模型没换，代码通过率却涨了28.2%，整体耗时还缩短了16.5%。这是AWS AI Labs一篇论文给出的结果，改动的地方不在模型本身，而在智能体之间怎么说话。

多智能体编码团队通常靠自由文本交流。一个智能体发现的结论，对另一个智能体来说只是上下文里的一段话，可以看，也可以直接忽略。更关键的是，负责执行的框架从不检查某个实现是否还符合团队此前约定的接口。

打开网易新闻 查看精彩图片

把沟通变成结构化产物

AECP协议的核心思路，是要求智能体只能通过结构化的产物来沟通，框架则依据这些产物采取行动。具体来说，当某个智能体打开相关代码时，框架会把此前记录下来的发现直接提供给它；当实现与接口约定出现偏差时，框架会进行筛查；当某项约定发生变化时，受影响的智能体会被要求重新审视这项约定。

这样一来，团队达成的共识不再是一句可以被忽略的话，而是框架会主动执行、主动核对的约束。

跨模型、跨任务都成立

论文给出的结果覆盖了Doc2Repo、NL2Repo和CodeProjectEval三类任务，涉及的模型包括Opus-4.8和DeepSeek-V4-Flash。也就是说，这套协议带来的提升并不依赖某一个特定模型。

除了效率，还有一项安全层面的变化。恶意指令在智能体之间传递时，到达另一个智能体的比例从95%降到0%，被实际执行的比例从40%降到0%。

换句话说，智能体团队之间的自由文本通道，既是协作效率的瓶颈，也是风险传播的路径。把沟通收窄到结构化产物之后，这两件事同时被改变了。