Coda
把代理架构、通信、合作与决策重新连成一套端到端研究问题。
学习目标
- 能把代理架构、通信、合作与决策连成整体
- 能提出一个端到端研究问题
- 能评估 MAS 方法的适用边界
为什么必须先冻结联合模型
先预测：每个代理都在学习时，系统会收敛到均衡吗？带着判断进入本页。
把代理架构、通信、合作与决策重新连成一套端到端研究问题。 Coda 不增加孤立术语，而是要求读者从单体自治走向多体交互，再回到形式性质和工程证据，识别仍未解决的假设。 本页不以单个代理“看起来聪明”为通过条件，而是检查联合状态、偏离动机、失败传播和可重放证据。
直觉、对象与计算合同
贯穿场景是：复盘一个从感知代理扩展到拍卖协作的完整系统。参与者、可观察信息、行动集、偏好或目标、环境转移、协议版本和终止条件必须在运行前固定，不能在看到结果后修改效用或阈值。
公式用于公开关系与前提，不替代正式证明或实证测量。跨章对象、时间或信息模型不一致时，应停止综合并回到共同基线。 本页重点防范：各章模型单独成立，却无法在同一系统中保持一致假设。
成员自由进出的系统：规范、声誉与信任机制是秩序来源。
正式目录节点：解释与联合验证
下列目录节点逐项映射到解释、页面专属实验和章末答案。每个节点都必须指出它改变哪个联合状态以及什么观测会推翻结论；单纯出现术语不计覆盖。
Coda
“Coda”细化本单元的正式问题，需要映射到参与者、信息、行动、结果和失败边界。 在“Coda 不增加孤立术语，而是要求读者从单体自治走向多体交互，再回到形式性质和工程证据，识别仍未解决的假设。”这条联合因果链中，本节点重点检查架构；只改变一个条件并保存联合轨迹，若出现“各章模型单独成立，却无法在同一系统中保持一致假设”，就在首个分叉停止。
Coda 的开放边界：从模型到责任
Coda 不再引入一套新算法，而是追问前面各章的模型在离开课堂例题后是否仍可问责。部署者需要把环境假设、参与者能力、消息权限、收益口径和终止条件写成可检查的运行合同；如果这些条件随场景变化，稳定性或理性结论也必须随之降级，不能把离线推导直接包装成生产保证。
跨章节迁移时，至少保留三类证据。第一类是模型证据：每个状态、行动和效用变量都能追溯到观测或明确假设。第二类是交互证据：信息延迟、通信失败、策略偏离和参与者加入退出都有可重放轨迹。第三类是治理证据：谁能修改协议、谁承担失败成本、谁有权停止系统都要在运行前确定。三类证据缺一，联合结果就只能算演示，不能算经过验证的多智能体方案。
因此，本页的方案判断不是比较“代理数量越多越好”，而是比较边界内的可解释收益与边界外的风险。若单体控制器或集中式优化在相同约束下更容易验证，应优先采用更简单的结构；若确需分布式自主性，则必须给出局部决策为何不可集中、协调协议如何限制机会主义，以及故障发生时怎样安全退化。这个开放问题把全书的技术坐标重新连接到工程责任。
常见误区
术语
小结
- 从单体自治走向多体交互再到形式性质
- 各章模型需在同一系统中保持一致假设
- 部署者需把环境假设写成可检查的运行合同
- 保留模型、交互和治理三类证据
- 若集中式方案更易验证则应优先采用
知识点对照
Coda
结语把代理架构、通信、合作与决策重新连成整体，提出↡成员可自由进出的多智能体系统，需要规范与声誉维持秩序。秩序与↡多个代理同时学习并相互适应的过程，环境因此非平稳。等端到端研究问题。
容易踩的坑
误区 1
现象 → 认为 MAS 问题都已解决 原因 → 忽视开放问题 修法 → 正视开放系统与学习收敛难题
误区 2
现象 → 多智能体学习当单体做 原因 → 环境非平稳导致不收敛 修法 → 用联合学习视角建模
误区 3
现象 → 把 LLM 代理当银弹 原因 → 经典协调问题仍在 修法 → 新老方法按问题结构组合
练习与答案
前后导航
练习
练习
问题 1： MAS 的开放问题有哪些？
问题 2： 为什么联合学习导致↡因其他代理也在学习而变化的环境，使最优策略不断漂移。？
问题 3： 提出一个端到端研究问题并给出验证设计。（独立实现）
名词解释
本章出现的专业名词，用大白话再讲一遍。
- 开放系统
- 成员可自由进出的多智能体系统，需要规范与声誉维持秩序。
- 多智能体学习
- 多个代理同时学习并相互适应的过程，环境因此非平稳。
- 非平稳环境
- 因其他代理也在学习而变化的环境，使最优策略不断漂移。