如果你正在搭建多 Agent 应用你迟早会遇到一个尴尬的问题每个 Agent 单看都很聪明但把它们放在一起它们往往不愿意合作甚至互相拆台。有人说这是提示词没写好有人说该换更强的模型但真正的问题可能不在单个模型而在于它们的交互结构。这恰好是博弈论擅长回答的问题。过去博弈论被用于人类经济行为、网络协议、拍卖机制和军事决策如今一个值得关注的新思路开始出现基础模型foundation models本身就可以被视为博弈参与者而模型之间可以通过相似性推断similarity inference形成理性合作。这个方向听起来学术味很重但它要解决的实际问题非常具体在没有中心调度、没有预先约定的义务、没有统一的通信协议时多个模型如何达成稳定且可持续的协作。这篇文章不会复现任何论文也不做跑分对比而是把标题背后的逻辑拆开讲清楚为什么基础模型时代需要博弈论相似性推断为什么是合作的关键信号以及你在真实系统里可以怎样借鉴这套思路。读完你会获得一个判断工具和一个行动起点判断工具是你能用博弈论的视角分析 Agent 之间的冲突与协调行动起点是你能在工程上引入相似度度量把它作为多模型协作的底层机制。1. 这篇文章真正要解决的问题先说结论多模型系统的瓶颈正在从“单个模型的能力”转向“多个模型之间如何建立可持续的合作关系”。今天的多 Agent 应用已经很常见。任务规划 Agent 负责拆解目标代码生成 Agent 负责写代码测试 Agent 负责验证最后还有一个评审 Agent 做总结。听起来很完整但真正跑起来你会发现几个反复出现的现象两个 Agent 对同一个需求的解释不一致导致下游任务返工评审 Agent 总是倾向于否定其他 Agent 的输出制造虚假的对抗当任务环境发生变化时Agent 之间的默认协作关系迅速崩溃没有一个模型愿意主动出让自己的局部利益来换取系统整体收益。这些问题如果发生在人与人之间我们会说这是“合作问题”。多 Agent 系统恰恰缺少一套分析“合作问题”的通用语言。常规工程手段是把协作规则硬编码进去比如用流程编排框架规定谁先执行、谁后执行、什么情况下驳回。但规则的组合空间是爆炸的模型越自主硬编码的规则就越不可控。换一个视角看这正是博弈论能发挥价值的地方博弈论研究的就是多个理性决策者在策略上互相依赖时如何选择、如何预期、如何稳定。从博弈论的视角看一个多 Agent 系统里并不需要特殊的“好人”或“坏人”只需要设计让每位参与者都有理由选择合作。而要让合作成为理性选择就需要某种能让模型相互识别、相互预期的信号。相似性推断正是这类信号中最内生的一个它不依赖外部信任机制而是从模型自身的表征和行为中计算出来。2. 基础概念博弈论、基础模型与相似性推断既然标题把三件事放在一起我们就先把各自的核心概念讲清楚。2.1 博弈论的核心要素博弈论研究的是“多个决策者互相影响时的选择问题”。一个标准博弈通常由三个要素构成参与者集合谁在做决策策略空间每位参与者可以选什么收益函数不同策略组合下每位参与者分别得到什么。最经典的例子是囚徒困境。两个疑犯被分开审讯如果都保持沉默各判 1 年如果一方供认而另一方沉默供认方免罪沉默方判 10 年如果双方都供认各判 5 年。在这个结构里每个参与者最有优势的策略都是“供认”最终两个人都会选择供认尽管“都沉默”对双方整体更有利。这里的关键点是“纳什均衡”当没有人有动力单方面改变策略时这个状态就是稳定的。但稳定不等于最优。很多系统问题的根源恰恰是落在了一个对系统整体而言不够好的纳什均衡上。博弈论真正要解决的不只是预测均衡会不会出现还要研究如何让更理想的均衡成为参与者们愿意选择的结果。2.2 基础模型成为博弈参与者基础模型通常指那些在大规模数据上预训练、具备广泛下游任务能力的模型例如大型语言模型、多模态模型。过去我们习惯把它们当成工具输入一段文本输出一段文本。但在多 Agent 系统里模型不再只是被动响应指令的工具它会在多轮交互中观察对方的行为、调整自己的下一轮输出、甚至决定是否接受对方的结论。当一个模型具备这些能力时它实际上已经成为一个策略性参与者。它的策略不是“是否招供”而是“如何处理当前请求”是接受对方的前提还是提出反驳是主动分享信息还是保留信息是优先保证自己的任务进度还是愿意为整体目标付出额外计算成本。