返回资讯中心
外部精选
软件工程
#开发者实时流

开发者提出3-Way Delta OCC方案解决多智能体集群静默状态丢失

来源标题:Solving Silent State Loss in Multi-Agent Swarms with 3-Way Delta OCC

AI系统工程师Rohith Balsa发布agent-occ-lock方案,用3-Way Delta OCC解决并发多智能体集群中的静默状态丢失问题。该方案面向LangGraph子代理、n8n并行节点、CrewAI集群和FastMCP执行图等架构,代码与基准测试已开源在GitHub。

Hacker News 最新rohith07072026/11/9 · 8 天前16 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

代码 Issues1 (1) Pull requests Discussions Actions Projects Security and quality Insights 更多项目 我们如何解决并发多智能体集群中的静默状态丢失问题(三路 Delta OCC 方案) #2 rohith0707 发布于 公告 我们如何解决并发多智能体集群中的静默状态丢失问题(三路 Delta OCC 方案) #2 rohith0707 2026年11月9日 · 0 条评论 返回顶部 讨论选项 哎呀! 加载时出错。请重新加载此页面。 出错了。 哎呀! 加载时出错。请重新加载此页面。 作者:Rohith Balsa(AI 系统工程师 @ KPMG India | agent-occ-lock 作者) 目标架构:LangGraph 子智能体、n8n 并行智能体节点、CrewAI 集群、FastMCP 执行图 代码与基准测试:github.com/rohith0707/agent-occ-lock 如果你运行的是单智能体循环(一个 prompt $\rightarrow$ 一次工具调用 $\rightarrow$ 一个响应),状态管理非常简单。 然而,当生产架构扩展到分层多智能体集群时——例如一个 LangGraph 编排器同时触发 10 个并行子智能体来提取实体、总结转录文本、抓取网络数据并对意图进行分类——你就会直接撞上一个经典的分布式系统故障模式:丢失更新异常(Lost Update Anomaly)。 Worker 1(读取 v1)──[ LLM 推理 1.2 秒 ]───► 提交 delta A(状态推进到 v2) Worker 2(读取 v1)──────────[ LLM 推理 2.8 秒 ]────────────► 覆盖状态!(Delta A 丢失) 由于 LLM 生成具有高延迟(500 毫秒到 4,000 毫秒),并行的智能体会基于内存的过期快照来执行各自的推理步骤。 当最慢的智能体完成时,它会就地写入工作流状态字典,从而静默地抹掉所有更早的 worker 已经提交的状态变更。 我们用 Python 编写了一个实证压力测试,模拟 25 个并发 worker 智能体:

基准测试:朴素就地覆盖(25 个并发 Worker)

初始状态版本:0 预期变更总数:25 存活的变更数:1 / 25 静默数据丢失:24 次更新(96.0% 数据丢失) 执行时间:0.0350 秒

25 个子智能体的结果中有 24 个蒸发了。在企业环境中,这意味着丢失客户意图标签、缺少财务行项目以及损坏的执行历史——而且不会抛出任何错误码。 资深后端工程师的本能反应是给共享状态加一把分布式锁(例如 Redis redlock 或 Postgres 行锁)。 在微服务中,互斥锁之所以有效,是因为数据库更新只需 2 毫秒。在多智能体 LLM 系统中,互斥锁会毁掉你的平台: 我们没有采用悲观锁,而是用纯 Python 3.11+ 实现了零第三方依赖的乐观并发控制(OCC)引擎,并配备三路语义协调器: flowchart TD A["并行子智能体读取状态\n(收到修订令牌 v1)"] --> B["自主 LLM 推理\n(非阻塞 1.2 秒 - 3.5 秒)"] B --> C{"CAS 前置条件检查\n(Store.version == Token.version?)"} C -- "匹配(无争用)" --> D["原子快速提交\n(状态推进到 v2)"] C -- "不匹配(检测到碰撞)" --> E["三路 Delta 语义协调器"] E --> F{"字段变更是否正交?"} F -- "是(不同键)" --> G["自动合并 Delta\n(零 LLM 重跑 / 零数据丢失)"] F -- "否(字段冲突)" --> H["抖动指数退避重试\n(基于最新状态重新评估)"] Loading 三个核心原语

  1. 比较并交换(CAS)修订令牌 每次读取都会返回不可变的状态快照,并附带一个修订令牌: class StateRevision: version: int etag: str payload: dict[str, Any]
  2. 三路语义 Delta 合并 当智能体尝试针对已推进的状态版本提交时,agent-occ-lock 会计算: $$\Delta_{incoming} = State_{incoming} - State_{base}$$ $$\Delta_{current} = State_{current} - State_{base}$$ 如果 Worker B 触及的键与 Worker A 已提交的字段没有交集(例如 Worker A 更新了情感,而 Worker B 更新了实体),引擎会在内存中于 1 毫秒内自动协调状态,而不会重新调用 LLM。 只有当两个智能体真正在同一个标量键上发生碰撞时,存储才会触发重试,并注入最新状态。 当我们对 agent-occ-lock 运行完全相同的 25 个 worker 并发基准测试时: 你可以直接把它放进任何 LangGraph 节点、FastMCP 服务器或 FastAPI worker 中: import asyncio from agent_occ_lock import AgentOCCStore

初始化零依赖状态存储

store = AgentOCCStore(initial_state={"status": "initialized

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →