个体不必持续彼此传递命令，也可以通过改变共同环境，让此前行动留下的痕迹引导后来者。

如何阅读这张图

信息图从一个最小循环展开：行动者观察环境，完成局部行动并改变环境；改变后的状态又被同一个或其他行动者读取，进而影响下一步。环境由此同时承担信息媒介、共享记忆和行动提示的作用。

蚂蚁的信息素和白蚁正在成形的巢穴，是这种机制的经典案例。把尺度扩展到人类社会，Wikipedia 页面、Git 提交、协作文档和任务状态也能成为持久的数字痕迹，让参与者在没有持续点对点沟通的情况下异步推进工作。

痕迹为什么能够形成秩序

真正起作用的并不是“共享”本身，而是反馈。一次行动留下的痕迹必须可以被后来者观察，并实际改变后续行动发生的位置或概率。痕迹被反复强化时，分散的局部选择可能逐渐形成稳定路径；痕迹能够衰减或被纠正时，系统才有机会忘记已经失效的选择。

这也意味着 Stigmergy 不保证产生正确答案。正反馈既能放大有效路径，也可能放大偶然、错误和从众。一个可用的系统需要同时设计痕迹的可见性、可信度、更新规则、衰减机制和冲突处理方式。

从生命系统到 AI Agent

图中的“生命系统”采用的是较宽泛的机制类比。细胞膜上的脂质状态、染色质上的化学修饰和细胞外基质，都可能保存此前活动的结果，并改变后续分子或细胞的行为。其中，细胞通过改造细胞外环境影响其他细胞，更接近经典 Stigmergy；细胞内部的信号和表观遗传过程，更适合称为具有相似结构的“迹导式自组织”，不能把所有信号级联都直接归入 Stigmergy。

在多智能体 AI 中，任务板、共享文档、实验记录、代码仓库和知识图谱都可以承担相似角色。只有当 Agent 能够读取其中的变化、依据变化采取行动，并把结果重新写回环境时，共享空间才形成完整的 Stigmergy 回路。

延伸阅读