ChatDev 2.0: A No-Code Multi-Agent Platform for Developing Everything

📄 arXiv: 2609.00714v1 📥 PDF

作者: Yufan Dang, Shu Yao, Bowen Lai, Chenting Xu, Ruijie Shi, Wai-Shing Leung, Huatao Li, Chen Qian, Zhiyuan Liu

分类: cs.AI, cs.CL, cs.MA

发布日期: 2026-09-01

备注: Accepted at EMNLP 2026 Demo Track

🔗 代码/项目: GITHUB

💡 一句话要点

提出ChatDev 2.0以解决多代理系统开发的复杂性问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 无代码平台 多代理系统 大型语言模型 可视化界面 循环感知执行

📋 核心要点

  1. 现有的多代理系统开发方法在表达能力与工程复杂性之间存在权衡，限制了其灵活性和易用性。
  2. ChatDev 2.0（DevAll）通过无代码平台结合声明性可执行图和循环感知执行引擎，解决了多代理系统的开发难题。
  3. 实验结果显示，DevAll在多个任务上实现了与最先进技术相当的性能，且无需特定任务的编排代码，展示了其通用性。

📝 摘要（中文）

基于大型语言模型（LLM）的多代理系统（MAS）在解决复杂任务方面展现出强大潜力，但其开发面临权衡：代码框架表达能力强但工程复杂，而无代码构建工具简化了创作但限制了代理交互。本文提出ChatDev 2.0（DevAll），一个无代码平台，用于构建、执行和检查异构MAS，兼顾高表达性和易用性。DevAll通过声明性可执行图抽象与循环感知执行引擎的结合，能够在单一框架内表示和执行异构代理及动态循环交互。集成的可视化界面使用户无需编写代码即可完成MAS的创作、运行、监控和检查。实验表明，DevAll在三个代表性任务上再现了最先进的MAS性能，突显其作为基于LLM的MAS通用平台的有效性。

🔬 方法详解

问题定义：本文旨在解决多代理系统开发中的复杂性问题，现有方法往往在表达能力和工程复杂性之间存在权衡，导致开发效率低下。

核心思路：论文提出的DevAll平台通过无代码方式，结合声明性可执行图和循环感知执行引擎，允许用户灵活构建和执行异构代理系统，简化了开发流程。

技术框架：DevAll的整体架构包括用户友好的可视化界面、声明性可执行图模块和循环感知执行引擎，用户可以通过图形化操作完成代理的创建、运行和监控。

关键创新：DevAll的主要创新在于其将声明性图抽象与循环感知执行引擎结合，能够在单一框架内处理复杂的动态和循环交互，这在现有无代码平台中尚属首次。

关键设计：在设计中，DevAll采用了灵活的图结构来表示代理间的交互，并通过优化的执行引擎确保高效的运行性能，具体的参数设置和网络结构细节在实验部分进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，DevAll在三个代表性任务上表现出色，能够在没有任务特定编排代码的情况下，达到与最先进多代理系统相当的性能，展示了其作为通用平台的有效性和灵活性。

🎯 应用场景

ChatDev 2.0的无代码平台具有广泛的应用潜力，适用于教育、科研、商业自动化等领域。用户可以快速构建和测试多代理系统，降低了技术门槛，促进了创新和协作。未来，该平台可能推动更多领域的智能化转型。

📄 摘要（原文）

Large language model (LLM)-based multi-agent systems (MAS) have shown strong potential for solving complex tasks, yet their development forces a tradeoff: code frameworks are expressive but engineering-intensive, while no-code builders simplify authoring but constrain agent interactions to author-defined workflows. We present ChatDev 2.0: DevAll (hereafter DevAll), a no-code platform for building, executing, and inspecting heterogeneous MAS that delivers both high expressiveness and ease of use. In terms of expressiveness, DevAll pairs a declarative executable graph abstraction with a cycle-aware execution engine, so that heterogeneous agents and dynamic and cyclic interactions can be represented and executed within a single framework. For ease of use, an integrated visual interface lets users author, run, monitor, and inspect MAS, including human-in-the-loop steps, entirely without writing code. Experiments demonstrate that DevAll reproduces state-of-the-art MAS across three representative tasks at competitive performance and without task-specific orchestration code, highlighting its effectiveness as a general-purpose platform for LLM-based MAS. DevAll is available at https://github.com/OpenBMB/ChatDev.