系列研究成果：面向互联网基础资源的大模型多智能体协作与可信认知标识技术研究

本研究聚焦互联网基础资源场景下智能体命名、服务发现等问题，针对自然语言请求难以稳定映射到可调用智能体服务、复杂场景下处理结果稳定性不足、过程说明与结果支撑能力较弱等问题，开展基于大模型多智能体协作和可信认知标识技术的原型研究与验证，形成了面向相关场景的成果。

一、探索互联网基础资源场景下的智能体命名表达与能力组织方式，构建可信认知标识

随着智能体服务持续发展，其能力边界、服务形态和应用方式日益丰富。不同于传统资源对象，智能体服务不仅需要被识别和访问，更需要能够被准确表达、合理组织和有效区分。特别是在互联网基础资源场景中，面对服务类型多样、应用边界交叉、调用关系复杂等实际情况，如何形成清晰、规范、可衔接的命名表达与组织方式，是支撑后续服务发现、请求匹配和调用协同的基础问题。

围绕这一问题，本研究借鉴互联网基础资源在分层命名、规范组织和稳定标识方面的思路，结合智能体服务在现实场景中的能力特征和组织需求，研究适用于相关场景的能力表达与组织方式，使智能体服务能够在互联网基础资源框架下形成更清晰可信的表示基础。

二、面向智能体服务发现的自然语言请求，开展基于大模型多智能体的语义路由研究

当前用户需求越来越多地通过自然语言提出，而这类请求往往具有表达灵活、条件并存、语义交叉和任务链条较长等特点。一个请求中既可能包含明确的主任务，也可能同时包含补充要求、偏好限制、使用边界和风险关注点。面对这类复合型表达，传统以关键词匹配或静态检索为主的方式，往往难以稳定支撑复杂请求与智能体服务能力之间的有效对接。

针对这一问题，本研究设计了复杂请求场景下的语义路由方案，重点探索如何增强自然语言请求与智能体服务能力之间的语义关联与承接关系，使系统能够更好识别请求所对应的任务方向、处理重点和场景需求，提升复杂场景下服务匹配与处理衔接的稳定性。

在此基础上，本研究进一步探索了大模型与多智能体协作在复杂请求处理中的支撑作用。大模型用于增强复杂语义的理解能力，多智能体协作用于提升复杂任务场景下的适配能力和协同能力，可信认知标识相关支撑则有助于改善结果呈现和调用过程的可理解性。三者结合，使系统在面对多条件、多目标、多语义交织的请求时，能够更好支撑服务能力承接、处理链条衔接和结果输出表达。

三、原型系统与实验验证

在上述研究基础上，项目形成了原型系统，用于支撑相关思路的集成展示、功能验证和典型场景演示。原型系统围绕智能体服务组织、请求理解、语义路由、协同处理、结果展示和过程留痕等主要环节进行了整体构建。

围绕原型系统，研究团队开展了多轮实验验证。结果表明，相关研究思路在复杂请求场景下具有较好的适配能力，在提升请求与服务能力之间的衔接水平、增强复杂任务处理过程的稳定性、改善结果输出的连贯性等方面表现出积极效果。相关工作也进一步表明，大模型、多智能体协作与可信认知标识技术在互联网基础资源场景中的结合，具有较强的研究价值和应用潜力。

总体来看，本研究面向互联网基础资源与智能体服务融合发展的现实需求，对关键问题进行了持续探索，形成了具有验证基础的原型成果，为后续技术研究、系统建设和场景应用拓展提供了有益参考。

作者简介：

邓斯宇，中国互联网络信息中心工程师，主要研究方向为人工智能、软件研发、域名技术。

姚健康，中国互联网络信息中心研究员，主要研究方向为互联网关键技术、DNS IDN等互联网基础资源技术和安全。

李真辉，中国互联网络信息中心高级工程师，主要研究方向为域名技术、软件工程。

殷智勇，中国互联网络信息中心工程师，主要研究方向为域名技术。

申旭刚，中国互联网络信息中心工程师，主要研究方向为分布式系统、域名技术。