Synergizing Logical Reasoning, Knowledge Management and Collaboration in Multi-Agent LLM System

文章主要内容和创新点

一、主要内容

本文提出了一种名为SynergyMAS的新型多智能体框架，旨在通过整合逻辑推理、知识管理（检索增强生成，RAG）和心智理论（ToM）能力，提升基于大语言模型（LLMs）的多智能体系统（MAS）的协作能力和问题解决效率。

• 核心架构：SynergyMAS采用分层结构，由一个“主导代理”协调工作流，整合三大关键组件：

  • 逻辑推理：基于Neo4j图数据库存储对话数据，通过Clingo逻辑求解器（基于回答集编程，ASP）处理逻辑查询，生成符合逻辑的响应；
  • 知识管理：基于改进的Corrective RAG（CRAG），结合内部领域特定数据库（Chroma向量库）和外部网络搜索（Tavily框架），实现知识的高效检索与更新；
  • 心智理论（ToM）：通过代理响应中的“我的信念”部分，使代理能够推断自身及其他代理的心理状态（如信念、意图），增强协作效率。

• 案例验证：以采用精益创业方法的产品开发团队为例，展示了SynergyMAS在开发智能家居能源管理系统中的应用，验证了其在提升团队性能、适应性和问题解决能力上的有效性。

• 评估与对比：与现有系统（如ChatGPT-4o、Chain of Thought（CoT）、Tree of Thoughts（ToT））相比，SynergyMAS在多视角分析、逻辑一致性、知识整合及协作深度上表现更优，但存在响