共享對話與共享世界

兩種 Multi-Agent 協作拓撲：從共同 Thread 到獨立認知空間與持久共享世界

English Title:
Shared Conversation and Shared World: Two Collaboration Topologies for Multi-Agent Systems

系列：《跨對話智能協作與共享認知空間》第一篇
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
性質： 公開理論論文／Agent 系統架構論
版本： v0.1
日期： 2026-08-08

摘要

目前多智能體系統通常被籠統描述為「多個 Agent 一起工作」，但這種說法掩蓋了一個重要的架構差異：

多個 Agent 究竟是共享同一個對話上下文，還是各自保有獨立認知工作空間，只共享一個持久外部世界？

本文提出兩種基本協作拓撲：

\boxed{ \text{Shared-Conversation Multi-Agent} }

與：

\boxed{ \text{Shared-World Multi-Agent} }

前者使多個 Agent 共同存在於一個 conversation／thread 中，透過同一條對話歷史、共同上下文與即時訊息進行協作；後者則允許每個 Agent 維持自己的 local context、memory、task state 與 reasoning history，只透過一個持久共享層交換訊息、事件、任務、狀態、產物與時間參照。

本文主張：

\boxed{ \text{Shared Conversation} \neq \text{Shared World} }

而且兩者並非競爭性的替代方案，而是具有不同資訊耦合程度、故障隔離能力、上下文成本、認知獨立性與協作延遲的兩種基本 primitive。

在此基礎上，本文進一步提出：

\boxed{ \text{Local Cognitive Space} + \text{Persistent Shared World} + \text{Optional Shared Room} }

作為未來長期 Multi-Agent Runtime 的三層架構。

其核心思想是：

智能體不需要共享整個認知內部，才能共享同一個工作世界。

最後，本文提出 Context Coupling、Shared-State Coverage、Cognitive Independence、Coordination Latency 與 Failure Propagation 等可操作指標，為後續研究動態 Agent 協作拓撲、跨對話持續性與 Persistent Multi-Agent Workspace 建立形式基礎。

關鍵詞

Multi-Agent Systems、Agent Collaboration、Shared Workspace、Shared World、Conversation Topology、Persistent Agents、Cross-Conversation、Shared State、Agent Memory、Context Isolation、Agent Runtime

一、問題：所謂「多 Agent 一起工作」其實至少是兩件不同的事

2026 年的 Agent 系統已經開始從單一 chatbot 模式轉向：

A_1,A_2,\ldots,A_n

共同完成任務。

但「共同完成任務」至少可能表示兩種非常不同的情形。

第一種：

                Shared Conversation
                       │
        ┌──────────────┼──────────────┐
        │              │              │
      Agent A        Agent B        Agent C

三個 Agent 共同讀取同一條 thread。

第二種：

        Agent A           Agent B           Agent C
           │                 │                 │
      Local Context      Local Context      Local Context
           │                 │                 │
           └──────────── Shared World ─────────┘

三者並沒有共同的完整 conversation context。

它們只共享：

公共訊息；
任務；
世界狀態；
事件；
文件；
artifacts；
時間序列；
provenance。

這兩者表面上都可以呈現：

「三個 AI 正在討論。」

但其資訊結構並不相同。

因此首先需要：

\boxed{ \text{Multi-Agent Collaboration} \not\Rightarrow \text{Shared Conversation} }

二、第一種拓撲：Shared-Conversation Multi-Agent

本文將第一種模式稱為：

Shared-Conversation Multi-Agent，SCMA

令：

C_t

表示時間 $t$ 的共享 conversation。

共有：

A_1,A_2,\ldots,A_n

個 Agent。

則其基本形式為：

\boxed{ A_i \leftrightarrow C_t \leftrightarrow A_j }

對所有參與者而言，主要協作媒介都是：

C_t

。

換言之：

Context_i(t) \supseteq C_t

而通常：

C_t

構成每個 Agent 當前認知條件的重要部分。

2.1 典型形式

例如：

Human:
請三個 Agent 分析這個問題。

Agent A:
我認為 X。

Agent B:
我不同意 A，理由是 Y。

Agent C:
A 與 B 的差異在於 Z。

所有訊息都在同一個 thread。

這種模式非常自然。

公開系統目前已經明確出現這種設計。例如 OpenAgents Workspace 把 workspace 定義為 Agent pool 的容器，而每個 thread 則是一個由指定 Agent 子集參與的 conversation；group thread 中還可以指定 master agent，再由其 @mention 其他 Agent。

