機器之心發(fā)布

AI Agent 正在從 "單兵作戰(zhàn)" 走向 "團隊協(xié)作"—— 讓多個 Agent 分工配合，去完成單個 Agent 難以獨立扛下來的復雜任務，也是近期最受關注的方向之一。

沿著這條路，華為支持的openJiuwen 社區(qū)一直在圍繞 Coordination Engineering（協(xié)同工程）推進多智能體協(xié)同：Agent Swarm 讓多個智能體自主分工、協(xié)同執(zhí)行；Swarm Skills 把一次成功的團隊協(xié)作沉淀成可復用的 "團隊技能"；SwarmSkill Creator 進一步讓用戶用一句自然語言就能生成多角色團隊。

能 "組起隊" 之后，下一步要解決的，就是 "團隊怎么穩(wěn)定地把活干完"。

這一次，openJiuwen 給這條技術棧補上了新的一塊 ——開源 SwarmFlow，一種面向多智能體團隊的可控工作流編排。

它想回答的，是多智能體走進復雜任務后繞不開的一個問題：

團隊會協(xié)作了，但這套協(xié)作流程，能不能被穩(wěn)定、可控、可復用地執(zhí)行？

會協(xié)作之后：復雜任務帶來的三個考驗

要理解 SwarmFlow，得先理解它針對的痛點。

在主流的多 Agent 協(xié)作模式里，通常有一個 Leader Agent 充當大腦：它一邊理解需求，一邊拆任務、建成員、分配工作、等結果，再根據回傳決定下一步。任務簡單時，這種 "臨場調度" 非常靈活。

但任務一旦變長、變大，出現多步驟、多分支，需要并行、需要驗證和重試，把整條流程都壓在 Leader 的臨場判斷上，會遇到三個繞不開的問題：

• Leader 變成瓶頸。每一份中間結果都要回到 Leader，它的上下文很快被過程信息淹沒，大量精力消耗在 "流程管理" 上，反而做不好真正需要它判斷的事。
• 過程不穩(wěn)定。同一個任務跑兩次，可能走出兩條不同路徑 —— 因為每一步都取決于 Leader 當場怎么決定。
• 執(zhí)行不可靠。誰先做、誰并行、什么時候匯總、失敗怎么處理，這些要求即便提前寫清楚，到底有沒有被照做，仍然依賴 Leader 臨場發(fā)揮。

而很多復雜任務的協(xié)作關系，其實是清晰、可以提前確定的。金融研判要讓宏觀、行業(yè)、風險、投資幾個角色并行研判再統(tǒng)一匯總；論文分享要先讀論文、再生成總結、最后撰寫郵件發(fā)送 —— 每一步的輸入輸出都很明確。

openJiuwen 的判斷是：這類任務真正關鍵的不是 "多叫幾個 Agent"，而是把這套確定的協(xié)作關系穩(wěn)定地執(zhí)行下來，而不是每次重新臨場判斷一遍。

核心思路：編排歸系統(tǒng)，智能歸 Agent

SwarmFlow 的解法，可以用一句話概括：把 "編排" 和 "智能" 分開。

誰先做、誰并行、誰把結果交給誰、什么時候匯總、失敗如何處理 —— 這些協(xié)作關系（編排），交給系統(tǒng)按程序穩(wěn)定執(zhí)行；而每個子任務具體怎么理解、怎么推理（智能），才交給 Agent。

常見的多 Agent 協(xié)作流程是：Leader 既要做編排、又要做判斷，兩件事混在一起，全靠一輪輪臨場推進。

SwarmFlow 做的，是把編排邏輯從 Leader 的 "臨場理解" 里抽出來，變成一段系統(tǒng)可以自動執(zhí)行的工作流：Leader 不再每一輪手動調度，只需要啟動這條工作流，后續(xù)協(xié)作由 SwarmFlow 自動推進，Agent 只在需要推理的節(jié)點被調用。

由此，"團隊怎么配合" 不再靠 Leader 臨場判斷，而是被系統(tǒng)穩(wěn)定執(zhí)行、自動追蹤、可被復用。用 openJiuwen 自己的話說：SwarmFlow 增加的不是 Agent 數量，而是協(xié)作的確定性。

這背后是一個并不激進的判斷：不是 "越自主越好"，而是為任務匹配合適的形態(tài)。確定的編排更可預測、更易復盤，自主推理更靈活、更能應對開放問題。

那它和大家已經熟悉的 Swarm Skill 是什么關系？

一句話：Swarm Skill 是團隊協(xié)作的能力包，SwarmFlow 是其中負責 "可執(zhí)行編排" 的那部分能力。

Swarm Skill 定義了一支團隊 —— 有哪些角色、各自負責什么、如何協(xié)作、遇到問題怎么處理。過去它更像一份 "團隊協(xié)作說明書"，把該怎么配合寫清楚了，但真正執(zhí)行時仍要靠 Leader 一邊讀、一邊臨場照做，流程一長，照樣會回到上面那三個問題。

