Agency-Swarm框架中的Agent温度参数与Token成本控制优化

在基于OpenAI Assistants API构建的多Agent协作框架Agency-Swarm中，开发者近期针对Agent的精细化控制进行了重要升级。本次更新主要涉及两个核心功能：温度参数（temperature）的个性化配置和对话Token成本的有效管理。

温度参数作为大语言模型生成结果随机性的关键调控参数，现在支持在单个Agent级别进行独立设置。框架通过分层配置策略实现灵活控制：

• 全局默认值：通过Agency类的构造函数设置
• 实例级覆盖：每个Agent实例可定义专属参数值
• 运行时动态调整：未来版本可能支持对话过程中的实时修改

针对长时间对话导致的Token成本累积问题，新版本引入了max_prompt_tokens参数。该机制通过以下方式工作：

1. 自动截断：当对话历史达到设定阈值时，OpenAI后端自动执行内容截断
2. 智能保留：系统会优先保留最近且最相关的对话内容
3. 分层配置：同样支持Agency全局设置和Agent单独配置

技术实现上，框架对Assistants V2 API进行了深度集成，开发者只需通过简单的参数传递即可获得这些高级功能。例如创建Agent时：

my_agent = Agent(
    name="ResearchBot",
    temperature=0.7,  # 控制生成多样性
    max_prompt_tokens=8000  # 控制单次交互成本
)

这些改进特别适合需要精确控制生成质量与运营成本的复杂多Agent系统，如：

• 需要保持严谨性的法律咨询Agent（低温设置）
• 需要创造力的内容生成Agent（高温设置）
• 长期运行的客户服务对话（严格的Token限制）

框架维护者表示，未来版本将继续增强对OpenAI最新功能的支持，包括可能的运行时参数调整和更精细的上下文管理策略。当前建议开发者通过dev/assistants-v2分支体验这些新特性。

对于企业级应用，建议结合监控系统跟踪各Agent的实际Token消耗和温度参数效果，通过数据分析优化这些参数的配置策略。这种精细化的控制能力使得Agency-Swarm在构建生产级AI协作系统时更具竞争力。