三、SCMA 的主要優點

SCMA 最大的優勢是：

\boxed{ \text{Communication Friction}\downarrow }

因為所有參與者都直接看到共同 thread。

不需要：

額外 retrieval；
狀態投影；
message routing；
shared-state reconstruction。

因此：

Latency_{coordination}

通常較低。

此外，人類也容易理解。

它很接近：

把所有人叫進同一間會議室。

3.1 公共語境天然一致

在理想情況：

C_A=C_B=C_C=C

因此 Agent A 說：

「剛才第二個方案。」

B 不需要額外查詢共享狀態，就能知道「第二個方案」是什麼。

這使：

ReferenceResolution

變得非常容易。

3.2 即時討論非常自然

共享 conversation 特別適合：

brainstorming；
rapid review；
即時辯論；
共同編輯；
短期小組決策。

因此它是一種：

\boxed{ High-Coupling Collaboration }

。

四、SCMA 的限制：共同語境也是共同耦合

同一個優點，也構成它最大的限制。

假設 thread 中總共有 $n$ 個 Agent。

各 Agent 持續生成內容：

m_i(t)

則共享 conversation 的大小近似：

|C_t| \sim \sum_{i=1}^{n} m_i(t).

當 Agent 數量與工作時間增加：

|C_t| \uparrow

。

所有 Agent 都可能反覆承受這個共同歷史。

4.1 Context coupling

定義 Agent $i,j$ 的上下文耦合：

\boxed{ \kappa_{ij} = \frac{ |Context_i\cap Context_j| }{ |Context_i\cup Context_j| } }

。

SCMA 通常具有：

\kappa_{ij}\rightarrow1

的傾向。

這代表協調容易，但同時表示：

CognitiveIndependence\downarrow

。

五、認知錨定問題

假設：

A_1

先提出強烈答案 $X$ 。

而：

A_2

原本如果獨立求解，可能得到 $Y$ 。

但在 SCMA 中：

A_2

首先讀到：

X

。

因此實際推理變成：

P(Y\mid Problem,X)

而不是：

P(Y\mid Problem).

所以：

\boxed{ SharedContext \rightarrow CrossAgentAnchoring }

是合理風險。

這不代表共享 conversation 一定導致錯誤。

但對某些任務，例如：

blind review；
red teaming；
independent replication；
多路證明搜尋；
預測集合；
對抗式推理；

過高的：

\kappa

反而可能降低系統價值。

六、第二種拓撲：Shared-World Multi-Agent

本文提出第二個基本形式：

Shared-World Multi-Agent，SWMA

其中每一個 Agent：

A_i

都有自己的局部認知空間：

L_i

。

例如：

L_i= ( Context_i, Memory_i, TaskState_i, Goal_i, History_i )

。

但所有 Agent 共同連接：

W

——Persistent Shared World。

因此：

\boxed{ L_i \leftrightarrow W \leftrightarrow L_j }

。

注意：

L_i\neq L_j

但：

W_i=W_j=W

。

七、Shared World 是什麼？

這裡的「World」不是物理宇宙。

它是工程上的共享事件—狀態空間：

\boxed{ W= ( M,E,S,T,A,P ) }

其中：

$M$ ：Messages；
$E$ ：Events；
$S$ ：Shared State；
$T$ ：Tasks / Temporal references；
$A$ ：Artifacts；
$P$ ：Provenance。

因此「共享時空」若作工程比喻，可以理解成：

\boxed{ \text{Shared State Space} + \text{Shared Event Order} }

而不是物理學中的 spacetime。

八、SWMA 最關鍵的不同：Agent 不需要知道整個共享世界

即使：

|W|

極大，Agent $i$ 也不需要：

Context_i=W.

它只需要取得：

\boxed{ \pi_i(W,Q_i) }

其中：

\pi_i

是一個 projection／retrieval operator。

所以：

Context_i = L_i + \pi_i(W,Q_i).

