LLM 驱动的多代理系统（MAS）在解决跨领域复杂问题上表现出色。近年来，如何在执行过程中动态编排代理成为热点，但现有方法往往面临组合受限、依赖错位、规模僵硬等问题，难以随需求灵活调整。为此，我们将 MAS 设计重新表述为部分可观测马尔可夫决策过程（POMDP），在该框架下，系统的组成和规模均由决策过程动态决定。
我们提出 DHCG，它通过 Planner、Worker、Generator 三个模块，从查询和执行反馈出发，逐步自零构建层次化协作图。每一步，Planner 在反馈的引导下生成一组互补且独特的角色，并将相关信息有选择地路由至对应角色；同时，Planner 可在需求满足时提前结束图的构建，或在需要进一步推理时继续扩展。为提升 Planner 的决策质量，我们引入 action‑aware preference optimization，使其在构建层次协作图时更具针对性。
我们在代码生成、数学推理和特定领域推理基准上系统评估 DHCG。实验表明，DHCG 在所有比较方法中取得最高平均得分，较单代理基线提升 13.06 分，且相较于静态和动态 MAS 基线提升 2.77‑8.02 分。进一步实验验证了该框架在不同 Planner 主干和未见 Worker 模型下的良好泛化能力。
点评：DHCG 通过将 MAS 视作 POMDP 并引入层次协作图，实现了在推理过程中的灵活扩展与收敛，显著提升了多代理系统的适应性和整体性能。