مذاکره و چانه‌زنی خودکار در سیستم‌های چندایجنت با الگوی OG-Narrator

در سیستم‌های چندایجنت (Multi-Agent Systems)، واگذاری وظایف و توزیع منابع مستلزم توافق و چانه‌زنی کارآمد میان ایجنت‌هاست. اگر برای مذاکره بر سر قیمت، زمان تحویل یا تخصیص وظیفه صرفاً به پرامپت‌های زبانی متکی باشید، مدل‌های زبانی به دلیل خطاهای محاسباتی و ناتوانی در تحلیل محدوده‌ی توافق، نرخ توافق بسیار پایینی ارائه می‌دهند و بزرگ‌تر کردن مقیاس مدل نیز این مشکل را برطرف نمی‌کند.

این درس به شما می‌آموزد که چگونه با به‌کارگیری الگوی موفق OG-Narrator، منطق تصمیم‌گیری عددی را از لایه‌ی روایت‌گری متن جدا کنید. همچنین نحوه پیاده‌سازی پروتکل استاندارد شبکه‌ی قرارداد (Contract Net Protocol) را یاد می‌گیرید تا بتوانید بازارهای وظیفه‌ی پایدار، مقیاس‌پذیر و خودکار بسازید و از افشای داده‌های حیاتی چرک‌نویس خصوصی ایجنت جلوگیری کنید.

ایجنت‌ها بر سر منابع، قیمت‌ها، تخصیص وظایف و شروط قرارداد با هم مذاکره می‌کنند. بنچ‌مارک‌های سال 2026 تصویر روشنی به ما می‌دهند: مقاله‌ی NegotiationArena (به شماره‌ی arXiv:2402.05863) نشان می‌دهد مدل‌های زبانی بزرگ (LLMها) می‌توانند از طریق دستکاری پرسونا (مثلاً القای حس «استیصال»)، عایدی خود را تا حدود 20% بالا ببرند؛ مقاله‌ی «سنجش توانایی‌های چانه‌زنی» (arXiv:2402.15813) ثابت می‌کند خریدار بودن سخت‌تر از فروشنده بودن است و بزرگ‌تر کردن مقیاس مدل کمکی به این ماجرا نمی‌کند — معماری OG-Narrator آن‌ها (ترکیب یک تولیدکننده‌ی قطعی پیشنهاد و یک راوی مبتنی بر مدل زبانی) نرخ موفقیت معامله را از 26.67% به 88.88% رساند؛ مسابقه‌ی مذاکره‌ی خودکار در مقیاس بزرگ (arXiv:2503.06416) با اجرای حدود 180 هزار مذاکره دریافت که ایجنت‌های پنهان‌کننده‌ی زنجیره‌ی تفکر (Chain-of-Thought) با مخفی نگه‌داشتن استدلال‌های خود از طرف مقابل برنده می‌شوند؛ همچنین باتاچاریا و همکاران در سال 2025 با تکیه بر معیارهای «پروژه‌ی مذاکره‌ی هاروارد» دریافتند که Llama-3 کارآمدترین، Claude-3 تهاجمی‌ترین و GPT-4 منصف‌ترین مدل‌ها هستند. در این درس، پروتکل شبکه‌ی قرارداد (پیشینه‌ی FIPA، برگرفته از درس 02) را پیاده‌سازی می‌کنیم، یک ساختار خریدار/فروشنده‌ی مبتنی بر مدل زبانی می‌سازیم، تفکیک وظایف به سبک OG-Narrator را اجرا می‌کنیم و می‌سنجیم که هر تصمیم ساختاری چگونه نرخ موفقیت معامله را تغییر می‌دهد.

صورت مسئله

دو ایجنت باید سر یک قیمت توافق کنند. اگر آن‌ها را با پرامپت‌های صرفاً متنی به حال خود بگذارید، مدل‌های زبانی سال‌های 2024 تا 2026 معاملات را با نرخی به‌طرز عجیبی پایین می‌بندند (طبق arXiv:2402.15813، در چانه‌زنی‌هایی با پارامترهای مشخص و بسته، نرخ موفقیت حدود 27% است). بزرگ‌تر کردن مقیاس مدل هم این مشکل را حل نمی‌کند: GPT-4 از نظر ساختاری مذاکره‌کننده‌ی بهتری نسبت به GPT-3.5 نیست، بلکه صرفاً «ادبیات» مذاکره را بهتر بلد است.