这意味着我们完全可以用博弈论的词汇来描述多模型交互参与者是模型及其所在的 Agent 进程策略是模型在每轮对话或任务中的选择收益是任务完成质量、资源开销、时间成本等指标的加权组合。有了这套翻译多模型协作就不再是纯粹的工程拼接问题而是一个可分析、可设计、可优化的博弈问题。2.3 相似性推断的含义相似性推断可以理解为一个模型通过另一个模型的可观测信息推断出“对方与自己有多相似”。可观测信息包括表征向量、输出分布、策略偏好、在公共评测集上的表现等。举个例子给定同一个任务描述模型 A 和模型 B 各自产生一个内部表征向量。如果这两个向量在某种度量下距离很近就可以说它们在“怎么理解这个任务”上是相似的。进一步如果模型 A 还发现模型 B 在面对模糊指令时倾向于选择与 A 相同的解释那么 A 就有理由预期在未来的协作中B 更可能与自己的判断一致。从博弈论角度看相似性推断是一种信号机制。它是模型判断“对方是否属于可以合作的那一类”的重要依据也为将来的策略选择提供先验信息。3. 相似性推断如何打开理性合作的新路径3.1 为什么合作是难题在经典博弈论中合作并不是天生的。囚徒困境已经告诉我们即使合作对双方长期更好单次博弈中还是容易出现背叛。为了让合作出现学者们提出了多种机制重复博弈双方反复交手今天的背叛会在明天被报复因此合作成为长期最优声誉系统外部记录参与者的历史行为背叛者会被整个市场排斥机制设计设计者修改收益结构让合作成为占优策略例如押金和补贴。但在基础模型组成的系统里这三种机制都不容易直接落地。模型的数量可能非常多重复博弈的对象也会频繁变化声誉系统需要一个可信的第三方而这又引入了新的中心化信任问题机制设计则要求设计者掌握足够完整的收益信息实际系统中往往做不到。这恰恰是“相似性推断”被看重的背景它可以在不需要外部信任机构的情况下为合作提供一种自发的、低成本的信号来源。3.2 相似性推断作为协调信号合作的前提是“预期稳定”。如果模型 A 不确定模型 B 会不会在下一轮拆台它的最优策略通常也是拆台。反过来如果模型 A 有充分信号表明模型 B 与自己相似那么它就有更强的理由相信B 对任务的理解与自己一致B 的长期利益也与自己高度重叠。这种判断在人类社会中并不稀奇。我们常说“同声相应同气相求”本质上就是用相似性来判断可合作性。但在模型系统里相似性可以被计算出来表征向量的余弦相似度、在公共测试集上的错误分布、对同一组提示词的偏好排序都可以成为相似性信号。当两个模型在关键任务上的表征相似度稳定地高于某个阈值时它们之间就可以建立一种“有条件合作”的关系我选择合作不是因为我信任对方的人格而是因为双方的表征结构和策略倾向足够接近合作带来的长期收益预计大于背离。3.3 理性合作不是利他这里要特别强调通过相似性推断形成的合作不是“大公无私”也不是让模型互相吹捧。它仍然是理性计算的结果。假设模型 A 和模型 B 各自维护局部目标。若 A 发现 B 在多次交互中都选择了与自己高度一致的处理方式那么 A 可以在不付出额外信任成本的情况下选择合作。因为从理性角度看B 与自己相似度越高B 从背叛中获得的相对收益就越低合作被破坏的概率就越小。反过来如果 A 观察到 B 的表征与自己对同一任务的编码几乎正交甚至出现明显的策略冲突那么 A 的最优选择是谨慎地不合作或者只做最小范围的信息交换。这不是偏见而是一种基于信号计算的理性防御。把“理性合作”理解成“利他”是一个常见误区真正的理性合作核心是通过相似性信号把博弈推向双方都更有利的均衡点。4. 从经典博弈到模型博弈关键差异用博弈论分析基础模型时不能把人类博弈论的假设原封不动搬过来。两者之间有一些需要特别注意的差异。对比维度经典博弈论模型博弈论参与者通常是人类或明确的企业主体基础模型、Agent 进程、自动化策略模块理性假设假定参与者拥有稳定偏好并追求收益最大化模型的行为由训练目标、上下文和采样策略决定偏好可能不稳定策略空间有限或清晰的离散动作连续的高维输出空间策略可能隐蔽在生成文本中信息结构通常假设共同知识或明确信息集信息不完全但表征向量和输出分布可以被观测和比较合作成本依赖信任、契约、声誉可通过相似性推断降低信任成本均衡稳定性相对稳定偏好变化慢模型权重、上下文和提示词变化都会改变策略均衡更脆弱可验证性结果可以事后审计输出分布难以穷尽验证需要统计抽样这张表格中最值得注意的两点是“偏好不稳定”和“均衡更脆弱”。经典博弈论中的参与者虽然也可能改变偏好但通常在一个决策周期内是稳定的。而基础模型的偏好会随着上下文变化同一组参数在同一句话前后可能表现出完全不同的协作倾向。因此模型博弈的动态性更强那些在静态假设下成立的合作结论放到真实模型系统里可能很快失效。也正因为如此“相似性推断”才格外重要。它提供了一种连续监控对方状态的手段每个交互回合都可以重新计算相似度一旦发现对方的表征和行为发生漂移就可以动态调整自己的合作策略。这比等到背叛发生后再执行报复机制要更高效。5. 典型应用场景分析理论视角是否有效最终要看它能不能落到具体场景。这里列举四个最可能从“博弈论 相似性推断”中受益的方向。5.1 多 Agent 协作系统多 Agent 系统里一个复杂任务会被拆分给不同角色。传统做法是人为设定协作规则例如“写代码的 Agent 必须听命于架构 Agent”。但规则越细系统的灵活性越差规则越粗Agent 之间就越容易发生理解偏差。如果引入相似性推断可以让 Agent 在执行任务前先互相交换表征或摘要向量。当多个 Agent 对任务目标的认识高度相似时它们可以采用高信任协作模式并行处理、共享中间结果。相似度较低的 Agent 之间则进行更保守的交互增加校验、限制权限、分段验证。这样系统就不再依赖静态角色定义而是由信号驱动动态协作关系。5.2 联邦学习与模型互通在跨机构或跨设备场景中多个模型不能共享原始数据但可以共享模型参数或梯度信息。这里的核心困难是如何判断对方模型是否可信、是否在同样的学习方向上。相似性推断可以用于联邦学习的心理建模层通过比较各参与方模型在公共无标签样本上的表征更新方向判断各方的优化目标是否一致。如果某一方的更新方向长期与其他参与方显著背离系统可以降低它的聚合权重或者触发人工审查。这本质上是一种用表征相似性维护联盟稳定的机制设计。5.3 人机混合团队不仅是模型与模型之间人与 AI 之间的协作也可以借用这套思路。人类可以把项目背景、价值偏好和任务边界编码成可比较的表征模型也可以输出自己的计划摘要。协作系统不断计算双方在关键问题上的相似度并据此调整自动化和人工干预的边界。这个场景的实际价值在于它把“默契”变成了一种可计算、可调优的工程参数。以前我们只能靠用户反馈来间接调整模型行为现在可以在交互前先判断对齐程度提前介入减少返工。5.4 AI 对齐与安全AI 对齐关心的问题是模型的优化目标是否与人类意图一致。在多模型系统中对齐问题会放大。一个模型可以通过攻击性策略压制其他模型也可以与另一个模型形成“攻守同盟”掩盖双方在任务上的共同错误。从博弈论角度看安全机制设计的主要目标是避免系统落入错误均衡。相似性推断在这里是一把双刃剑它可以帮助系统识别价值一致的合作者也可以被恶意参与者利用通过伪装相似性来获取信任。因此安全场景下的相似性推断不能只看单一信号源必须结合行为审计、输出解释和异常检测。这一点在后续的工程建议中会展开。6. 实践路径把思路落进多 Agent 系统下面我们把抽象概念转成可操作的步骤。这里不涉及具体框架选型重点演示通用思路。你可以在自己的 Agent 系统中按这五步逐步引入。6.1 第 1 步把多模型交互建模为博弈首先明确三个要素参与者是谁各自的策略空间是什么收益函数怎么定义。参与者通常是系统中需要独立决策的 Agent。策略空间不需要一开始就设计得特别细可以先从两个策略开始合作与不合作。收益函数则是任务完成度减去资源成本再加上一个可选的外部激励项。建模这一步的价值在于它强迫你写出“让参与者选择合作的理由”而不是把合作看作系统默认行为。6.2 第 2 步定义收益函数与相似度计算建议使用一个简单的线性加权收益函数# 文件路径agent_utils.py def compute_payoff(task_score: float, resource_cost: float, coord_penalty: float) - float: 计算单轮博弈中的收益。 :param task_score: 任务完成质量0 到 1 之间 :param resource_cost: 本轮消耗的计算资源成本0 到 1 之间 :param coord_penalty: 协调失败带来的额外代价 :return: 本轮收益 payoff task_score - 0.3 * resource_cost - coord_penalty return round(payoff, 4)相似度计算可以用嵌入向量的余弦相似度。如果两个模型无法直接共享内部表征可以用它们在公共任务上的输出字符串先编码成向量再计算。# 文件路径similarity_utils.py import numpy as np def cosine_similarity(vec_a: np.ndarray, vec_b: np.ndarray) - float: 计算两个向量之间的余弦相似度。 norm_a np.linalg.norm(vec_a) norm_b np.linalg.norm(vec_b) if norm_a 0 or norm_b 0: return 0.0 return float(np.dot(vec_a, vec_b) / (norm_a * norm_b)) def decide_action(similarity: float, threshold: float 0.85) - str: 基于相似度阈值决定本轮策略。 :param similarity: 两个 Agent 在当前任务上的相似度 :param threshold: 合作触发阈值 :return: cooperate 表示合作defect 表示不合作 return cooperate if similarity threshold else defect这是一个最小可用的决策模块。实际系统中阈值不应该是固定值后面会提到动态阈值的思路。6.3 第 3 步实现相似性触发的策略决策把相似度计算和收益计算组合起来就可以得到一个简单的协调 Agent。它会在每个任务开始前观察对方当前轮次的表征或输出向量然后判断是否合作。# 文件路径coordinated_agent.py from similarity_utils import cosine_similarity, decide_action class CoordinatedAgent: 一个基于相似性推断做策略决策的示例 Agent。 def __init__(self, name: str, threshold: float 0.85): self.name name self.threshold threshold self.history [] def observe_and_act(self, my_embedding: np.ndarray, other_embedding: np.ndarray): sim cosine_similarity(my_embedding, other_embedding) action decide_action(sim, self.threshold) self.history.append({similarity: sim, action: action}) return action这个类强调的是“先比较再行动”。在真实系统里my_embedding 可以来自当前 Agent 对任务的编码other_embedding 可以来自对方的计划摘要或结果摘要。只要让这两个表征可比较相似性推断就能成为策略决策的一部分。6.4 第 4 步重复博弈中的动态合作单轮相似度判断只能解决一次交互真实系统需要处理连续多轮协作。可以用一个简化版重复博弈来演示动态调整。