时还不能用，这也是全新框架最特殊的点之一。它们需要先自主学习标准库里的内容之后，才能进一步开始使用。是的，这里需要用到的是它们而不是它。
因为乔源这次设计的智能体是多个分体构成的，这些不同的智能体分别学习和进化。
当使用者布置任务时，它们内部会有一个沟通和竞争的过程。
如果把用户比作甲方，智能体比作乙方，那就是甲方提出需求之后，乙方会先内部开一个会议。然后综合各方意见给出一个具体的结果。
当然人工智能的内部沟通非常快捷，效率极高。一般性的文字任务，可能几毫秒就能达成一致。复杂的任务可能耗时更长。
内部的竞争就体现在，每次给出任务，都会标记一个主要意见提供者的序列。
然后通过用户的后续提问跟反馈来判断主要意见提供智能体的判断是否准确。
如果最终结果一致，系统会先将问题归类，同时被标记为主要意见提供者的智能体在相关问题下的权重会增加。下次被提问，或者遇到其他用户提同一类型的问题，它给出的回答权重就会增加。
并在流形上做一次相应的轨道优化。这样下次遇到同类问题响应将更快。
因为这些智能体跟人类不太一样，它们会充分尊重权威的意见。
这就是内部智能体的内部竞争机制。
这些内部的沟通跟竞争，实现起来极为复杂，但通俗的说就是依靠通过各种数学上的升降维映射完成的。但如果真要细究数学原理，就很复杂了：公共流形，投影函数，逆映射，纤维丛……
许多数学上的概念都被投射到了这个智能体的枉架之上。
当然具体会有个什么结果，现在谁也不知道。
毕竟学习需要时间，而且不只是学习标准库。
在学习了标准库之后，这些智能体还需要去主动学习跟吸纳数据库中的各种知识。
当然对于工程师来说，这种全新的智能体架构，最大的改变就是不需要再调参了。
是的，乔源设计的智能体架构从设计之初就把参数系统排除在了整个框架之外。
群作用的封闭性早已经决定了这一点，无需再收敛阈值。
而且语义也是通过对齐标准库自动完成，不需要再去理会所谓相似度阈值。
当然这并不是说这个模型一旦应用就不需要工程师了。
恰好相反，它对工程师的要求更高。首先必须