ریشه‌ی مشکل اینجاست که مدل‌های زبانی دو وظیفه‌ی متفاوت را با هم خلط می‌کنند: تصمیم‌گیری درباره‌ی پیشنهاد و روایتِ آن پیشنهاد. معماری OG-Narrator این دو را از هم جدا کرد: یک بخش قطعی برای تولید پیشنهاد، محاسبات عددی را انجام می‌دهد و مدل زبانی صرفاً آن را در قالب متن روایت می‌کند. با این کار، نرخ معامله به حدود 89% جهش پیدا می‌کند.

این مسئله بازتاب یکی از یافته‌های کلاسیک سیستم‌های چندایجنت است: جداسازی سازوکار (مکانیسم) از لایه‌ی ارتباطی همیشه برنده‌ است. پروتکل شبکه‌ی قرارداد (Contract Net Protocol از FIPA سال 1996؛ Smith سال 1980) مکانیسم مرجع برای بازارهای وظیفه است. کافی است یک مدل زبانی را به بخش روایت‌گری این پروتکل متصل کنید تا یک بازار وظیفه‌ی مدرن مبتنی بر هوش مصنوعی داشته باشید.

مفاهیم پایه

شبکه‌ی قرارداد در یک پاراگراف

پروتکل شبکه‌ی قراردادِ اسمیت در سال 1980: یک مدیر (manager) پیامی برای فراخوان پیشنهادها (cfp) پخش عمومی می‌کند؛ پیشنهاددهندگان (bidders) با پیام‌های propose که حاوی پیشنهادهای آن‌هاست پاسخ می‌دهند؛ مدیر برنده‌ای را انتخاب می‌کند و پیام accept-proposal را برای برنده و پیام reject-proposal را برای بازنده‌ها می‌فرستد. برنده کار را انجام می‌دهد. پیام اختیاری: refuse (رد مشارکت از طرف پیشنهاددهنده). سازمان FIPA این فرایند را تحت عنوان پروتکل تعاملی fipa-contract-net استانداردسازی کرد.

چرا OG-Narrator برنده می‌شود؟

مقاله‌ی «سنجش توانایی‌های چانه‌زنی مدل‌های زبانی» (arXiv:2402.15813) نشان داد که:

• مدل‌های زبانی معمولاً قوانین چانه‌زنی را زیر پا می‌گذارند (پیشنهاد قیمت‌های بی‌معنی، نادیده گرفتن محدوده‌ی توافق احتمالی یا ZOPA طرف مقابل).
• لنگراندازی قیمت (Anchoring) بسیار ضعیفی دارند (پذیرش اولین پیشنهادهای نامناسب؛ ارائه‌ی پیشنهادهای متقابل نمادین به‌جای رقم‌های استراتژیک).
• افزایش مقیاس مدل به‌تنهایی این معضل را برطرف نمی‌کند. مدل‌های بزرگ‌تر صرفاً متنی موجه‌تر تولید می‌کنند، اما همان خطاهای استراتژیک را تکرار می‌کنند.

تفکیک وظایف در الگوی OG-Narrator:

           ┌──────────────────┐        ┌──────────────────┐
  state  → │ offer generator  │ price → │  LLM narrator    │ → message
           │  (deterministic) │        │  (writes the     │
           │                  │        │   human-style    │
           └──────────────────┘        │   accompaniment) │
                                       └──────────────────┘

بخش تولیدکننده‌ی پیشنهاد بر پایه‌ی استراتژی‌های کلاسیک مذاکره کار می‌کند: مدل چانه‌زنی روبینشتاین، استراتژی زویتن (Zeuthen)، یا یک الگوی ساده‌ی عمل‌به‌مثل بر سر قیمت. مدل زبانی کار روایت را بر عهده دارد. پیام خروجی، هم شامل قیمتِ محاسبه‌شده‌ی قطعی است و هم لحن و چارچوب‌بندی زبان طبیعی.

نرخ انجام معامله جهش می‌یابد چون:

• قیمت‌ها درون محدوده‌ی معامله باقی می‌مانند.
• لنگرهای قیمتی، استراتژیک هستند نه احساسی.
• مدل زبانی کاری را انجام می‌دهد که در آن تخصص دارد: نوشتن.