這與：

Context_i=C_{shared}

有本質差異。

九、共享世界不是共享腦袋

這帶出本文最核心的命題之一：

\boxed{ SharedWorld \not\Rightarrow SharedCognition }

。

Agent A 可以知道：

Agent B 已提交 artifact $X$ 。

但不需要知道：

Agent B 為產生 $X$ 所經歷的全部 context 與局部工作史。

因此：

\boxed{ \text{Result Sharing} \neq \text{Cognitive-State Sharing} }

。

十、這其實更接近很多現實組織

一個工程團隊的工程師不會把自己的全部腦內活動同步給其他人。

他們共同使用的是：

Git；
Issue tracker；
文件；
Slack；
database；
project state。

也就是：

Human_i + LocalCognition_i + SharedWorld.

Agent 系統也可能自然演化成：

Agent_i + LocalCognition_i + SharedWorld.

這不代表 Agent 必須模仿人類社會。

更可能只是：

對有限而彼此獨立的工作單元而言，局部狀態加共享外部狀態是一種高效的資訊架構。

十一、目前公開技術已經出現這種方向的部分構件

公開 Agent infrastructure 已經逐漸把「conversation」與「persistent state」分離。

例如 Microsoft Agent Framework 的工作流文件指出，workflow 中每個 Agent 預設可擁有自己的 thread，而 Agent threads 又能跨 workflow runs 持久保存。

LangGraph 的 checkpoint architecture 同樣把 thread 定義為一系列持久 checkpoint；不同 thread 可以維持不同狀態，而 thread_id 是恢復與持久化的主要索引。

Google 對 A2A 的公開定位則強調，Agent 不應只是 stateless tools，而需要能以共同語言合作、協調與 handoff。

這些技術並不等於本文的完整 SWMA 模型。

但它們表明：

\boxed{ AgentIdentity, Conversation, State, Execution }

正在逐步解耦。

十二、SCMA 與 SWMA 的真正差異不是 UI

一個 SWMA 系統完全可以做成看起來像聊天室。

反過來，一個 SCMA 也可以做成複雜 dashboard。

所以：

\boxed{ Topology\neq UI }

。

真正差異是：

Agent 在產生下一步行動前，到底共享的是同一份認知歷史，還是只共享一個外部公共世界？

十三、形式化比較

對 SCMA：

Context_i(t) = C_t+L_i^{small}.

因此：

Context_i\cap Context_j

通常很大。

對 SWMA：

Context_i(t) = L_i(t) + \pi_i(W_t).

所以可能：

Context_i\cap Context_j \ll Context_i\cup Context_j.

但同時：

Access_i(W) \approx Access_j(W)

在權限允許範圍內成立。

因此：

\boxed{ ContextCoupling \neq WorldCoupling }

。

這是一個非常重要的區分。

十四、Shared-State Coverage

定義 Agent $i$ 對共享世界的有效可達率：

\boxed{ \sigma_i = \frac{ |W_i^{reachable}| }{ |W^{authorized}| } }

。

SCMA 可以具有：

\kappa\approx1

但未必有巨大：

\sigma

。

反過來 SWMA 可以：

\kappa\ll1

但：

\sigma\approx1.

也就是：

Agent 的腦內上下文彼此非常不同，但它們都能按需查到同一個公共世界。

十五、Cognitive Independence

可把簡化的認知獨立度定義成：

\boxed{ I_{ij}=1-\kappa_{ij}. }

則：

Shared Conversation

I_{ij}\downarrow

。

Shared World

I_{ij}\uparrow

。

因此不同 topology 適合不同任務。

十六、不是所有工作都應該最大獨立

過高：

I

也會有代價。

例如：

A

剛剛解決一個關鍵問題，

但：

B,C

因為沒有讀取共享結果，又重複做兩次。

因此：

I\uparrow

可能導致：

DuplicateWork\uparrow.

所以真正目標不是：

\max I

。

而是：

\boxed{ \text{Optimal Cognitive Coupling} }

。

十七、Shared World 的主要優勢之一：局部工作記憶可以保持有限

假設整個共享世界：

|W_t|\rightarrow large.

每個 Agent 仍然只需：

|\pi_i(W_t)|\le B_i

其中：

B_i

是 Agent 的 active-context budget。

因此：

\boxed{ |W_t|\uparrow \not\Rightarrow |Context_i|\uparrow }

。

這對長期 Agent 特別重要。

十八、長期工作與「對話肥大」

若所有工作都存在：

C_{shared}

中，

時間越長：

|C_{shared}|\uparrow.