SwarmFlow 補上的正是 "執(zhí)行" 這一環(huán)：當一支團隊的協(xié)作流程可以提前確定時，就把這套編排寫進 Swarm Skill 的 scripts/workflow.py，讓它從 "靠 Agent 臨場照做" 變成 "被系統(tǒng)直接執(zhí)行"。

所以 SwarmFlow 不是另起爐灶的新概念，而是讓 Swarm Skill 從一份 "協(xié)作說明書"，長出一條 "可執(zhí)行的工作流"。

該不該寫成腳本：就看編排能不能提前確定

SwarmFlow 比較有意思的地方，在于它沒有走 "把一切都腳本化" 的極端。openJiuwen 給出的判斷標準只有一個 ——編排能不能提前確定

同一個 Swarm Skill 由此分成兩種形態(tài)。

第一種，不帶 workflow.py 腳本。適合編排本身就動態(tài)的場景，比如多專家圓桌研討、方案評審、戰(zhàn)略討論。這類任務里，角色和階段是確定的 —— 會有哪些人參與、大致經歷 "獨立思考、相互討論、觀點匯總" 幾個階段；但誰回應誰、誰質疑誰、誰補充誰，需要根據上下文臨場決定。它更像一場真實會議：議程是確定的，但觀點如何流動、信息如何交鋒，得在協(xié)作過程中自然發(fā)生。強行寫成腳本，反而會束縛協(xié)作。所以這類 Swarm Skill 只沉淀角色、規(guī)則、邊界和協(xié)作方式，把 "誰交給誰" 留給臨場判斷。

第二種，帶 workflow.py 腳本。適合編排可以提前確定的任務，比如論文分析與辦公自動化：論文解析的結果交給總結，總結交給文檔生成，文檔再交給郵件撰寫 —— 誰接誰、下一步做什么，都能提前定好。于是腳本里用 SwarmFlow 把這套編排固化下來，交給系統(tǒng)穩(wěn)定執(zhí)行。

一句話：編排是動態(tài)的，用不帶腳本的 Swarm Skill 保留開放協(xié)作；編排能提前確定，用帶腳本的 Swarm Skill 承接可執(zhí)行編排。

這正是 SwarmFlow 的設計亮點 —— 確定性與開放性可以在同一套體系里各得其所，十分靈活。

SwarmFlow 長什么樣：用積木搭出團隊工作流

openJiuwen 提供了一組算子當積木，用于搭建 SwarmFlow—— 每個算子只管一件事，拼起來就能描述出復雜的團隊協(xié)作。

這套積木大致覆蓋四類需求：派生智能體去執(zhí)行子任務、讓多個智能體以不同方式并發(fā)與流轉、把長流程切分成可觀察的階段并支持子流程復用、以及在關鍵環(huán)節(jié)插入人機交互。

落到具體能力上，有幾處設計值得一提。

并發(fā)不止一種：一種是并行parallel，幾個智能體一起跑、全部完成后統(tǒng)一匯總；另一種是流水線 pipeline，多個條目各自獨立逐級流過、互不等待 —— 前者適合多視角研判后合并，后者適合批量逐條處理。有狀態(tài)的智能體 agents_session 能在多輪協(xié)作中保留記憶，甚至 "分身" 出一個副本去做假設推演而不污染主線。需要人拍板的地方，可以插入一個人機節(jié)點human，在執(zhí)行中向人類要一條輸入或一次審批。此外還有專門約束資源與額度消耗的算子 budget，把 "會不會跑超" 也納入了可控范圍。

通過這些算子：一個動作一塊積木，復雜協(xié)作由簡單積木拼出來，無需從零設計編排邏輯。

同時，SwarmFlow 不是黑盒，在 JiuwenSwarm TUI 中，用戶還可以通過 /swarmflows打開內置可視化視圖，用一張實時交互式樹狀圖查看當前會話里的所有 Swarm Workflow：上方展示階段進度，下方聯(lián)動展示選中階段里的 Agent 狀態(tài)；需要進一步排查時，也可以下鉆到單個 Agent，查看提示詞、輸出結果或錯誤日志。

對想把多智能體用進生產的團隊來說，可觀測、可續(xù)跑、可控額度，往往比 "算子多不多" 更要緊。

怎么用：從一句話生成，到 Team 模式自動調用

形態(tài)分成兩種，門檻卻沒有變高，因為生成和調用都被 openJiuwen 包了起來。

生成端，交給內置的 SwarmSkill Creator。它是 JiuwenSwarm 內置的能力，用戶無需額外安裝，會根據自然語言需求自動判斷該生成哪種形態(tài)：默認生成不帶腳本的 Swarm Skill（角色、協(xié)作規(guī)則、流程說明和約束），適合開放協(xié)作；當它判斷用戶要的是一條工作流 —— 比如 "幫我寫一條工作流，逐篇分析這批論文、匯總成報告再發(fā)郵件"—— 就生成僅含腳本的版本，只保留一個最小的 Skill.md 入口和一個 workflow.py，讓用戶快速拿到能跑、可復用的工作流；兩者都要時，也支持生成兼具完整協(xié)作規(guī)范和腳本的版本。用戶不必先理解文件結構，也不必手寫編排腳本，只要把目標說清楚。