یافته‌های بنچ‌مارک NegotiationArena

مقاله‌ی arXiv:2402.05863 بنچ‌مارک استاندارد این حوزه را ارائه می‌دهد. یافته‌های کلیدی آن عبارت‌اند از:

• مدل‌های زبانی می‌توانند با در پیش گرفتن پرسونا‌های خاص (مثل «مجبورم تا جمعه این را بفروشم») عایدی خود را تا حدود 20% بهبود دهند؛ دستکاری پرسونا یک تاکتیک واقعی و کارآمد است.
• ایجنت‌های منصف و همکار از سوی ایجنت‌های متخاصم استثمار می‌شوند؛ دفاع در برابر این حالت مستلزم اتخاذ موضع‌گیری‌های تقابلیِ صریح است.
• تقابل ایجنت‌های متقارن، در حدود 40% از سناریوهای این بنچ‌مارک به نتایجی ناعادلانه ختم می‌شود.

پیام این یافته‌ها این نیست که «مدل‌های زبانی مذاکره‌کنندگان بدی هستند»، بلکه می‌گوید «مدل‌های زبانی بیش از حد شبیه انسان‌ها مذاکره می‌کنند، حتی با همان نقطه‌ضعف‌هایی که قابل سوءاستفاده است».

پنهان‌سازی زنجیره‌ی تفکر

در مسابقه‌ی مذاکره‌ی خودکار در مقیاس بزرگ (arXiv:2503.06416)، حدود 180 هزار مذاکره در میان استراتژی‌های گوناگون مدل‌های زبانی اجرا شد. برندگان مسابقه کسانی بودند که استدلال خود را از طرف مقابل پنهان می‌کردند:

• اگر ایجنتی در یک چرک‌نویس با دید عمومی بنویسد: «من فقط تا 75 دلار پیش می‌روم؛ قیمت نهایی مدنظرم 70 دلار است»، حریف آن را می‌خواند.
• برندگان، استراتژی را در یک فضای خصوصی محاسبه می‌کنند؛ کانال خروجی صرفاً حاوی پیشنهاد نهایی و حداقل روایت متنی لازم است.

این مسئله بازتاب یکی از اصول کلاسیک نظریه‌ی بازی‌ها در سال 2026 است (نظریه‌ی اومن 1976 درباره‌ی عقلانیت و اطلاعات): فاش کردن ارزیابی‌های محرمانه‌تان به قیمت از دست رفتن سود تمام می‌شود. مدل‌های زبانی شهودی نسبت به این موضوع ندارند و با کمال میل، کف و سقف قیمت‌های خود را در ردگیری‌های محاسباتی استدلال می‌نویسند و آن را جلوی چشم طرف مقابل می‌گذارند.

نکته‌ی مهم مهندسی: بافتار (Context) چرک‌نویس خصوصی را کاملاً از بافتار پیام‌های عمومی جدا کنید. این یک الزام است، نه یک انتخاب.

رتبه‌بندی مدل‌ها در پژوهش باتاچاریا و همکاران (2025)

بر اساس معیارهای «پروژه‌ی مذاکره‌ی هاروارد» (مذاکره‌ی اصولی، احترام به BATNA، منافع متقابل):

• Llama-3 در به نتیجه رساندن معاملات از همه کارآمدتر بود (نرخ معامله + عایدی).
• Claude-3 تهاجمی‌ترین مذاکره‌کننده بود (لنگراندازی قیمت بالا، امتیازدهی دیرهنگام).
• GPT-4 منصف‌ترین بود (کمترین واریانس عایدی در جفت‌های مختلف).

این یک اسنپ‌شات از سال 2025 است. مسئله این نیست که کدام مدل در آوریل 2026 برنده می‌شود؛ نکته اینجاست که مدل‌های پایه‌ی مختلف سبک‌های مذاکره‌ی ثابتی دارند. در ترکیب‌های ناهمگن (درس 15)، از این تفاوت‌ها به‌عنوان یک منبع تنوع استفاده می‌شود.

تخصیص وظیفه از طریق شبکه‌ی قرارداد و مدل زبانی

استفاده‌ی مجدد و مدرن از شبکه‌ی قرارداد برای سیستم‌های چندایجنت مبتنی بر مدل زبانی:

1. ایجنت مدیر، وظیفه را به واحدهای کوچک‌تر می‌شکند.
2. فراخوان cfp را به همراه شرح وظیفه برای ایجنت‌های کارگر پخش عمومی می‌کند.
3. هر کارگر یک پیشنهاد بازمی‌گرداند: (price, eta, confidence) که قیمت در آن می‌تواند توکن، واحدهای محاسباتی، یا دلار باشد.
4. مدیر برندگان را انتخاب می‌کند (بسته به نوع وظیفه، یک یا چند برنده) و کار را واگذار می‌کند.
5. کارگرانِ پذیرفته‌نشده آزادند برای سایر وظایف پیشنهاد بدهند.