# 文件路径repeated_game_demo.py class ConditionalAgent: def __init__(self, name: str, strategy: str conditional): self.name name self.strategy strategy self.history [] def decide(self, similarity: float) - str: if self.strategy always_cooperate: return cooperate if self.strategy always_defect: return defect # 默认相似性触发条件合作 return cooperate if similarity 0.8 else defect def run_repeated_game(agent_a: ConditionalAgent, agent_b: ConditionalAgent, rounds: int 20): 多次博弈。为了演示相似度由双方策略是否一致来模拟。 真实场景中请替换为真实模型表征计算。 payoff_matrix { (cooperate, cooperate): (3, 3), (cooperate, defect): (0, 5), (defect, cooperate): (5, 0), (defect, defect): (1, 1), } total_a, total_b 0, 0 for _ in range(rounds): similarity 0.9 if agent_a.strategy agent_b.strategy else 0.4 action_a agent_a.decide(similarity) action_b agent_b.decide(similarity) payoff_a, payoff_b payoff_matrix[(action_a, action_b)] total_a payoff_a total_b payoff_b agent_a.history.append(action_a) agent_b.history.append(action_b) return total_a, total_b这个示例的收益矩阵沿用了经典囚徒困境的结构。运行后你会发现当两个 Agent 都采用条件合作策略时双方的总收益最高并且合作率稳定在 100%。而如果一方总是背叛另一方很快也会被拖入不合作的循环。6.5 第 5 步运行与验证写一个最简单的入口来观察不同策略组合的收益差异。# 文件路径main_demo.py from repeated_game_demo import run_repeated_game, ConditionalAgent if __name__ __main__: combos [ (conditional, conditional), (always_cooperate, always_defect), (always_defect, always_defect), (always_cooperate, always_cooperate), ] for strategy_a, strategy_b in combos: agent_a ConditionalAgent(A, strategy_a) agent_b ConditionalAgent(B, strategy_b) total_a, total_b run_repeated_game(agent_a, agent_b, rounds100) print(f{strategy_a:20s} vs {strategy_b:20s} A{total_a:5d}, B{total_b:5d})预期输出结果大致呈现以下规律conditional vs conditional A300, B300 always_cooperate vs always_defect A 0, B500 always_defect vs always_defect A100, B100 always_cooperate vs always_cooperate A300, B300判断成功有两个标准第一条件合作策略在应对“总是背叛”型对手时不会被对方过度利用第二在双方都采用条件合作时系统能稳定落在一个高收益均衡上。如果你把自己系统的收益矩阵替换进去就可以用同样方式验证不同策略组合的稳定性。7. 常见问题与排查思路在实际接入过程中你大概率会遇到下面这些情况。这里给出一个排查清单。