# CoA – 谷歌推出的多智能体协作框架

- Link: https://paooo.com/aigc-news/22506/
- Published: 2026-06-08T19:49:14+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * CoA用多个工作[智能体](https://paooo.com/trends/)接力处理长文本，管理智能体统一
   汇总，缓解LLM上下文限制。
 * 无需额外训练、任务无关且可解释，适用于问答、摘要、代码补全等多类任务。
 * 通过链式通信与分段协作，时间复杂度由 O(n²) 降为 O(nk)，长文本效率更高。

## CoA是什么

CoA（Chain-of-Agents）是谷歌推出的多智能体协作框架，用于解决大语言模型（LLM）在处理
长文本任务时面临的上下文限制问题。CoA框架将长文本分割成多个较短的片段，由多个工作
智能体（worker agents）依次处理这些片段，通过链式通信将有用信息传递给下一个智能体。
一个管理智能体（manager agent）整合所有信息，生成最终输出。 无需额外训练、任务无关
且高度可解释。

阅读目录

 * [CoA是什么](https://paooo.com/aigc-news/22506/#coa%e6%98%af%e4%bb%80%e4%b9%88)
 * [CoA的主要功能](https://paooo.com/aigc-news/22506/#coa%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [CoA的设计原理](https://paooo.com/aigc-news/22506/#coa%e7%9a%84%e8%ae%be%e8%ae%a1%e5%8e%9f%e7%90%86)
 * [CoA的项目地址](https://paooo.com/aigc-news/22506/#coa%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [CoA的应用场景](https://paooo.com/aigc-news/22506/#coa%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![CoA](https://paooo.com/wp-content/uploads/2026/06/CoA-website-1.avif)

## CoA的主要功能

 * **分段处理与链式通信**：CoA将长文本分割成多个较短的片段，由多个工作智能体（worker
   agents）依次处理这些片段，通过链式通信将有用信息传递给下一个智能体。

 * **信息聚合与上下文推理**：工作智能体在处理各自片段时，会将关键信息传递给下一个
   智能体，最终由管理智能体（manager agent）整合所有信息，最终生成一致输出。
 * **任务无关与无需训练**：CoA框架无需额外训练，适用于多种任务类型，如问答、摘要
   和代码补全等。
 * **提升性能与效率**：CoA通过多智能体协作显著提升了长文本任务的性能，最高可达10%，
   将时间复杂度从平方复杂度降低到线性复杂度。
 * **可扩展性**：CoA可以通过调整工作智能体的数量来适应不同长度的输入，具有良好的
   可扩展性。

## CoA的设计原理

 * **多智能体协作与信息聚合**：在第一阶段，工作智能体依次读取和处理文本片段，将关键
   信息传递给下一个智能体。每个智能体都接收来自前一个智能体的信息，更新自己的处理
   结果。最终，管理智能体（manager agent）接收所有工作智能体的输出，整合信息生成
   最终答案。
 * **上下文推理与任务无关性**：CoA通过自然语言通信实现多智能体之间的协作，每个智能
   体专注于较短的上下文，缓解了长上下文中的注意力集中问题。
 * **时间复杂度优化**：CoA的时间复杂度从传统的平方复杂度（O(n²)）降到了线性复杂度（
   O(nk)），其中n是输入tokens的数量，k是LLM的上下文限制。显著降低了计算成本，处理
   长文本任务更加高效。

## CoA的项目地址

 * **arXiv技术论文**：[https://arxiv.org/pdf/2406.02818](https://arxiv.org/pdf/2406.02818)

## CoA的应用场景

 * **长文本问答**：CoA能处理复杂的多跳推理问题。例如，在处理家族关系推理时，长文本
   被分割成多个片段，工作智能体依次处理这些片段并传递关键信息，最终由管理智能体生成
   答案。
 * **长文本摘要**：在长文本摘要任务中，CoA通过分块处理和多智能体协作，能有效地提取
   关键信息并生成准确的摘要。
 * **代码补全**：CoA可以应用于代码补全任务。通过多智能体协作，CoA能处理长代码片段，
   提取关键信息并生成代码补全建议。
 * **多领域任务**：CoA框架具有高度的灵活性和任务无关性，能与多种大语言模型（LLM）
   协同工作。

❓ 常见问题解答（FAQ）

CoA框架适合解决什么问题？

CoA主要解决大语言模型处理长文本时的上下文限制问题。它把长文本切成多个片段，由多个
工作智能体依次处理并传递关键信息，最后由管理智能体整合输出，适合长文本问答、摘要
和代码补全等任务。

CoA需要额外训练吗？

不需要。文章明确指出 CoA 是无需额外训练的多智能体协作框架，具有任务无关性，可直接
适配多种长文本任务，并通过自然语言通信实现智能体之间的信息传递。

CoA相比传统方法有什么优势？

CoA通过分段处理和链式通信提升长文本任务性能，最高可达约10%；同时将时间复杂度从平方
级降到线性级，降低计算成本，并增强了可扩展性与可解释性。

🔬 语宙深潜追问 · 进阶实操拆解

CoA 适合哪些长文本任务最明显？

最适合需要分段理解、局部证据汇总的任务，比如长文问答、会议纪要、代码审查和长文摘
要。若任务依赖全局一致性，建议先做分块检索，再让链式代理逐段归纳，最后统一校验。

如何避免多智能体链路越拆越乱？

要给每个代理明确职责、输入输出格式和停止条件，并设置一个最终裁决器做冲突消解。工程
上最好记录中间证据与置信度，方便回溯，也能防止代理之间互相放大错误。

🗳️ 读者观点微投票 · 您的实战立场是？

长文本推理该靠多智能体还是长上下文？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [OWL – 开源多智能体协作系统，动态交互实现任务自动化](https://paooo.com/aigc-news/21224/)
 * [MetaGPT – 多个AI智能体协作分工的框架](https://paooo.com/aigc-news/28360/)
 * [APB – 清华联合腾讯等机构推出的分布式长上下文推理框架](https://paooo.com/aigc-news/21121/)
 * [CrewAI – 构建多个 AI Agents 高效协作的开源平台](https://paooo.com/aigc-news/27400/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/22506/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