این سازوکار تا بیش از 100 کارگر به‌خوبی مقیاس‌پذیر است؛ زیرا هماهنگی به‌شیوه‌ی پخش عمومی و پاسخ صورت می‌گیرد، نه از طریق چت همگام. این الگو در محیط عملیاتی (پروداکشن) به کار گرفته می‌شود: الگوهای ارکستراسیون در Microsoft Agent Framework و برخی پیاده‌سازی‌های LangGraph.

مذاکره‌ی تعاملی با ذی‌نفعان مبتنی بر مدل زبانی

مقاله‌ی کنفرانس NeurIPS 2024 (منتشرشده در این پیوند) بازی‌های چندطرفه‌ی امتیازپذیر را با امتیازهای محرمانه و آستانه‌های حداقلِ پذیرش معرفی می‌کند. هر ذی‌نفع مطلوبیت‌های خصوصی خود را دارد؛ مدل زبانی باید آن‌ها را از خلال پیام‌ها استنباط کند. این در واقع تعمیمِ چانه‌زنی دونفره به تشکیل ائتلاف‌های N-نفره است که در بازارهای وظیفه‌ی محیط عملیاتی با توانمندی‌های ناهمگن کارگران کاربرد دارد.

قاعده‌ی تفکیک روایت از سازوکار

در تمام بنچ‌مارک‌های مذاکره از سال 2024 تا 2026، یک قاعده‌ی مهندسی ثابت وجود دارد:

روایت‌گری را به مدل زبانی بسپارید. اجازه ندهید مدل زبانی پیشنهاد را محاسبه کند.

اگر پیشنهاد باید عددی باشد (قیمت، زمان تحویل، تعداد)، آن را به‌شکل قطعی بر اساس وضعیت مذاکره محاسبه کنید و از مدل زبانی بخواهید ساختار بیانی آن را تنظیم کند. اگر پیشنهاد ساختار یک طرح پیشنهادی را دارد (شکستن وظایف، انتساب نقش‌ها)، بگذارید مدل زبانی پیش‌نویس آن را بنویسد، اما قبل از ارسال، حتماً آن را با اسکیما اعتبارسنجی کنید و محدودیت‌ها را بسنجید.

پیاده‌سازی از صفر

فایل code/main.py این بخش‌ها را پیاده‌سازی می‌کند:

• ContractNetManager، ContractNetTask و Bid: ایجنت‌های مدیر و پیشنهاددهنده، پخش سراسری cfp، جمع‌آوری پیشنهادها و واگذاری نهایی.
• og_narrator_bargain(state, rng): خریدار با معماری OG-Narrator: امتیازدهی قطعی به سبک استراتژی زویتن به سمت نقطه‌ی میانی.
• seller_response(state, rng): سیاست قطعی پیشنهاد متقابل از سوی فروشنده (داده‌ی واقعی ساختاری برای هر دو سبک).
• naive_llm_bargain(state, rng): شبیه‌سازی مذاکره‌کننده‌ای که همه‌چیزش صرفاً مدل زبانی است: انتخاب قیمت‌هایی با واریانس بالا که اغلب خارج از محدوده‌ی ZOPA قرار می‌گیرند.
• سنجش: بررسی نرخ معامله در طول 1000 آزمایش، همراه با نمونه‌گیری قیمت‌های نهاییِ تازه در هر اجرا.

اجرا:

python3 code/main.py

خروجی مورد انتظار: نرخ معامله برای مدل زبانی خام بین 65 تا 75 درصد؛ نرخ معامله برای OG-Narrator بین 85 تا 95 درصد. اختلاف 15 تا 25 درصدی، همان مزیت ساختاری ناشی از تفکیک تولید پیشنهاد از روایت‌گری است. به‌علاوه‌ی یک مثال از تخصیص بازار وظیفه با پروتکل شبکه‌ی قرارداد شامل سه پیشنهاددهنده و یک وظیفه.