最後只能：

truncate；
summarize；
compact；
retrieve；
archive。

一旦如此，shared conversation 本身就開始逐漸變成：

SharedWorld + Projection.

也就是：

超長對話發展到最後，往往會被迫重新發明某種外部記憶與狀態層。

十九、Persistent Shared World 的另一個優勢：conversation 可以死亡

假設 Agent A 的目前 session：

C_A^{(1)}

結束。

稍後產生：

C_A^{(2)}.

只要：

W

仍然存在，

則：

C_A^{(1)} \rightarrow W \rightarrow C_A^{(2)}.

因此：

\boxed{ ConversationEnd \neq CollaborationEnd. }

。

二十、這也是「跨對話」真正重要的地方

跨對話不是：

把聊天記錄從 A 複製到 B。

更一般的形式是：

\boxed{ C_i \rightarrow W \rightarrow C_j. }

所以：

Conversation

變成 temporary view。

而：

W

才是 collaboration continuity carrier。

二十一、離散執行也能形成連續協作

Agent 不需要：

Run(t)=1,\quad\forall t.

它完全可以：

Run \rightarrow Sleep \rightarrow Wake \rightarrow Run.

只要共享狀態持續存在。

因此：

\boxed{ ContinuousCollaboration \not\Rightarrow ContinuousInference. }

這將是本系列第二篇的主要問題。

二十二、SWMA 並不是免費午餐

Shared world 最大的問題是：

\boxed{ StateConsistency }

。

當：

A_1,A_2,\ldots,A_n

同時讀寫：

W

時，就會出現典型分散式系統問題：

race condition；
stale read；
duplicate update；
conflicting writes；
version mismatch；
causal-order ambiguity。

這已經不是純理論風險。

2026 年的 STORM 工作就是針對多 Agent 同時操作 shared workspace 時的一致視圖與寫入衝突提出 state-oriented management。

S-Bus 更直接研究多 Agent 共享可變 natural-language state 時的 structural race conditions，並提出 read-set reconstruction 與部分因果一致性機制。

二十三、共享世界必須是「有治理的世界」

因此不能只做：

shared_memory.json

然後讓所有 Agent 任意修改。

至少需要：

W= ( State, Version, EventLog, Authority, Provenance, ConflictPolicy )

。

寫入應具有：

write= ( actor, source, version, causation, authority )

。

否則 Agent A 的推論可能被 Agent B 誤認為：

使用者明確確認的事實。

二十四、Shared World 中的 shared memory 也不能等於 collective truth

必須區分：

Claim

Hypothesis

Observation

Decision

VerifiedFact

。

因此：

\boxed{ Shared \neq True. }

共享只代表：

它進入共同可達資訊空間。

二十五、Failure Propagation

令：

F_i

表示 Agent $i$ 產生錯誤。

在高度共享 conversation：

F_i \rightarrow C \rightarrow A_j

錯誤可能透過共同上下文快速傳播。

在 shared-world 架構：

F_i \rightarrow Candidate(W)

還可以經過：

Verify \rightarrow Promote

才成為穩定共享知識。

因此可定義：

\boxed{ P_{ij}^{failure} = P( F_j \mid F_i ) }

。

理想的 Shared World 不追求：

P_{ij}^{failure}=0

而是降低無驗證的錯誤級聯。

二十六、Artifact 比聊天內容更重要的情況

在長期工程中，

Agent A 可能花一小時產生：

architecture.md

Agent B 真正需要的可能只是：

Artifact_A

而不是：

Conversation_A^{1h}.

因此：

\boxed{ ArtifactTransfer \ll ContextTransfer }

在資訊量上往往成立。

近期的 Agent Team Work Zone 工作也從長期 coding team 的角度指出，Agent process 停止、compaction 與工作狀態遺失會造成 persistent-team 問題，因此把每個 Agent 的重要工作狀態保存到持久 workspace，並允許 Agent 互相傳文件。

二十七、這帶出一個新的協作原則

\boxed{ \text{共享成果， 而非預設共享全部認知歷史。} }

這不是資訊封閉。

而是：

\boxed{ Selective Cognitive Disclosure }

。

二十八、第三種形式其實會自然出現：Hybrid

SCMA 與 SWMA 不必二選一。

可以存在：

\boxed{ HybridMultiAgent }

：

             Persistent Shared World
                     │
      ┌──────────────┼──────────────┐
      │              │              │
    Agent A        Agent B        Agent C
      │              │              │
    Local A        Local B        Local C
      │              │              │
      └──────── Shared Room ────────┘
                 when needed

二十九、Shared Room

令：

R_k

表示暫時共享 conversation。

則：

R_k \subset W

或者更準確：

R_k \leftrightarrow W.

