从多智能体编排到 AI 自主决策：资损防控体系的架构演进

📌 一句话摘要

本文介绍了阿里资损防控体系从多智能体编排（V1）向单智能体自主决策（V2）的架构演进，通过长上下文、MCP 工具链和 Git 知识管理实现了准确率与召回率的翻倍提升。

📝 详细摘要

文章深入探讨了阿里技术团队在资损防控领域的 AI Agent 架构演进过程。V1 方案采用多智能体编排，虽实现了自动化但存在信息损耗、编排僵化等瓶颈。V2 方案转向「单 Agent 自主决策」，核心理念是「更强的模型意味着更薄的编排层」。通过 OpenSpec 规范驱动、长上下文全局视野、MCP 主动探索式知识获取以及「文档即代码」的 Git 仓库管理模式，V2 显著提升了系统的准确率（从 42.9% 升至 86%）和召回率（从 63% 升至 90%）。这种架构范式的转变，将 AI 从机械执行者提升为具备全局理解和动态调整能力的决策者。

💡 主要观点

1. 架构范式从「多 Agent 编排」转向「单 Agent 自主决策」。 随着模型能力提升，复杂的编排层反而成为瓶颈。V2 采用单一全能 Agent 持有完整上下文，减少了信息在 Agent 间传递的损耗，让模型直接消化系统复杂度。
2. 引入「文档即代码」的 Git 仓库管理模式。 不构建独立平台，而是将域知识库、布防资产和分析报告存储在 Git 仓库中，利用 Git 的版本管理、CR 流程和 diff 对比来防止 AI 污染知识库，确保安全可控。
3. 从被动向量召回升级为主动探索式知识获取。 利用 MCP（Model Context Protocol）工具链，AI 可以自主决定何时搜索、读取哪些文件或查询表结构，实现了跨域关联分析和事实驱动的硬约束。
4. 构建自我迭代的「域知识库索引」。 知识库不再是碎片化的向量片段，而是结构化的导航层，引导 AI 了解风险类型和核对模式，并在分析完成后自动回写新发现，形成正向飞轮。

💬 文章金句

• 更强的模型意味着更薄的编排层。系统的复杂度应当由模型能力来消化，而非由繁琐的流程设计来弥补。
• V1 的核心问题在于：每个 Agent 只负责一道工序，但没有一个 Agent 能看到全貌、理解全局、做出自主判断。
• V2 的设计哲学，或许可以称之为「文档即代码」。
• 宁可漏掉一个不确定的风险点，也不输出一个编造的结论。
• Less is More。我们没有造一个更复杂的多 Agent 系统，而选择回归本质。

📊 文章信息

阅读完整文章