共 7 篇文章
UCSD与Amazon提出EMMA：把多智能体系统的配置存为情景记忆，并严格限制记忆怎么改。失败后反思器只把修复分配给拥有该范围的模块，一次只改一处。在KramaBench、AppWorld、BBEH五个backbone上综合最佳，比最强基线高32.5%，训练执行次数少17%到38%。本文分析它对银行多智能体系统演化的启示。
DeepSeek 的 dsh-superagent-prototype 是事件驱动、低打扰的智能体：Source 产事件，Router 签发带范围和制度版本的 Mandate，每工单独立执行。本文映射资产保全：法院查控、查封到期、质押物跌价、债务人工商变更作事件源，续封、补保全、线索核查、法拍跟进作工单，明确哪些智能体可做、哪些必须人决，给出 observe 到 auto 的三阶段路径与审计要点。
深度解读 DeepSeek Harness 团队 2026 年 10 月 31 日发布的《Super-agent 设计探索》：四个基础特征、Router/Worker 双层架构、事件驱动与订阅直通、链式召回、投机执行、全双工交互、存算分离与 Watchdog，以及实验数据、开源原型的注意力原则、安全开放问题与落地建议。
Anthropic 于 2026-10-22 发文指出，多个企业部署把路由器、规划器和领域子智能体折回主循环、改用按需加载的技能与工具后，质量更好、成本和延迟更低；LangChain 2026-01-14 的文章则把多智能体归纳为子智能体、技能、交接、路由四种模式并给出调用次数与 token 对比。本文把两篇文章的判断标准落到银行资产保全业务：以“案件”为中心的单一主循环承载尽调、保全、诉讼、执行、处置的连续推理，只在财产线索并行排查、独立复核、直接面对债务人对话三类环节保留子智能体或交接，并给出评测、权限、技能治理和分阶段迁移方案。
DeepSeek Harness（dsh）是 DeepSeek 官方于 2026 年 8 月开源的智能体运行框架；“DeepSeek Bot”则是社区开发者基于它做的多 Bot 团队插件，且同名项目至少有两个（Fei2411 的 ds-bot 与 BotHarness 的 deepseekbot），均非官方产品。本文依据两者的官方仓库、安全声明与使用条款，厘清层级关系、能力差异与风险边界，梳理银行可用场景，并给出按场景、数据等级和部署形态选择的决策框架。
近期X平台热文《Graph Engineering explained》以'钻石模式（扇出-归约-合成）''检查器机制''舰队模式''锚点''伪边'等概念重新定义了多智能体工作流的组织方式。本文将其核心方法论与当前银行资产保全实践对照核查并落地映射：贷后资金穿透监控对应钻石模式的扇出归约，担保圈风险传染识别对应检查器的独立验证，不良资产处置对应舰队的并行协同，最终以'锚点'（监管规则、司法数据、资金事实）约束全链路。文中北仑农商银行、中原银行、常熟农商银行、北京银行、民丰农商银行及嬴图Ultipa等案例均经公开报道核实，违规纾贷资金流向规则的出处也一并标注。
Chao Pih深度解构全球首家AI原生银行——马来西亚Ryt Bank：10B参数自研领域大模型ILMU、四阶段多智能体架构、幻觉率<1.5%、5万用户月处理8万笔交易。从"嫁接AI"到"AI原生"的范式跃迁，为中国银行业'人工智能+'行动提供工程蓝图。