;
- artifact;
- timer;
- state change;
- human approval。
五十九、Phase 2:Target Resolution
系統判斷:
不一定所有 Agent 都醒。
六十、Phase 3:Wake
建立:
使用:
六十一、Phase 4:Rehydrate
Agent 恢復:
六十二、Phase 5:Observe
取得:
而不是全量世界。
六十三、Phase 6:Decide
Agent 可以:
六十四、Phase 7:Act
工具與外部行動需經:
六十五、Phase 8:Commit
提交:
必須包含:
六十六、Phase 9:Receipt
寫入:
六十七、Phase 10:Sleep / Continue
若沒有下一步:
若需要另一 Agent:
六十八、完整閉環
六十九、Cross-Conversation
Conversation A:
Conversation B:
所以:
七十、Cross-Agent
七十一、Cross-Model
只要 canonical representation 可交換。
七十二、Cross-Device
因此 shared world 甚至可以比單一 runtime 更長壽。
七十三、PMW 的真正持續載體
不是:
不是:
不是:
而是:
七十四、與公開 Agent Runtime 的關係
截至 2026 年,OpenAI Agents SDK 已具有 sessions、handoffs、tracing 與可序列化的 RunState;官方文件將 RunState 描述為 HITL durable pause/resume boundary。
Microsoft Agent Framework 已把 workflows、state management、multi-agent orchestration 與 Durable Extension 放入同一框架,並可 checkpoint agent calls 以支援失敗後恢復。
LangGraph 的 persistence 同時具有 thread-scoped checkpoints 與 long-term stores,並將 failure recovery、long-running execution 與 resume 作為核心能力。
Google 的 A2A / ADK 則持續推進跨語言、跨 Agent 的遠端協作與 handoff。
這些系統並不等於本文 PMW,但表明本文依賴的基本 primitive 已經逐漸公開可用。
七十五、目前真正困難的是「組合」
單獨:
- persistence;
- handoff;
- shared state;
- memory;
- multi-agent orchestration;
都已有實作。
PMW 問的是:
七十六、Shared State 的競爭條件
2026 年的 STORM 直接處理多 Agent 同時操作共享 code workspace 時的一致視圖與 conflicting edits。
S-Bus 則指出 concurrent agents 共享 mutable natural-language state 時會產生 structural race conditions,包括 write-write 與 stale-read conflict。
因此:
一旦可寫,就必須被視為真正 distributed-system problem。
七十七、所以 PMW 不允許 Blind Last-Write-Wins
最低:
要檢查:
- state version;
- ownership;
- conflict class;
- idempotency;
- permission。
七十八、Memory 與 Topology 也必須共同設計
2026 年已有研究顯示,memory depth 對 multi-agent consensus 的效果會隨 network topology 改變。
因此:
與:
不應完全獨立優化。
七十九、這支持一個更一般的控制器
未來:
可以同時選:
- Agent 數量;
- topology;
- memory scope;
- context depth;
- wake rate;
- verification strength。
八十、但 PMW v0.1 不做這麼多
v0.1 只做:
- deterministic state;
- SQLite;
- simple queue;
- rule topology;
- typed memory;
- basic permissions;
- append event log;
- explicit receipts。
目標是:
八十一、PMW v0.1 Storage
建議:
SQLite:
- agents;
- events;
- states;
- tasks;
- memory;
- wakes;
- handoffs;
- receipts;
- topology。
Filesystem:
- artifacts;
- large logs;
- snapshots。
八十二、為什麼不是先上分散式資料庫?