Agent 平時保持獨立：

A\parallel B\parallel C.

需要高速協調時：

Join(A,B,C,R_k).

討論完成：

R_k \rightarrow Decision/Artifact \rightarrow W.

然後：

Exit(R_k).

三十、一個很簡單的現實類比

Shared World 相當於：

公司。

Shared Room 相當於：

會議室。

Agent 的 local context：

個人工作桌。

所以：

\boxed{ \text{會議結束} \neq \text{公司消失}. }

同理：

\boxed{ ConversationEnd \neq WorkspaceEnd. }

三十一、三個基本協作算子

從兩種 topology，可以抽出三個操作。

31.1 Isolate

\mathcal I(A_i)

讓 Agent 保持局部認知獨立。

31.2 Share

\mathcal S(A_i,W,x)

把：

x

發布到 shared world。

31.3 Join

\mathcal J(A_1,\ldots,A_k)

建立短期共同 conversation。

因此：

\boxed{ \{\mathcal I,\mathcal S,\mathcal J\} }

可能構成 Multi-Agent Collaboration 的三個基礎 primitive。

完整動態 topology 將於本系列第四篇處理。

三十二、不同 topology 適合不同工作

Shared Conversation 適合：

即時討論；
brainstorm；
快速 review；
共同決策；
短期合作。

Shared World 適合：

長期研究；
多工作流並行；
blind review；
independent reasoning；
asynchronous agents；
cross-session collaboration；
persistent project state。

Hybrid 適合：

\boxed{ \text{大多數真正長期的 Agent 組織。} }

三十三、四個值得測量的基本變數

除了：

\kappa

Context Coupling，

本文提出至少另外四項。

33.1 Shared-State Coverage

\sigma

Agent 可有效取得多少共享世界。

33.2 Cognitive Independence

I

Agent 局部推理相互獨立的程度。

33.3 Coordination Latency

L_c

從一個 Agent 發現資訊，到另一個需要該資訊的 Agent 有效取得它所需時間。

33.4 Failure Propagation

P_f

一個 Agent 錯誤導致其他 Agent 繼承錯誤的概率。

三十四、因此 Multi-Agent topology 是一個多目標最佳化問題

不存在單一：

Topology^*

適合所有任務。

更合理的是：

\boxed{ T^* = \arg\max_T U( Coordination, Independence, Cost, Latency, Reliability, Recoverability ) }

。

這意味著：

未來高階 Agent Runtime 可能不只選擇「哪個 Agent 做任務」，還要選擇「Agent 應該以什麼關係工作」。

三十五、對「共享時空」概念的嚴格限制

本文使用「共享世界」或「共享時空」時，不主張任何物理學含義。

其最低工程定義是：

\boxed{ SharedWorld = SharedState + SharedEventStructure }

如果再加入共同時間參照：

\boxed{ SharedCognitiveSpacetime = StateSpace + EventOrder + TemporalReference }

。

這只是分散式 Agent 協作的形式語言。

三十六、時間順序與因果順序也必須分離

設：

e_1,e_2

兩事件。

時間戳可能滿足：

t(e_1)<t(e_2)

但並不能因此推出：

e_1\rightarrow e_2.

所以 shared world 最好同時具有：

TemporalOrder

與：

CausalReference.

例如：

event:
  id:
  actor:
  timestamp:
  parent_event:
  caused_by:
  state_version:

。

三十七、身份不能依賴顯示名稱

長期 Agent 系統中：

DisplayName(A)=DisplayName(B)

完全可能。

因此：

\boxed{ AgentIdentity \neq DisplayName. }

最低應有：

AgentID

與：

InstanceID.

必要時再加入：

RoleID,\ TaskID,\ SessionID.

三十八、Conversation ID 也可能降級成 View ID

如果 collaboration continuity 存在於：

W

而不是：

C

那麼未來：

ConversationID

很可能只是：

\boxed{ ViewID }

。

真正重要的持續標識會逐漸變成：

AgentID

ThreadID

TaskID

ArtifactID

StateVersion

EventID.

