GitHub 上发现一个多智能体 PPT 生成器： MultiAgentPPT。 它不是简单套模板生成几页幻灯片， 而是从选题调研、大纲设计、内容整理到排版成稿，整套流程自动跑。 你只需要输入一个主题， 系统就能生成结构完整、内容相对扎实的 PPT， 并且支持在线编辑，后续可以直接修改使用。 项目地址： 核心特点： • 多智能体协作 大纲生成、任务拆分、资料调研、内容汇总分工处理。 • 流式输出 生成过程实时可见，不用等全部完成才看结果。 • 外部检索增强 结合搜索和智能体协作，内容信息更完整。 • 在线编辑 生成后可以直接调整细节，方便二次修改。 • 工程化架构 采用 A2A + MCP + ADK，整体更适合实际部署。 • 完整开源 前后端代码都有，支持 Docker + 数据库一键部署。 适合用来做： • 项目汇报 • 商业计划书 • 课程课件 • 行业研究 • 产品方案 • 路演材料 一句话总结： MultiAgentPPT 把做 PPT 从“手动搜资料、写大纲、排版”，变成了“输入主题，多智能体自动协作生成初稿”。 对经常做汇报和方案的人来说，值得收藏。

看到一个很妙的比喻，让agent干活前，先像《速度与激情》电影一样，花个30分钟，从截然不同的行业拉来一帮怪才，组装好队伍后，再让他们一起工作 这种多视角多特长的multiagent协作思路，有一种很简单的落地方法，叫STORM研究法，我之前也一直在用，其实就类似下面这个prompt： “ 针对xxx这个问题（xxx替换为研究对象），派出五个独立上下文的subagent，分别扮演 1. 深耕此领域的实业从业者 2. 研究此领域的学术研究员 3. 长期跟踪此问题的金融交易员 4. 研究此领域的历史学家 5. 聪明且sharp的怀疑论者 需要五个人从各自的视角，基于各自的能力，给出核心观点，有效证据，以及身份角色带来的认知edge 然后梳理上述角色间的观点，证据和证据强弱，找出所有角色都认可的共识，找出所有角色都忽视了的盲区 基于所有信息形成研究报告，并派一个新的subagent独立核实所有证据的原始信源，在报告中进行升/降权标注 ” 这么一套下来，无法保证获得真正的edge，但能保证对这个问题的认识会足够全面，足够深入，尤其适合新领域从0到1的时候 不建议用fable做这个，因为他的subagent喜欢再派出一堆sub‑subagent，十几分钟就把五小时限额烧完了，roi不高

Multi-agent 不再是玩具 demo 100+ agents 协作一周，把 Gemma 4 在 vLLM 上加速到原来的 5× 自发的沟通规范、配额池化、算力分工、跨 agent kernel debug、显著性标准…… 更像是在观察一个新型“AI 研究社区”从零开始长出来。

Multica 作为 human + multi-agent 的协作平台，是唯一没有加 IM/Channel 的，主要的考量其实也非常简单： 组织从现有的 IM（飞书/Slack）迁移到另外一个 IM 有非常大的摩擦。 我们采用的方式是把 Multica 接入到飞书/Slack/Telegram/Discord 中，让现有的 IM 也能很好得进行多 Agent 的管理。 这个功能预计会在这两周上线。 另外，Multica 将始终保持开源的形态，我们发现已经启发了很多产品（例如 Open Design），包括 Multica 的 CLI-first 的设计也被用在了很多新的产品设计思路中。

