近年来，大语言模型（LLM）被广泛应用于多智能体协作系统，但智能体的个性特征如何影响团队表现仍是一个开放问题。一项来自arXiv的新研究（arXiv:2606.27443）通过操纵前沿LLM的亲和性（Agreeableness）人格特质，系统评估了个性构成对团队绩效的影响。研究团队在三个任务领域——结构化编码、开放式研究协作和竞争性谈判——中进行了实验，涵盖了从明确目标到模糊协作的不同场景。
在结构化编码任务中，低亲和性提示导致智能体使用攻击性语言，但这一行为转变并未显著影响里程碑完成率。这意味着，在某些任务中，个性操纵可能仅仅是改变了表面的沟通风格，而不会触及核心任务的客观结果。然而，在开放式研究协作和竞争性谈判任务中，同样的低亲和性操纵却显著降低了团队表现。在协作任务中，低亲和性导致智能体之间缺乏合作，信息共享减少，最终影响研究产出；在谈判任务中，低亲和性使得智能体更加对抗，难以达成共赢的协议，从而降低了整体谈判收益。
论文指出，个性效应之所以高度依赖于任务结构，是因为不同的任务对沟通和协作的需求不同。在编码任务中，任务本身具有明确的规则和可验证的结果，智能体之间的沟通成本较低，因此即使沟通风格变得敌对，只要个体仍能独立完成任务，里程碑完成率就不会受到太大影响。而在开放式协作和谈判任务中，成功的团队表现高度依赖于成员之间的信息共享、协商和妥协，因此对抗性的沟通风格会直接破坏这些关键过程。
该研究为多智能体系统的设计者提供了重要启示：在部署人格提示策略时，必须充分考虑任务特性。对于结构明确、结果可客观度量的任务，个性操纵可能并非关键因素；而对于模糊、依赖协作的任务，个性构成则可能成为决定成败的核心变量。此外，研究也指出了个性操纵的局限性——即使可以改变智能体的沟通风格，也无法保证在所有任务中都带来预期的效果。未来的研究可以进一步探索不同人格维度（如开放性、尽责性）的组合效应，以及如何在动态任务中自适应地调整智能体的个性。