英超转会遇上AI：我给阿森纳搭了个多智能体系统，结果模型“疯”了

　　英超新赛季还有一个月出头就要开打，我主队阿森纳上赛季总算熬出头，22年等来一座联赛冠军。可回头一琢磨，欧冠和联赛杯本来也该揣兜里的。枪手的问题大家心里都有数——防线可能全世界最好，上赛季最大比分输球不过是0比2败给曼城，但进攻线就差那么一口气。领先一球就想着守到终场，这习惯每次看球都让人手心出汗。

　　说起来，我平时既看球也写代码，最近正好在捣鼓多智能体架构，研究怎么用微软那套Agent Framework（MAF）把几个AI代理排到一起干活。脑子里突然蹦出个念头：能不能搭个多智能体系统，模拟转会决策，帮阿森纳卫冕路上找找引援灵感？顺便也摸摸多智能体编排的各种门道。代码和演示视频我扔GitHub和YouTube上了，有兴趣可以翻翻。

　　MAF这玩意儿就是个开源框架，帮开发者建AI代理，支持.NET、Python，最近还加了Go。每个代理背后都接了大语言模型，能调用各种工具干活。它的决策路径不是写死的，全凭LLM根据对话上下文和手头工具动态决定。单个代理面对复杂场景经常撞墙，受限于指令意图或者底层模型的能力边界。这时候把多个不同技能、不同视角的代理凑一块，理论上能突破单打独斗的局限。

　　不过代理一多，麻烦也跟着来。架构里塞一堆各有专长的代理，不见得就能自动避开单智能体的那些坑。这个项目里，所有代理围着两份JSON文件转：一份是arsenal-squad.json，装着全队24名球员和可调用资金；另一份是transfer-targets.json，候选引援名单。

　　实际跑起来，系统表现相当分裂。好的方面是，代理们真会去“查资料”——调API抓转会市场网站的最新传闻，再结合热身赛数据和球队现有薪资结构给出判断，逻辑链条完整，说得头头是道。但槽点也够突出：有时候模型持续输出同样的碎片化句子，来回绕圈子，活像大脑死机了。更夸张的是，有次评估潜力新星，系统突然蹦出一句“我不是冠军球队主力的事实”，凭空给自己加了一段被弃用的沮丧独白。这哪是论证，分明是模型幻想着角色扮演了。

　　我的判断是，这个业余实验恰好照出当前多智能体系统的真实水位线。当任务边界清晰、数据接口稳定时，几个代理分工协作能跑出让人惊喜的结果。可一旦涉及创造性推理或者需要长时间保持状态一致性，底层的LLM就开始黑盒式地“脑补”，输出质量直线往下掉。对想用这类框架搞生产的开发者来说，现阶段更务实的做法或许是：先用单代理把数据管道和工具调用链路彻底跑通，再慢慢琢磨引入第二个代理究竟要解决什么具体问题。不然一地鸡毛的调试成本，可能比枪手前锋临门一脚的命中率还让人血压高。