因為 MVP 目的不是:
而是驗證:
先證明:
- identity;
- state;
- wake;
- handoff;
- scoped memory;
- topology;
能正確工作。
八十三、MVP 最小 Schema
agents
events
shared_state
tasks
artifacts
memory
wake_events
handoffs
decision_receipts
topology_edges
八十四、agents
主要欄位:
agent_id
display_name
role_id
status
capabilities_json
permissions_json
last_seen
八十五、events
event_id
event_type
actor_id
payload_json
parent_event_id
causation_event_id
state_version
created_at
append-only。
八十六、shared_state
key
value_json
version
updated_by
updated_at
八十七、tasks
task_id
goal
owner_agent
status
version
dependencies_json
constraints_json
updated_at
八十八、memory
memory_id
owner_agent
scope
epistemic_type
content
status
confidence
source_refs_json
created_at
八十九、wake_events
wake_id
target_agent
cause
status
payload_json
idempotency_key
not_before
created_at
九十、handoffs
handoff_id
source_agent
target_agent
task_id
status
payload_json
created_at
九十一、decision_receipts
receipt_id
wake_id
agent_id
task_id
decision
base_state_version
result_state_version
payload_json
created_at
九十二、topology_edges
source_agent
target_agent
edge_type
scope
weight
topology_version
active
九十三、MVP API
最低:
register_agent()
append_event()
get_state()
compare_and_set_state()
create_task()
assign_task()
store_memory()
promote_memory()
enqueue_wake()
claim_wake()
ack_wake()
create_handoff()
accept_handoff()
write_receipt()
set_topology_edge()
get_topology()
project_world()
九十四、compare_and_set_state()
這是避免 stale overwrite 的最低 primitive。
輸入:
只有:
才更新。
九十五、Wake Idempotency
建立:
同一事件 retry:
次仍只有一個 wake。
九十六、Handoff 狀態機
也可能:
九十七、Memory Lifecycle
必要時:
九十八、Topology Lifecycle
重大改變可:
九十九、PMW Runtime 主迴圈
while true:
event = claim_next_event()
if event is None:
sleep()
target = resolve_target(event)
wake = enqueue_wake(target, event)
state = rehydrate(target)
view = project_world(state)
decision = invoke_agent(view)
validate(decision)
commit(decision)
write_receipt(decision)
實務上可完全 event-driven,不需要 busy loop。
一百、Agent Adapter
PMW 不應綁單一模型。
定義:
class AgentAdapter:
def run(self, agent_state, world_view, event):
...
任何:
- local LLM;
- cloud model;
- rule agent;
- human proxy;
都可以接入。
一百零一、人類也可以是 Node
不是為了擬人化 AI。
而是:
本質是協作 runtime。
人類可以:
- approve;
- override;
- assign;
- join room;
- write decision。
一百零二、Human Approval 也是 Event
這與現有 HITL durable resume 方向一致。
一百零三、MVP Test 1:Cross-Conversation Resume
Conversation A:
- 建 task;
- 寫 shared state;
- 結束。
Conversation B:
- 只依 PMW;
- 找到 task;
- 恢復 state;
- 正確繼續。
要求:
高於 summary-only baseline。
一百零四、MVP Test 2:Agent Handoff
A 做到一半:
B 不讀 A 全 transcript。
只讀:
仍能完成。
一百零五、MVP Test 3:Duplicate Wake
相同:
送 10 次。
要求:
一百零六、MVP Test 4:Stale State
A 基於 version 5。
B 先 commit version 6。
A 再 commit。
要求:
一百零七、MVP Test 5:Private Memory Isolation
A private memory:
B world projection:
一百零八、MVP Test 6:Memory Promotion
A 提交 hypothesis:
進:
未 review 前:
一百零九、MVP Test 7:Conflict Preservation
A:
B:
要求:
而非 overwrite。
一百一十、MVP Test 8:Blind-Then-Join
A、B 先 isolate。
各自 commit private answer。
再 open room。
確認彼此答案在 private commit 前不可見。
一百一十一、MVP Test 9:Permission-Preserving Join
A 有 secret。
B 沒有。
Join 後:
一百一十二、MVP Test 10:Topology Change
初始:
發生 conflict。
Controller:
決議後:
一百一十三、MVP Test 11:Crash Recovery
Agent 正在 run 時 crash。
Event / state / wake 尚在。
重新 runtime 後:
不重複已完成 commit。
一百一十四、MVP Test 12:Model Replacement
A 原模型:
恢復:
任務仍可合法繼續。
一百一十五、MVP Test 13:Artifact Recovery
Agent 不讀舊 conversation,
只靠 artifact registry 找:
可以繼續修改正確版本。
一百一十六、MVP Test 14:Wake Storm
建立:
加入:
- TTL;
- cascade depth;
- cooldown;
- dedupe;
要求循環被抑制。
一百一十七、MVP Test 15:NoAction Receipt
Wake A。
A 判定無需行動。
要求:
且 receipt 存在。
一百一十八、主要失敗模式
- shared-state pollution;
- stale cognition;
- duplicate actions;
- wake storm;
- topology thrashing;
- authority leakage;
- memory laundering;
- summary drift;
- false continuity;
- artifact version mismatch;
- role collision;
- orphan task;
- zombie room;
- manager bottleneck;
- uncontrolled fan-out。
一百一十九、Security:Retrieved Content 不是 Instruction
任何從:
- memory;
- board;
- artifact;
- external web;
- another agent;
讀到的內容,
預設是:
而不是:
一百二十、共享世界是新的攻擊面
一次惡意內容如果寫入:
可能跨多個 wake 重新出現。
因此:
一百二十一、所有 Shared Write 應可撤銷/更正
不能假設 shared memory 是不可逆聖旨。
一百二十二、Retention 與 Utility 分離
「可能有用」不等於「永久保存」。
Memory 應具有:
- TTL;
- retention policy;
- archive;
- delete propagation。
一百二十三、Privacy
Private memory:
不應因:
自動被 copy 到 room。
Shared-world projection 必須 permission-aware。
一百二十四、Delete Propagation
如果 source 被合法刪除,
derived objects 必須知道:
必要時:
一百二十五、Evaluation 不只看答案
PMW 要測:
而不只是 LLM answer score。
一百二十六、核心 Metrics
Task Quality
Continuation Fidelity
Coordination Latency
Duplicate Work Ratio
State Conflict Rate
Failure Propagation
Context Cost
Wake Efficiency
Topology Mutation Rate
Recovery Success
一百二十七、PMW 不應追求所有 metric 最大化
例如:
可能:
所以:
一百二十八、PMW 的最小成功條件
如果 v0.1 能證明:
- conversation 可中斷;
- agent 可替換;
- state 可恢復;
- private memory 不外洩;
- shared state 可版本化;
- wake 可去重;
- handoff 不需全 transcript;
- topology 可安全改變;
就已經成功。
一百二十九、v0.1 不需要證明 AGI
PMW 是:
它不依賴:
- consciousness;
- subjectivity;
- AGI;
- ASI。
普通 Agent 也可以使用。
一百三十、甚至規則式 Agent 也可以使用
只要:
符合 protocol。
這是故意設計。
一百三十一、Phase 0:單機 SQLite
完成:
- schema;
- event log;
- state CAS;
- wake queue;
- receipts。
一百三十二、Phase 1:兩 Agent
驗證:
一百三十三、Phase 2:Private / Shared Memory
加入 scope 與 promotion。
一百三十四、Phase 3:Handoff
加入:
一百三十五、Phase 4:Shared Room
加入:
一百三十六、Phase 5:Rule Topology Controller
加入:
一百三十七、Phase 6:Crash / Resume
加入 snapshot、recovery、idempotency。
一百三十八、Phase 7:Remote Transport
才考慮:
- REST;
- MCP;
- event stream;
- WebSocket;
- message broker。
一百三十九、Transport 應該可替換
PMW semantic layer 不應綁某一 transport。
一百四十、Transport Failure 不應等於 Collaboration Failure
MCP 不可用:
可以 fallback:
REST 失敗:
這叫:
一百四十一、外部公開 Workspace 與內部 Runtime 可以分離
Human UI:
Agent interface:
Event stream:
Persistent state:
所以:
一百四十二、這也是產品化的重要分界
UI 可以換。
Agent runtime 可以換。
Model 可以換。
真正不可隨便換的是:
一百四十三、PMW Runtime 的核心 invariants
P1 — Identity Stability
同一 AgentID 的長期 lineage 可追溯。
P2 — State Version Safety
不存在無檢查 stale overwrite。
P3 — Provenance Preservation
公共認知可追溯。
P4 — Authority Non-Transitivity
傳話不等於傳權。
P5 — Scope Preservation
private 不因協作自動公開。
P6 — Idempotent Wake
重複事件不重複造成 effect。
P7 — Recoverable Pause
sleep 不等於 terminal。
P8 — Topology Safety
協作結構可改但不能破壞權限 invariant。
一百四十四、PMW Runtime 最小數學模型
Agent:
Shared World:
Projection:
Execution:
Commit:
一百四十五、完整演化
其中:
- :Rehydrate / Retrieve;
- :Agent decision;
- :Commit / Conflict / Governance。
一百四十六、如果多 Agent 並行
不能直接:
必須:
這就是 shared-world consistency 的核心。
一百四十七、最終架構圖
┌───────────────────────┐
│ Human / UI │
└──────────┬────────────┘
│
┌───────────▼───────────┐
│ PMW Control Plane │
│ Permissions / Policy │
│ Topology / Routing │
└───────────┬───────────┘
│
┌─────────────────────────▼──────────────────────────┐
│ Persistent Shared World │
│ Events / State / Tasks / Artifacts / Shared Memory │
│ Rooms / Provenance / Receipts / Versions │
└─────────┬────────────────┬────────────────┬─────────┘
│ │ │
┌────▼────┐ ┌────▼────┐ ┌────▼────┐
│ Agent A │ │ Agent B │ │ Agent C │
│ Local │ │ Local │ │ Local │
│ Memory │ │ Memory │ │ Memory │
└────┬────┘ └────┬────┘ └────┬────┘
│ │ │
└──── Isolate / Share / Join ─────┘
一百四十八、與普通 Group Chat 的差別
Group Chat:
是共同中心。
PMW:
是共同中心。
Conversation 只是:
一百四十九、與普通 Workflow 的差別
普通 workflow 常假定:
事先確定。
PMW 允許:
本身成為 state。
一百五十、與普通 RAG 的差別
RAG:
PMW 還要管理:
一百五十一、與單一 Agent Memory 的差別
單 Agent:
PMW:
並有 multi-writer conflict。
一百五十二、與 Actor Model 的差別
PMW 可以借鑑 actor:
- identity;
- mailbox;
- message;
- isolation。
但 Agent 還需要:
- semantic memory;
- epistemic typing;
- artifact work;
- LLM context projection;
- tool authority。
所以 PMW 是:
而不是 actor model 的替代。
一百五十三、與 Blackboard Architecture 的差別
PMW 與 blackboard 有強親緣。
但 PMW 額外強調:
- private cognitive spaces;
- durable wake/sleep;
- cross-conversation continuity;
- scoped memories;
- topology mutation;
- capability / authority;
- causal receipts。
一百五十四、公共研究已經開始逼近這個組合
2026 年的 ATWZ 專門針對 long-lived coding agent teams 建立 persistent workspace;STORM 與 S-Bus 直接處理共享 mutable workspace 的一致性;DecentMem 則顯示 decentralized memory 可保留 agent diversity 並降低部分 centralized-memory 成本。
這些工作各自處理 PMW 的不同切面。
本文的貢獻是把它們放入:
統一抽象。
一百五十五、因此 PMW 的研究問題已經變了
不再是:
多 Agent 能不能聊天?
而是:
多個可中斷、可替換、可異質、具有不同記憶與權限的 Agent,能否在同一個可追溯世界中長期工作,而不讓資訊、狀態、權限與因果關係逐漸失真?
一百五十六、PMW 的真正難度
初步 prototype 不一定很難。
真正 production 難點在:
一百五十七、系列的核心發現
最開始我們以為問題是:
最後發現真正問題是:
一百五十八、五篇的完整演化
第一篇:
第二篇:
第三篇:
第四篇:
第五篇:
一百五十九、系列最終統一公式
而每一個 Agent:
一百六十、系列最終核心句
第一句:
第二句:
第三句:
第四句:
最終:
一百六十一、系列狀態
《跨對話智能協作與共享認知空間》五篇至此封頂。
後續不再增加第六篇。
工程延伸統一進:
版本線:
參考資料
- OpenAI. OpenAI Agents SDK — Sessions, Handoffs, Human-in-the-loop, RunState, Tracing. 2026.
- Microsoft. Microsoft Agent Framework — Overview, Workflow Orchestrations, Durable Extension, Durable Task integration. 2026.
- LangChain. LangGraph — Persistence, Graph API, Memory. 2026.
- Google Developers. Agent2Agent (A2A) and Agent Development Kit multi-agent collaboration. 2026.
- Liu, M. et al. Multi-agent Collaboration with State Management (STORM). arXiv:2605.20563, 2026.
- Khan, S. S-Bus: Automatic Read-Set Reconstruction for Multi-Agent LLM State Coordination. arXiv:2605.17076, 2026.
- Wang, S. Agent Team Work Zone: An Automated, Persistent Workspace for Long-Lived Coding Agent Teams. arXiv:2607.22917, 2026.
- Hao, G., Long, Y., & Zhao, Z. Self-Evolving Multi-Agent Systems via Decentralized Memory. arXiv:2605.22721, 2026.
- Jiang, E. H. et al. Dynamic Generation of Multi LLM Agents Communication Topologies with Graph Diffusion Models. ACL 2026.
- Mehdizadeh, A., & Hilbert, M. Exploring the Topology and Memory of Consensus: How LLM Agents Agree, Fragment, or Settle When Forming Conventions. arXiv:2606.04197, 2026.