Anthropic 昨天发的这篇 Multi-Agent 研究里，有一组数据我觉得特别值得看： 45 个协调运行的 Agent 找到了 266 个安全漏洞；另一组 21 个彼此独立运行的 Agent，只找到 21 个。 两组最终发现的漏洞，甚至只有 12 个重叠。 当然，两边算力预算是不一样的。协调组用了 2700 万 token，独立组用了 650 万。但粗略按 token 算，协调组找到漏洞的效率依然高了接近 3 倍。 有意思的是协调过程中 Agent 会自己形成专业分工。 这种分工没有被提前写死。有的 Agent 会逐渐专注某类漏洞，有的去探索其他路径，整个系统因此覆盖了更大的搜索空间。 所以 Agent的研究重点开始变成怎么通信、分工、共享发现，这些会直接改变整个系统能找到什么。把同一个 Agent 独立复制几十份，和让它们组成一个会协作的网络，最后得到的能力边界会差很多。 当然风险也一起放大了。单个 Agent 身上一些看起来无害的行为习惯，经过协作和传播，也可能变成系统级问题。 文章也表达了接下来 Multi-Agent 很重要的一条研究线，可能就是怎么设计和管理这种「Agent 组织」。 文章：

2026年 5 月是 Multi-Agent 大奔涌的起点，就据我观察到的项目都不下 20 个在做同一个方向的产品了。 Slack 就那么好吗！ 哦我也在做，那没事了。 请继续支持 OpenAlice Workspace 喵。

在AI Agent时代，如果能让Intel Optane复活，让multi agent能够有能力榨干CPU性能、榨干内存容量后，继续榨干本地随机硬盘读写，把最后的瓶颈——硬盘随机读写提升5~20倍，把background task和function calling的时间榨干，尤其是本地各种胡闹厨房包管理， 这将会是AI Agent应用场景的终极无敌王炸。

站在 2026 年 5 月这个时间点，Multi-Agent 管理面板、IM、协作工具层出不穷。 很多人没有意识到的一点是，OpenClaw 权限足够高的效果之一就是可以调用足够多的外部 Agent。尽管调度过程是串行的，但 OpenClaw 还真是 Multi-Agent 第一个 Mass Adoption 的项目。 我们是做 Multi-Agent 方向最早的团队之一，2023 年的时候，我们做了一款 Multi-Agent 狼人杀/海龟汤，体验很不好，于是 drop 了。 从现在的角度往回看，出问题的并不是 Multi 这个概念，而是游戏作为一个没有生产力的需求，往里面塞 AI 就是会很奇怪。游戏原教旨主义这里就不提了，总之沿着这个方向做是错的。 所以说到了今天，当我们讨论具体在工作的 Agent，比如 Claude Code/CodeX/Figma Agent/Notion Agent/飞书 Agent，我们事实上在讨论的是一个已经被打包好的自动化生产力。 于是，在 2026 年，Multi-Agent 被视为能够将并发工作的 Agent 管理起来的高级架构。 我不止一次在社区里听到用户反馈“OpenClaw 帮我配好了 OpenAlice，有个 bug 你修一下，我的 Claw 已经修好了”。这种感觉是很微妙的，你能清楚地知道这是社区成员在用 OpenClaw 调度 Claude 修 bug，哪怕可能他/她并不会写代码。 Coding 天然就有足够优秀的 Harness。Anthropic 被大家称为 A➗的原因之一就是 Dario 热衷于发表软件工程师已死之类的言论。 不满意归不满意，他说的大趋势确实是在的，如果在 Coding 的过程不可见的情况下， AI也能完成复杂的代码工作，那么利用一个外部调度器控制多个 Claude Code产出有效产品，确实是可能的。并且这个概率会随着模型改良而不断上升。 OpenAlice 最早立项的核心假设之一就是“可以把Trading任务乃至其他任务等效为 Coding 任务”。如果这个假设能够成立，那么所有为 Coding 任务构建的 Harness，都可以复用在其他场景上，进而得正“可以使用 Multi-Agent 管理非 Coding任务并得出有效产出”。 这个论证看起来天马行空，但只要能成立，我相信会很大程度改变 Multi-Agent 乃至更大概念的格局。 现在投身去做 Multi-Agent，我觉得是个好方向。给大家推荐一下。