AI协作新范式:openJiuwen社区首发Coordination Engineering全栈技术体系

news2026/4/29 3:18:49
AI Agent正在经历一场工程范式的跃迁。从Prompt Engineering教会模型如何回答问题到Context Engineering为Agent注入恰到好处的上下文再到Harness Engineering让单个Agent拥有工具调用、记忆管理、任务规划等完整能力——每一步演进都在把AI从对话工具推向自主工作者。就在上周DeepSeek-V4预览版发布并同步开源Agent能力成为其最大亮点——在Agentic Coding评测中达到当前开源模型最佳水平。V4-Pro拥有1.6万亿总参数、百万级上下文长度推理能力比肩顶级闭源模型。这释放了一个明确信号单Agent的能力天花板正在被快速拉高个体能力不再是瓶颈如何让多个超强Agent协同作战才是下一个真正的挑战。但单个Agent再强终究只是一个超级个体。真正复杂的任务——跨领域调研、大型项目交付、多角色协作——从来不是一个人能搞定的而是需要一个团队。如何让多个Agent像一支精锐团队一样高效协作这就是下一个必须回答的问题。openJiuwen开源社区提出的答案是Coordination Engineering协同工程——AI工程范式的下一跳。如果说Harness Engineering关注的是单个Agent的驾驭那么Coordination Engineering关注的就是Agent团队的协同。它由四大核心能力构成完整闭环Agent Team —— 让多智能体自主分工、高效协同完成从单兵作战到精锐团队的关键跨越Team Skills —— 多智能体的“开发平台”将协作经验标准化封装让一支优秀团队变成一套可复制的团队能力Team Skills Hub —— 打通共享生态让协作经验在社区中流通、复用Team Skills自演进 —— 在每一次实战中自动迭代让团队整体与每位成员越用越强接下来让我们逐一拆解这四大能力。认识openJiuwen与JiuwenClaw在深入Coordination Engineering之前我们来认识一下它的主角。openJiuwen是由华为2012实验室、华为云AgentArts与社区开发者联合共建的开源社区定位为面向智能体时代的AgentOS。它不是一个单纯的Agent框架而是一整套技术基座——从单Agent能力构建到多Agent团队协作再到技能生态共建覆盖AI Agent的完整生命周期。JiuwenClaw绰号小龙虾是在openJiuwen开源社区共建的AI Agent核心理念是懂你所想自主演进。它不只是执行指令而是在与你的交互中不断学习——记住你的偏好、积累实战经验、自动优化自身能力。JiuwenClaw的核心能力涵盖多个维度任务自主管理能将复杂目标自动拆解为可执行步骤Skills自演进在实战中持续优化自身技能上下文压缩卸载突破长对话的上下文瓶颈浏览器操控替你完成网页端的操作任务以及分层记忆让Agent同时具备短期工作记忆和长期知识积累。项目已在GitHub开源采用Apache 2.0许可欢迎社区参与贡献。项目地址https://atomgit.com/openJiuwen/jiuwenclawhttps://github.com/openJiuwen-ai/jiuwenclaw同时openJiuwen开源社区协同华为云AgentArts打造了企业级办公智能体OfficeClaw聚焦内容生成、文件处理、知识搜索等各类办公场景助力企业办公效率跃升。Coordination Engineering核心能力Agent Team如何协调一支Agent团队JiuwenClaw给出的核心方案是Agent Team一套完整的多Agent团队协作机制。三大核心机制1. 分级自主协同Agent Team采用Leader Teammate的分级架构。Leader Agent负责理解用户意图、拆解任务、分配角色、编排执行顺序并在关键节点做决策审批Teammate Agent则各自发挥专长主动认领任务完成后自动汇报。这种设计的好处在于既有统一指挥保证方向一致又有充分的自主性让每个Agent高效执行。不是所有事情都等Leader安排Teammate可以根据自身能力和当前状态主动出击。2. Team Workspace共享工作区团队成员共享一个工作空间——谁产出了什么其他人马上就能看到。前序任务的产出自动成为后续任务的输入无需手动传递。调研Agent完成的数据分析报告写PPT的Agent可以直接引用整个协作如流水线般顺畅。3. 全生命周期管控从团队组建到任务完成Leader Agent全程把控。关键决策需要Leader审批防止Teammate偏离目标事件驱动机制确保团队不会陷入僵死——某个成员卡住了系统会自动处理团队还支持持久化本次用完可以存档下次遇到类似任务直接唤醒。TeamMonitor则提供全程可观测能力让你清楚知道每个成员在干什么、进度如何。效果如何我们看一个案例这里已经提前安装好了多学科自动分诊的医疗专家团队并将JiuwenClaw接入了飞书。给它发送我最近晚上有点失眠然后早上起来腰酸背痛没有精神能不能用团队技能帮我诊断一下。系统将即时生成对应专科专家同步开展并行分析再由主任医师汇总多方研判结论输出完整会诊报告。全程协作流程全透明可实时查看专家组建、任务进度、多角色并行工作状态与接力分工完整过程可追溯、可复盘。从经验到能力Team Skills Team Skills HubAgent Team的协作能力令人印象深刻但一个痛点随之而来每次协作的宝贵经验都随会话结束而消失下次还得从零开始。下次遇到同类任务Leader仍然要重新规划需要几个角色如何分工谁先谁后什么条件算完成就像一个项目团队做完一个大项目却没有做任何复盘和文档——所有经验只在脑子里人一散经验就丢了。Team Skills将协作经验标准化封装Team Skills正是为解决这个问题而来。它将一次成功的团队协作全链路——需求拆解、团队组建、任务分配、协作流程、交付规范——封装为标准化的团队技能SOP。让一支优秀团队的协作方式变成一套可复制的团队能力。简单来说Agent Team让团队能协作Team Skills让协作能力可沉淀、可复用。