复现40篇Multi-Agent LLM论文，我只用了8个模板

What I Learned from Reimplementing 40 Multi-Agent LLM Papers

我最近把40篇Multi-Agent LLM论文的核心逻辑重新复现成了可运行的h5i-python脚本。结果发现，剥去华丽的评估和框架包装，绝大多数论文的本质不过是几十行控制流：一个循环形状、一套Prompt纪律和一个聚合规则。从Self-Refine到Debate，这些看似不同的方法其实共享着相同的骨架，区别仅在于反馈来源或可见性函数。真正的工程价值在于坚持样本独立性、用执行结果替代LLM的主观意见，以及将聚合逻辑保留在普通代码中。与其追逐每篇新论文，不如掌握这8个核心模式，就能覆盖该领域大部分文献。

"剥离评估部分和框架宣传后，中位数论文的贡献就是：一个循环形状、一套Prompt纪律和一个聚合规则。"