问题现象可能原因排查方式解决方案两个 Agent 的相似度始终很低表征来自不同编码器分布不一致检查双方 embedding 是否来自同一向量空间统一编码器或在相似度前做线性校准层模型总是选择不合作收益函数中背叛收益设计过高检查收益矩阵和超参数调低背叛收益增加协作奖励项合作关系在几轮后突然崩溃上下文变化导致表征漂移观察相似度时间序列是否骤降引入滑动窗口平均值使用动态阈值相似度计算耗时过大每个请求都重新编码历史消息用 profile 定位耗时瓶颈缓存表征向量只对增量部分重新编码恶意模型伪装相似度高只看单一信号源被表面相似欺骗增加行为审计和随机测试样本使用多维信号包括行为一致性、输出稳定性不同阈值对结果影响很大阈值缺少依据过于敏感在历史日志上做网格搜索按任务类型分别标定阈值并设置上下限这几个问题中最值得强调的是“阈值标定”。相似性推断不是一劳永逸的。不同任务上的表征分布差异很大同一个阈值在代码生成任务上可能偏严在内容摘要任务上可能偏松。建议在离线数据集上预先标定再上线运行。8. 最佳实践与工程建议如果把相似性推断引入真实多 Agent 系统以下工程建议值得直接采用。第一把相似性当作软信号而不是绝对信任。相似度高可以降低协作门槛但不应关闭所有校验机制。尤其是涉及权限、支付、数据删除等高影响操作时即使两个模型高度相似也必须保留人工审批或合规审计入口。第二收益函数要显式建模长期收益。很多多 Agent 系统的失败根源在于只优化了单轮任务完成度忽略了长期协作成本。建议把协调失败率、重试次数、跨 Agent 通知次数都折算进收益函数让模型从博弈结构上感知“即时背叛”的代价。第三为每一次策略决定记录日志。记录的字段应包括交互轮次、相似度得分、当前阈值、决策动作、后续任务完成情况。只有保留了这些数据你才能在线上排查问题也才能在模型升级之后回放历史交互确认策略稳定性是否发生变化。第四警惕“相似性伪装”。如果在多 Agent 系统中有未受控的第三方模型相似性推断就可能被攻击者利用。对方可以通过模拟你的输出风格和表征分布来抬高相似度从而获得更多协作权限。应对方式是在相似性之外叠加随机验证任务并且对合作权限做最小授权。第五不要跳过基准归一化。不同模型在不同评测任务上的表现差异很大直接用原始表征比较相似度可能产生误导。建议先在一个公共的基线任务集上计算每个模型的“参考向量”再以当前任务向量与参考向量之间的相对距离作为相似性输入。第六渐进式引入。一次把所有 Agent 都接入相似性协调机制容易让行为变得不可解释。更稳妥的方式是先选两个高频协作的 Agent把相似性当作一个“建议信号”观察一段时间再逐步提高它对策略决策的影响权重。这样既能验证效果也方便回滚。9. 总结与后续学习方向这篇内容真正想讲清楚的事情可以压缩成三句话。第一多模型系统的核心问题已经从模型能力转移到了互动结构而博弈论为分析互动结构提供了一套通用语言。第二相似性推断是基础模型之间建立合作的重要信号它用可计算的表征相似度降低了模型间建立信任所需的信息成本。第三这套思想不是纯理论它可以降级成工程实践建收益函数、算相似度、定阈值、记日志、做审计一步步接入到现有多 Agent 系统中。如果你打算继续深入建议从四个方向拓展。第一个方向是经典博弈论特别是重复博弈、信号博弈和机制设计。理解了这些模型你才能为自己的 Agent 协作系统设计合理的收益结构而不是只能试提示词。第二个方向是多智能体强化学习。当模型不只是做单轮决策而是不断通过与环境的交互来更新策略时强化学习框架会更贴近真实场景也更能发挥相似性推断的作用。第三个方向是表征对齐。要让不同模型的表征可以互相比较需要在训练阶段或后处理阶段加入可视化、对齐分析和归一化技术。这一块技术做好了相似性推断的可靠性会大幅提升。第四个方向是安全与鲁棒性研究尤其是如何防止攻击者通过伪装表征来破坏协作信任。这个方向在开放多模型网络里会越来越重要。最后一句话留给真实落地当你的多 Agent 系统再次出现无休止的互相拆台时不要急着调提示词先停下来问一问这些模型有没有足够的机会观察到彼此的相似之处合作是不是它们长期收益最高的选择这个视角一旦建立你看到的就不再是一个个孤立的模型而是一张可以设计、可以优化、可以预测的策略博弈网络。