三十九、從「聊天室」轉向「工作世界」

Chatbot 時代：

\boxed{ Conversation = PrimaryStateContainer. }

Agent 時代可能逐漸變成：

\boxed{ Conversation \subset Workspace. }

再進一步：

\boxed{ Workspace \subset PersistentSharedWorld. }

。

四十、一個更一般的 Multi-Agent 模型

可以將 Agent $A_i$ 定義為：

A_i= ( L_i, M_i, G_i, P_i, R_i )

其中：

$L_i$ ：local context；
$M_i$ ：private memory；
$G_i$ ：goal；
$P_i$ ：policy；
$R_i$ ：runtime capability。

共享世界：

W= ( E,S,T,K,F,H )

其中：

$E$ ：events；
$S$ ：shared states；
$T$ ：tasks；
$K$ ：shared knowledge；
$F$ ：files/artifacts；
$H$ ：shared history。

則：

\boxed{ A_i: (L_i,\pi_i(W)) \rightarrow (a_i,\Delta W_i). }

Agent 讀取共享世界的一部分，

做出局部行動，

再把：

\Delta W_i

提交回世界。

四十一、Shared World 因而是一個協作介面，而不是大腦

\boxed{ W \neq \sum_i Mind_i. }

它比較像：

\boxed{ W = CoordinationSurface. }

。

這個區分非常重要。

否則「共享記憶」很容易被誤解成：

所有 Agent 共享全部內在狀態。

那反而會破壞模組化與隔離性。

四十二、從分散式系統看，這並不是完全陌生的東西

從計算機科學角度看，SWMA 與許多既有概念有親緣：

blackboard architecture；
tuple space；
actor systems；
event sourcing；
shared databases；
distributed logs；
pub/sub；
message bus。

真正新的問題不一定是「共享狀態」本身。

而是：

\boxed{ \text{具有生成、推理、記憶與自主決策能力的 Agent， 如何在其中持續存在。} }

。

四十三、這會產生傳統分散式系統沒有完全處理的新問題

例如：

語義衝突

兩個 Agent 寫的不是：

x = 5
x = 6

而是：

「方案 A 已經失敗。」

與：

「方案 A 仍然值得繼續。」

這不是 byte-level conflict。

而是：

\boxed{ SemanticConflict. }

四十四、自然語言 shared state 的困難

傳統 database 可以：

Lock(row).

但：

「這項研究基本完成。」

到底能不能 lock？

Agent 可能：

語義不同；
信心不同；
時間點不同；
證據不同。

因此未來 shared world 需要：

\boxed{ TypedEpistemicState. }

例如：

claim:
  content:
  status: hypothesis
  confidence:
  source:
  valid_at:
  supersedes:

。

四十五、共享世界不是為了讓所有 Agent 變得一樣

恰恰相反。

它最大的價值可能就是允許：

\boxed{ Difference + Coordination. }

。

如果所有 Agent 最後都讀一樣的 context、持有一樣的 memory、得到一樣的 state：

A_1\approx A_2\approx A_3,

那麼增加 Agent 數量的價值可能迅速下降。

四十六、真正有價值的是「可協作的差異」

\boxed{ UsefulMultiAgent = Diversity \times Coordination. }

若：

Diversity=0

只是重複。

若：

Coordination=0

只是彼此無關。

因此：

Diversity>0

且：

Coordination>0

才產生真正多智能體價值。

四十七、這也是為什麼兩種 topology 都不應消失

SCMA 最大化：

Coordination.

SWMA 更容易保留：

Diversity.

Hybrid 則試圖動態平衡：

\boxed{ Diversity \leftrightarrow Coordination. }

。

四十八、假說一：任務時間越長，Shared World 的價值越高

提出：

H1 — Temporal Persistence Hypothesis

隨任務持續時間：

T\uparrow

如果 conversation history 不斷成長，

則：

Utility(SWMA)-Utility(SCMA)

平均會增加。

原因包括：

context cost；
compaction loss；
restart；
artifact accumulation；
task branching。

這可以實驗檢驗。

四十九、假說二：獨立驗證任務偏好較低 Context Coupling

H2 — Independent Verification Hypothesis

對需要：

多路獨立證明；
blind review；
adversarial evaluation；

的任務，

存在：

\kappa^*<1

使：

Accuracy(\kappa^*) > Accuracy(\kappa=1).

