企业官网建设流程全解析

每个智能体都答对了，团队为什么还是错了

一句话版本（先给结论）

封面：拼图都对，整体有裂缝

一个反直觉的定理

先看最锋利的那个结果，观测混叠不可能定理：

翻译成人话：如果两条工作史产生同一份日志（因为有一个事件被隐藏了），而它们对应的正确动作不同——那么无论你换更强的模型、加长思考、拆角色分工、引入投票、还是多次采样，期望表现就是抽签。更强的模型只是在自己的上下文里搜得更勤；它看不见上下文之外的东西。

论文的实证非常配合这个冷酷结论：一个前沿模型在某修订基准上全见状态时 40 题全对；把决定性事件藏起来后，在测试的各种推理策略/角色/投票/工具条件下，观测准确率与三选一瞎猜（1/3）统计上无法区分；往上下文里补一句陈述缺失事实的话，恢复 40/40。

这一段值得每个做智能体的人抄在工位上：上下文工程有用的位置恰好是「它把缺失的区别放进了窗口」；对同一个窗口加长推理，没用。这把智力和可识别性干净地分开了——对人类团队、AI 团队、人机混合团队一视同仁。

第二种失败：拼得起来吗

第二种失败更隐蔽：信息大家都有，局部也都自洽，但局部一致的碎片拼不成任何一个全局状态。

三个两两翻译各自格式良好、互逆一致、局部合理，但绕一圈回来回不到起点；三个角色各自花销合法，总账爆了预算。论文用数学里现成的精确结构把这类问题统一建模成一个五元组：拓扑（谁和谁共享什么）、坐标系（谁用什么单位编码——设计智能体记毫米、加工智能体记米、成本智能体记英尺，同在一根梁上）、复合（局部如何拼）、约束语义、加一个判别代数 D 管「哪些区别必须保留」。

冷知识级别但极实用的结论：跨表示的一致性可以线性时间验证，但找最小代价的修复是 NP 难；共享预算根本不可能靠独立局部检查保护——要么提交时统一裁决，要么切分成配额。

处方：管理者智能体为什么不够

直觉方案是「加一个 manager 智能体统筹」。论文明确反对：管理者只是又一个多一个视图的参与者，同样被定理约束。正确形态是：

它像数据库事务引擎，不像同事。

机械守门人：模型提议，harness 裁决

四个实证（预注册面板）

1. 预算超支：60 轮 TeamBench，普通智能体团队 5/5 全部超支 20 次调用的共享预算；给它们看实时计数仍 4/5 超支（看见了也不管用——又是「信息在窗口里没用上」的变体）；提交时强制执行预算 0/5 超支，且任务进度无下降。固定按角色托管配额同样 0/5。信息展示救不了，结构裁决才救得了。

2. 本体对齐碰撞：2018-2024 的 45 个公开本体对齐网络中，23 个含有两两不可见的同本体身份冲突。拿到分裂视图的智能体在 40 次合并中复现了 9 次这类冲突；网络级检查 9/9 全检出全移除（代价：广播式修复让平均 F1 从 0.796 降到 0.774——修复有成本，但确定性移除）。

3. τ²-bench 电信面板（222 集）：注入的变更破坏规则时，常规策略检查与连贯性 harness 打平（常规工具本来管着那块状态）；已提交变更被静默撤销时，带常规检查的智能体得分 0.07，带 harness 的 1.00——0 到 1 的差距，正好落在「决定性状态无人掌管」的格子里。

4. 全部九项研究汇总的模式正是定理画的像：harness 在决定性状态缺失或无人掌管处赢，在常规工具已掌管该状态处平。

环路闭合：绕一圈回得到起点吗

工程落地清单（论文直接给的）

- 陈旧读+原子提交：每条提议记录它依赖过的全部状态版本（不只是最后那笔工具调用碰到的——五轮前读过的一条引文也算现在这笔订单的读集），提交时原子校验版本没变再写入。这给智能体系统一个「逐条串行」的语义保证。

- 配额/托管替代共享预算：把共享资源切成每角色独立配额，让角色彼此独立，全局约束自动成立。

- 环路闭合检查：任何跨表示翻译链，机械地验证绕环回来是否回到原点。

- 失效归档优于静默过时：下游依赖被设计变更波及时，让旧派生物显式失效，而不是悄悄烂掉。

结语

这篇论文的真正贡献是把一类大家各自挨过打、但没叫过名字的故障，命名并钉死在理论墙上：多智能体系统的可靠性问题里，有一大块根本不是智力问题，是状态归属问题。模型负责提议，机械支架掌管「哪些区别不能丢、哪些账必须全局算」——分权给纯机械的守门人，恰恰是对抗「人人都对、合起来错」的唯一解。

*论文：Global Coherence: When Every Agent Is Right and the Team Is Still Wrong（arXiv 2610.02036）*

*BuddyMe 每日免费 4500 万 Token。*