調用端，在 Team 模式下一句需求自動進入。用戶不用分辨任務屬于哪種形態(tài)，也不用手動編排每個 Agent 的執(zhí)行順序，只要用自然語言描述，系統(tǒng)會判斷其中是否包含工作流意圖。

例如 "用工作流幫我分析這家公司是否值得投資"，或 "用 swarmflow 組織幾個專家閱讀這篇論文、生成總結文檔并起草一封郵件"。識別到工作流意圖后，系統(tǒng)會進一步判斷任務形態(tài)：適合固定編排就進入 SwarmFlow，更適合開放協(xié)作就用不帶腳本的 Swarm Skill，單個 Agent 夠用就不額外啟動多 Agent。

這也是 openJiuwen 想定義的可控協(xié)同工程新范式 ——讓復雜協(xié)作在系統(tǒng)內部變得可控，讓用戶側保持自然和簡單。

三個實戰(zhàn)場景

看完了設計，再看看實戰(zhàn)效果。

參考 JiuwenSwarm 快速上手，先安裝與啟動 JiuwenSwarm：https://openjiuwen.com/jiuwenswarm#quick-start

場景一：從一張流程圖，生成一套金融分析的 SwarmFlow。用戶上傳了一個流程圖，JiuwenSwarm 基于該流程圖，使用內置的 swarmskill-creator 即可直接生成該流程圖對應的 SwarmFlow 團隊技能，包含對應的工作流執(zhí)行腳本 —— 整條 SwarmFlow 不用手動編排，由一張圖直接生成。

用戶提出分析目標，這條工作流就會自動啟動：先進行數據采集、清洗，然后從財務、行情等五個維度并行分析，最后交叉驗證、綜合置信度，輸出完整的分析報告和總結建議。整個過程中，用戶看到的不只是最終答案，還能看到團隊在各階段如何推進。

場景二：給定選題，自動進行技術調研、素材整理并發(fā)送郵件。這個案例是一個更接近日常辦公和科研協(xié)作的技術分享工作流。用戶只需要給出技術分享主題和目標讀者，SwarmFlow 就會自動組織多個階段依次推進：先搜索相關論文和資料，再整理素材、提取可用圖片并保存到本地目錄；隨后分析核心問題、技術趨勢、關鍵觀點、可討論議題等；最后生成結構清晰、適合組內閱讀的技術分享郵件，并發(fā)送給指定收件人。

技術分享是一類會反復發(fā)生的團隊工作：主題會變，但 “搜資料、提素材、做分析、寫郵件、發(fā)出去” 的動作和標準相對穩(wěn)定。SwarmFlow 可以把這套流程固化下來，避免每次臨場指揮導致步驟遺漏、口徑變化和交付不一致。

場景三：在已有團隊技能上補充工作流，200 頁 PPT 穩(wěn)定產出。這個案例基于已有的團隊技能，生成了一條專門生產 PPT 的工作流 —— 設計三階段流程，階段一首先規(guī)劃章節(jié)主題和分工，階段二里 10 個章節(jié)并行生成 PPT，最后合并階段把所有章節(jié)統(tǒng)一匯總，整理成一份 200 頁的完整 PPT。

做大型 PPT 正是那種 "步驟固定、但量大易亂" 的任務：兩百頁內容若全靠 Leader 一頁頁臨場調度，每次跑出來的結構、風格、詳略都可能不一樣；而固化成工作流之后，每次都按相同的步驟和標準執(zhí)行，既靠并行明顯加速，又能穩(wěn)定產出一份結構統(tǒng)一、風格一致的 200 頁 PPT。

幾點觀察與思考

把這次開源放回 openJiuwen 的 Coordination Engineering 這條線上看，SwarmFlow 幾個設計上的選擇值得關注。

一是它把 "編排" 和 "智能" 顯式切開，又和 Swarm Skill 這套能力包統(tǒng)一了起來 ——"可執(zhí)行編排"成了團隊能力的一部分，而不是另起一套獨立的編排系統(tǒng)。

二是它用自然語言生成（SwarmSkill Creator）加 Team 模式自動路由，"該用哪種形態(tài)" 不需要用戶操心。

三是人機節(jié)點、可觀測、斷點續(xù)跑、額度約束這層工程能力，保證了 "可控" 真正落地。

值得一提的是，華為云 AgentArts 也已經將 openJiuwen 引入到商業(yè)化平臺能力中，開箱即用，感興趣的用戶可以直接去華為云官網體驗。

多智能體的故事，正在從 "能不能協(xié)作"，走向 "能不能穩(wěn)定地把復雜工作干完"—— 而后者更難、也更關鍵。SwarmFlow 給出的答案是把 "編排" 交給系統(tǒng)、"智能" 留給 Agent：它增加的不是 Agent 數量，而是協(xié)作的確定性。作為國產全開源的 AI Agent 平臺，openJiuwen 也已將 SwarmFlow 完整放在社區(qū)上，值得開發(fā)者上手試試，也值得我們持續(xù)關注。