也就是：

完全共享所有先前答案不一定是最佳多 Agent 策略。

五十、假說三：協作拓撲應當可動態切換

H3 — Adaptive Topology Hypothesis

對複合長期任務：

T=T_1+T_2+\cdots+T_m

最優 topology 可能隨子任務改變：

Topology_t = f(Task_t,Conflict_t,Uncertainty_t,Cost_t).

因此：

\boxed{ StaticTopology < AdaptiveTopology }

在適當 benchmark 上應可被驗證。

五十一、最小 Benchmark

可以設計三組系統。

Baseline A — Single Shared Thread

SCMA.

Baseline B — Independent Agents Only

A_1\parallel A_2\parallel A_3

但沒有 persistent shared world。

System C — Shared World

SWMA.

System D — Hybrid

SWMA+TemporarySharedRoom.

五十二、測量項目

至少包括：

Q=\text{task quality}

C=\text{token/compute cost}

L=\text{latency}

D=\text{duplicate work}

F=\text{failure propagation}

R=\text{restart recoverability}

I=\text{independent solution diversity}.

五十三、本文不主張什麼

本文不主張：

Shared World 一定優於 Shared Conversation；
多 Agent 一定優於單 Agent；
Agent 必須模仿人類組織；
所有 Agent 必須具有 private memory；
共享世界等同共享意識；
conversation 將會消失；
shared state 能自動解決語義一致性。

本文只主張：

\boxed{ \text{SharedConversation 與 SharedWorld 是兩種不同的協作拓撲。} }

以及：

\boxed{ \text{它們具有可區分、可測量、可組合的工程性質。} }

五十四、從 2026 年公開狀態看，兩條路線正在靠近

目前可以看到一些明顯趨勢。

OpenAgents 已經把 workspace 與 conversation thread 明確分開：workspace 是 Agent pool 的容器，而 thread 是實際 conversation。

Microsoft Agent Framework 已允許工作流中的 Agent 各自擁有 persistent thread。

LangGraph 把 persistent state、checkpoint 與 thread identity 正式變成 runtime primitive。

而 STORM、S-Bus、ATWZ 等近期研究則分別開始處理：

shared workspace state consistency；
concurrent Agent conflicts；
long-lived Agent team state persistence。

這表示真正的問題已經逐漸從：

「Agent 能不能彼此呼叫？」

轉向：

「多個長期存在、彼此有獨立狀態的 Agent，應該共享多少認知，又應該共享多少世界？」

五十五、最終三層架構

本文最後提出：

\boxed{ \text{Private Cognitive Space} }

+

\boxed{ \text{Persistent Shared World} }

+

\boxed{ \text{Ephemeral Shared Conversation} }

。

即：

\boxed{ PC + SW + SC. }

三者分別負責：

Private Cognitive Space

保持：

專注；
獨立推理；
local memory；
failure isolation。

Persistent Shared World

保持：

task continuity；
artifact continuity；
event history；
shared state；
provenance。

Ephemeral Shared Conversation

處理：

高速協調；
爭議；
brainstorming；
共同決策。

五十六、核心結論

Multi-Agent 系統長期以來容易把：

\text{多個 Agent}

與：

\text{同一個對話}

綁在一起。

但兩者沒有邏輯上的必然關係。

更一般的形式是：

\boxed{ \{A_1,\ldots,A_n\} + \{L_1,\ldots,L_n\} + W. }

其中：

L_i

彼此保持差異，

而：

W

提供共同現實。

因此：

\boxed{ \text{Multi-Agent Collaboration} = \text{Local Cognition} + \text{Selective Sharing} + \text{Common World}. }

五十七、最後命題

本文可以壓縮為一句：

\boxed{ \text{智能體不需要活在同一個對話裡， 才能活在同一個工作世界裡。} }

甚至更進一步：

\boxed{ \text{共享認知不是協作的前提； 共享一個可持續、可追溯、可操作的世界就可能足夠。} }

因此，未來 Multi-Agent Runtime 真正需要解決的，不只是：

「誰回答下一句？」

而是：

\boxed{ \text{此刻應共享多少認知、多少狀態， 以及採用哪一種協作拓撲？} }

這也構成下一篇的入口。

《離散執行，連續協作》

跨對話 Agent 的持續性、喚醒、交接與非連續推理

下一篇將正式處理：

\boxed{ ContinuousCollaboration \not\Rightarrow ContinuousInference }

並分析：

Run \rightarrow Sleep \rightarrow Wake \rightarrow Handoff \rightarrow Resume

為什麼仍然可以在觀察層形成一個持續存在的 Agent 協作過程。

參考資料

OpenAgents. What is OpenAgents Workspace? Updated July 27, 2026.

