StackPlanner: Hierarchisches Multi-Agenten-System mit effizientem Gedächtnismanagement

In den letzten Jahren haben zentrale Multi-Agenten-Systeme, die auf großen Sprachmodellen basieren, großes Interesse geweckt, weil sie komplexe, wissensintensive Aufgaben bewältigen können. Ein häufiges Problem ist jedoch die Instabilität bei langfristiger Zusammenarbeit: Ohne gezieltes Gedächtnismanagement wachsen die Kontextinformationen unkontrolliert, Fehler häufen sich und die Fähigkeit, Wissen zwischen Aufgaben zu übertragen, verschlechtert sich.

StackPlanner löst diese Probleme, indem es die Koordination auf hoher Ebene von der Ausführung einzelner Teilaufgaben trennt und gleichzeitig ein aktives, task‑basiertes Gedächtnis einführt. Durch die Kombination von strukturiertem Erfahrungsspeicher und Verstärkungslernen lernt das System, koordinative Erfahrungen wiederzuverwenden und gezielt abzurufen. So wird die Zusammenarbeit zwischen Agenten stabiler und effizienter.

Experimentelle Tests auf mehreren Deep‑Search‑ und Agenten‑Benchmarks zeigen, dass StackPlanner die Zuverlässigkeit und Leistungsfähigkeit von Multi‑Agenten‑Kollaborationen deutlich verbessert. Das System demonstriert, wie hierarchische Architekturen mit gezieltem Gedächtnismanagement langfristige, komplexe Aufgaben erfolgreich bewältigen können.