文件结构极简(以上述医疗团队)Agent-Team/├── SKILL.md # 团队名称、目标、成员概览、适用场景与边界├── roles/ # 各细分岗位角色职责定义│ ├── triage-doctor.md # 分诊/全科医生│ ├── specialist-physician.md # 专科会诊医师按需激活│ ├── clinical-pharmacist.md # 临床药师│ ├── health-nutritionist.md # 健康营养师/调理师│ └── chief-physician.md # 主任医师汇总/终审├── workflow.md # 多角色协作流程、执行顺序、岗位激活规则└── ... # 配置、素材等扩展文件bind.md / dependencies.yaml最简单的情况一个SKILL.md加上roles/里几个角色定义就能组起一支可用的团队。简单任务两三个文件就够复杂任务按需补充几乎零门槛。如何创建Team SkillsJiuwenClaw发布了配套的创建技能团队技能自动生成专家teamskill-creator支持从零创建新的Team Skill也可以将现有的单Agent Skill转化为Team Skill或者修改已有的Team Skill如增减角色、调整执行流程。创建过程中teamskill-creator会自动检索当前已有的Skill和可用工具将匹配的技能与工具直接装配给对应成员。当本地能力不足时还可通过find机制从技能市场当前支持SkillNet、ClawHub检索合适的Skill经用户确认后自动下载并配置让团队能力快速补齐。Team Skills Hub团队技能的共享市场有了Team Skills下一步自然是让好的团队技能流动起来。Team Skills Hubteamskills.openjiuwen.com就是这样一个共享平台。目前已覆盖开发编程、办公生产力、内容创作、医疗健康等八大类别用户可以一键下载使用也可以将自己的Team Skills发布到平台上供他人使用。值得一提的是Team Skills扩展的是Agent Skills开放标准具备跨框架兼容能力——在JiuwenClaw上创建的Team Skill可以在Claude Code、Cursor等支持Agent Skills标准的平台上零适配运行。越用越强Team Skills自演进Team Skills解决了协作经验的沉淀与复用但如果只是复制过去充其量是静态模板。JiuwenClaw为Team Skills带来了自演进能力让团队在每一次实战中自我迭代越用越强。核心围绕三大特性展开1. 双层自演进团队与成员协同进化。 团队技能层系统根据任务执行轨迹自主增加角色、补充约束、优化流程Leader Agent的规划管控能力持续增强成员技能层工具报错、接口超时等实战经验被自动沉淀再遇同类问题直接解决。两层演进相互促进形成正向循环。2. 演进补丁架构改进经验独立存储不改动原始Skill。 演进内容以独立经验条目附加到Skills上而非直接修改原始文件。每条经验可单独审查与淘汰。关键优势社区下载的Skill升级新版本时已积累的演进经验无缝沿用不存在版本冲突。3.量化评估与生命周期管理。 系统定期对每条演进经验进行有效性、使用率、新鲜度三维评分高分优先注入、低分自动降权确保演进过程始终透明可控。全流程实战从创建到自演进以上能力听起来很好实际效果如何我们以旅行规划团队为例完整走一遍从创建、执行到自演进的全流程第一步创建团队技能。用户描述需求后系统基于teamskill-creator自动生成完整的旅行规划Team Skill同时支持搜索和下载社区已有的相关技能来增强团队能力。生成后即可查看成员列表与Mermaid协作流程图团队结构一目了然。第二步执行中自动沉淀经验。用户输入实际出行需求后Agent Team使用该团队技能创建专属旅行规划团队执行任务。执行过程中各成员可自主协商解决冲突——例如交通专家先规划了晚上到达的航班景区专家规划了下午的行程两者冲突后主动协商将航班更新为上午。执行完成后系统自动识别出费用审核与朋友圈文案存在职责耦合随即生成演进经验并提交用户审批建议拆分为两个专家并行完成。第三步基于经验重构技能。用户确认演进经验后系统一键重构——自动新增专家角色、更新协作流程。与此同时每位成员在任务执行中积累的实战经验也同步沉淀团队层与成员层协同进化。团队结构在自动调整协作流程在持续优化成员经验在逐步积累——用得越多团队越强。共建团队技能生态Team Skills HubopenJiuwen已发布Agent Team、Team Skills、Team Skills Hub、Team Skills自演进等完整技术体系——从团队协作到经验沉淀从技能共享到持续演进形成了一个完整闭环。但闭环的最后一环是人。Team Skills Hub就是这个闭环中的连接器——一个团队技能的共创、共享、共演进平台。如果你是一名开发者你可以将自己在实战中打磨出的团队技能发布到Hub让更多人受益。你定义的协作SOP可能正是别人苦苦寻找的解决方案。如果你是一名用户你可以在Hub上发现、下载、使用各类团队技能并让它在你的具体场景中自演进——下载的不只是一个模板而是一个会在你手中持续优化的能力体。结合自演进能力Team Skills Hub上共享的技能会随着不同用户的实战使用而不断进化。社区共享的不再是一成不变的模板而是持续成长的活体技能。每一个人的使用和反馈都在让整个生态变得更强。一个人走得快一群人走得远。让我们一起在Team Skills Hub共建团队技能生态让协作经验流动起来。相关资源https://teamskills.openjiuwen.com/ —— 共建团队技能生态https://www.huaweicloud.com/product/agentarts/officeclaw.htmlhttps://atomgit.com/openJiuwen/jiuwenclaw/blob/develop/docs/zh/Quickstart.mdhttps://atomgit.com/openJiuwen/jiuwenclawhttps://github.com/openJiuwen-ai/jiuwenclawhttps://atomgit.com/openJiuwenhttps://github.com/openJiuwen-ai

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2564352.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…