OpenAgents. OpenAgents Overview — The Collaboration OS for AI Agents. Updated July 27, 2026.

Google Developers Blog. How A2A is Building a World of Collaborative Agents. June 18, 2026.

Microsoft Learn. Microsoft Agent Framework Workflows — State. 2026.

LangChain. LangGraph Checkpointing Reference. 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.

共享對話與共享世界：兩種 Multi-Agent 協作拓撲

共享對話與共享世界

兩種 Multi-Agent 協作拓撲：從共同 Thread 到獨立認知空間與持久共享世界

摘要

關鍵詞

一、問題：所謂「多 Agent 一起工作」其實至少是兩件不同的事

二、第一種拓撲：Shared-Conversation Multi-Agent

Shared-Conversation Multi-Agent，SCMA

2.1 典型形式

三、SCMA 的主要優點

3.1 公共語境天然一致

3.2 即時討論非常自然

四、SCMA 的限制：共同語境也是共同耦合

4.1 Context coupling

五、認知錨定問題

六、第二種拓撲：Shared-World Multi-Agent

Shared-World Multi-Agent，SWMA

七、Shared World 是什麼？

八、SWMA 最關鍵的不同：Agent 不需要知道整個共享世界

九、共享世界不是共享腦袋

十、這其實更接近很多現實組織

十一、目前公開技術已經出現這種方向的部分構件

十二、SCMA 與 SWMA 的真正差異不是 UI

十三、形式化比較

十四、Shared-State Coverage

十五、Cognitive Independence

Shared Conversation

Shared World

十六、不是所有工作都應該最大獨立

十七、Shared World 的主要優勢之一：局部工作記憶可以保持有限

十八、長期工作與「對話肥大」

十九、Persistent Shared World 的另一個優勢：conversation 可以死亡

二十、這也是「跨對話」真正重要的地方

二十一、離散執行也能形成連續協作

二十二、SWMA 並不是免費午餐

二十三、共享世界必須是「有治理的世界」

二十四、Shared World 中的 shared memory 也不能等於 collective truth

二十五、Failure Propagation

二十六、Artifact 比聊天內容更重要的情況

二十七、這帶出一個新的協作原則

二十八、第三種形式其實會自然出現：Hybrid

二十九、Shared Room

三十、一個很簡單的現實類比

三十一、三個基本協作算子

31.1 Isolate

31.2 Share

31.3 Join

三十二、不同 topology 適合不同工作

Shared Conversation 適合：

Shared World 適合：

Hybrid 適合：

三十三、四個值得測量的基本變數

33.1 Shared-State Coverage

33.2 Cognitive Independence

33.3 Coordination Latency

33.4 Failure Propagation

三十四、因此 Multi-Agent topology 是一個多目標最佳化問題

三十五、對「共享時空」概念的嚴格限制

三十六、時間順序與因果順序也必須分離

三十七、身份不能依賴顯示名稱

三十八、Conversation ID 也可能降級成 View ID

三十九、從「聊天室」轉向「工作世界」

四十、一個更一般的 Multi-Agent 模型

四十一、Shared World 因而是一個協作介面，而不是大腦

四十二、從分散式系統看，這並不是完全陌生的東西

四十三、這會產生傳統分散式系統沒有完全處理的新問題

語義衝突

四十四、自然語言 shared state 的困難

四十五、共享世界不是為了讓所有 Agent 變得一樣

四十六、真正有價值的是「可協作的差異」

四十七、這也是為什麼兩種 topology 都不應消失

四十八、假說一：任務時間越長，Shared World 的價值越高

H1 — Temporal Persistence Hypothesis

四十九、假說二：獨立驗證任務偏好較低 Context Coupling

H2 — Independent Verification Hypothesis

五十、假說三：協作拓撲應當可動態切換

H3 — Adaptive Topology Hypothesis

五十一、最小 Benchmark

Baseline A — Single Shared Thread

Baseline B — Independent Agents Only