استفاده از ابزارهای واقعی

فایل outputs/skill-bargainer-designer.md یک پروتکل چانه‌زنی را طراحی می‌کند: چه کسی پیشنهادها را می‌سازد (قطعی یا مدل زبانی)، چه کسی روایت می‌کند، چرک‌نویس‌های خصوصی چگونه از پیام‌های عمومی تفکیک می‌شوند، و نرخ انجام معامله چطور پایش می‌شود.

خروجی این درس

چک‌لیست چانه‌زنی در محیط عملیاتی:

• تفکیک چرک‌نویس: وضعیت خصوصی هرگز نباید به بافتار پیام‌های طرف مقابل راه پیدا کند. این موضوع جای بحث ندارد.
• تولید قطعی پیشنهاد: قیمت‌ها، مقادیر، زمان‌های تحویل؛ همه را محاسبه کنید، برای آن‌ها پرامپت ننویسید.
• اعتبارسنجی تمام پیشنهادهای ورودی در برابر اسکیما. پیشنهادهایی که خارج از ZOPA هستند را در همان مرز پروتکل رد کنید.
• محدود کردن دورها: حداکثر 3 تا 5 نوبت گفت‌وگو؛ در صورت بن‌بست، کار را به ایجنت میانجی ارجاع دهید.
• سنجش پیوسته‌ی نرخ معامله و واریانس عایدی: افت نرخ معامله یک نشانه است؛ معمولاً ناشی از انحراف پرامپت (Prompt Drift) یا نوعی حمله‌ی تخریبی از سمت حریف است.
• ثبت لاگ تمام پیشنهادهای ردشده به همراه دلایل و محاسبات قطعی. در مدیرهای شبکه‌ی قرارداد، پیشنهاددهندگان بازنده باید بدانند چرا انتخاب نشده‌اند.

تمرین‌ها

1. اسکریپت code/main.py را اجرا کنید. تایید کنید که نرخ معامله در OG-Narrator از مدل زبانی خام بیشتر است. این تفاوت چقدر است؟
2. بهبود عایدی مبتنی بر پرسونا (برگرفته از arXiv:2402.05863) را پیاده‌سازی کنید: خریدار صرفاً در لایه‌ی روایت لحن «ناچارم تا آخر هفته خرید کنم» را به کار می‌گیرد، بدون اینکه تولیدکننده‌ی پیشنهاد تغییری کند. آیا نرخ معامله یا عایدی نهایی تغییر می‌کند؟
3. قابلیت پنهان‌سازی زنجیره‌ی تفکر را پیاده‌سازی کنید: یک رشته‌ی متنی به‌عنوان چرک‌نویس خصوصی نگه دارید که به طرف مقابل پاس داده نشود. اگر تصادفاً این اطلاعات فاش شود چه اتفاقی می‌افتد (با جابه‌جا کردن کانال‌ها آن را شبیه‌سازی کنید)؟
4. شبکه‌ی قرارداد را به یک مزایده با N پیشنهاددهنده و یک قیمت ذخیره (کف/سقف) گسترش دهید. وقتی همه‌ی پیشنهادها از قیمت ذخیره فراتر رفتند، مدیر چطور بین کمترین قیمت و بالاترین کیفیت تصمیم می‌گیرد؟ کدام قاعده‌ی واگذاری را انتخاب می‌کنید و چرا؟
5. مقاله‌ی باتاچاریا و همکاران (2025) درباره‌ی معیارهای «پروژه‌ی مذاکره‌ی هاروارد» را مطالعه کنید. دو مذاکره‌کننده با سبک‌های متفاوت (تهاجمی در برابر منصف) پیاده کنید. واریانس عایدی را در رویارویی‌های متقارن و نامتقارن بسنجید.

اصطلاحات کلیدی

برای مطالعه‌ی بیشتر

• NegotiationArena — بنچ‌مارک اصلی؛ یافته‌های مربوط به دستکاری پرسونا و رفتارهای استثماری
• Measuring Bargaining Abilities of Language Models — معماری OG-Narrator و این نتیجه که خریدار بودن سخت‌تر از فروشنده بودن است
• Large-Scale Autonomous Negotiation Competition — حدود 180 هزار مذاکره؛ پیروزی رویکرد پنهان‌سازی زنجیره‌ی تفکر
• LLM-Stakeholders Interactive Negotiation (NeurIPS 2024) — بازی‌های امتیازپذیر چندطرفه با مطلوبیت‌های محرمانه
• Smith 1980 — The Contract Net Protocol — سازوکار کلاسیک؛ مجله‌ی IEEE Transactions on Computers