當單個 AI Agent 的能力天花板逐漸顯現，"組隊干活"成了行業共識——讓多個 Agent 各司其職、擰成一股繩，去啃那些單體智能啃不動的硬骨頭。

在這條路上，華為支持的openJiuwen 社區選擇了一條系統化的路徑：圍繞 Coordination Engineering（協同工程）逐步搭建多智能體協同的完整能力棧。先是 Agent Swarm 實現了智能體的自主分工與動態協作，接著 Swarm Skills 將成熟的協作經驗封裝成可復用的團隊技能包，SwarmSkill Creator 則進一步降低了門檻——一句話描述需求，系統就能自動組建一支多角色團隊。

隊伍能拉起來，問題卻沒結束。一支多智能體團隊在面對復雜任務時，真正考驗的不是"能不能配合"，而是"這套配合方式能不能被穩定、可控地反復執行"。

openJiuwen最新開源的SwarmFlow，正是為了回答這個問題。 它是一種面向多智能體團隊的可控工作流編排方案，目標是讓團隊協作從"臨場發揮"變成"按流程交付"。

會協作之后：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 臨場發揮。

而很多復雜任務的協作關系，其實是清晰、可以提前確定的。金融研判要讓宏觀、行業、風險、投資幾個角色并行研判再統一匯總；論文分享要先讀論文、再生成總結、最后撰寫郵件發送——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作關系穩定地執行下來，而不是每次重新臨場判斷一遍。

答案是剛剛開源的SwarmFlow——一種面向多智能體團隊的可控工作流編排。

核心思路一句話：編排歸系統，智能歸 Agent。

誰先做、誰并行、誰把結果交給誰——這些 編排 交給系統按程序穩定執行；而每個子任務具體怎么理解、怎么推理——這些 智能 才交給 Agent。由此，"團隊怎么配合"不再靠 Leader 臨場判斷，而是被系統穩定執行、自動追蹤、可被復用。

SwarmFlow 增加的不是 Agent 數量，而是協作的確定性。

Swarm Skills：團隊協作的"能力包"，SwarmFlow 是其中的"可執行編排"

SwarmFlow 不是另起爐灶——它長在 Swarm Skill 里。

Swarm Skill定義了一支團隊——有哪些角色、各自負責什么、如何協作、遇到問題怎么處理。過去它更像一份"團隊協作說明書"，把該怎么配合寫清楚了，但真正執行時仍要靠 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"執行"這一環：當一支團隊的協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"被系統直接執行"。

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

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

重點拆解：Swarm Skills 的兩種形態

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。

形態一：不帶 workflow.py 腳本——保留開放協作

適合編排本身就動態的場景，比如多專家圓桌研討、方案評審、戰略討論。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，得在協作過程中自然發生。強行寫成腳本，反而會束縛協作。所以這類 Swarm Skill 只沉淀角色、規則、邊界和協作方式，把"誰交給誰"留給臨場判斷。

形態二：帶 workflow.py 腳本——承接可執行編排

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，交給系統穩定執行。

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作。

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

落到具體能力上，有幾處設計值得一提。

并發不止一種：一種是并行parallel，幾個智能體一起跑、全部完成后統一匯總；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。有狀態的智能體 agents_session 能在多輪協作中保留記憶，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點human，在執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，下方聯動展示選中階段里的 Agent 狀態；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。

一句話總結：編排是動態的，用不帶腳本的 Swarm Skill 保留開放協作；編排能提前確定，用帶腳本的 Swarm Skill 承接可執行編排。確定性與開放性在同一套體系里各得其所。

SwarmFlow 實戰：三個場景，看可控編排如何落地

設計講完了，我們來看看實戰效果。

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

形態分成兩種，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：默認生成不帶腳本的 Swarm Skill（角色、協作規則、流程說明和約束），適合開放協作；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作規范和腳本的版本。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，也不用手動編排每個 Agent 的執行順序，只要用自然語言描述，系統會判斷其中是否包含工作流意圖。識別到工作流意圖后，系統會進一步判斷任務形態：適合固定編排就進入 SwarmFlow，更適合開放協作就用不帶腳本的 Swarm Skill，單個 Agent 夠用就不額外啟動多 Agent。

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

接下來看三個實戰場景。

場景一：從一張流程圖，生成一套金融分析的 SwarmFlow

用戶上傳了一張流程圖，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。

最終效果：

場景二：給定選題，自動技術調研、素材整理并發送郵件

這個案例是一個更接近日常辦公和科研協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。

• 先生成SwarmFlow工作流

• 基于這個工作流執行技術調研與分享

• 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，并發送給指定收件人

技術分享是一類 會反復發生的團隊工作：主題會變，但"搜資料、提素材、做分析、寫郵件、發出去"的動作和標準相對穩定。SwarmFlow 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。

最終效果：

場景三：在已有團隊技能上補充工作流，200 頁 PPT 穩定產出

這個案例展示了 SwarmFlow 最具實踐價值的一種用法—— 基于已有團隊技能補充工作流 。

用戶擁有一支成熟的團隊技能，在此基礎上生成一條專門生產 PPT 的工作流，設計三階段流程：

• 階段一 ：規劃章節主題和分工

• 階段二 ：10 個章節 并行生成 PPT

• 階段三 ：合并匯總，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行，既靠并行明顯加速，又能穩定產出一份結構統一、風格一致的 200 頁 PPT。

以上三個場景展示了 SwarmFlow 的可控編排能力。此外，Swarm Skills 還支持 自演進 ——演進引擎持續觀察任務執行軌跡，自動反推可優化的點（增減角色、補充規則、沉淀成員經驗等），提交用戶審批即可更新技能。從生成工作流（可控）到自演進（越用越強），沉淀、編排、演進三者環環相扣，構成 Coordination Engineering 的完整閉環。

JiuwenSwarm 全棧技術體系與底座

SwarmFlow 和 Swarm Skills 不是孤立存在的，它們是 openJiuwen Coordination Engineering（協同工程） 全棧技術體系的組成部分。

從 Harness Engineering（單Agent工程化）到 Coordination Engineering（多Agent協同工程化），openJiuwen 回答了四個遞進問題：

• 多個 Agent 怎么自主分工、動態協商？ →Agent Swarm
• 協同跑通的最佳實踐，怎么沉淀成可復用資產？ →Swarm Skills（含 SwarmFlow 可執行編排）
• 沉淀下來的能力，怎么流通、復用？ →Swarm Skills Hub（https://swarmskills.openjiuwen.com/）
• 整套系統怎么越用越強？ →Swarm Skills 自演進

JiuwenSwarm 的蜂群協同能力背后，是 openJiuwen Harness 在 DeepAgent 架構、上下文工程、長期記憶機制等方面的持續打磨——PinchBench 評測 SOTA 94.2%、token 消耗降低 34.8%、LOCOMO 記憶準確率 85%，確保每一位"隊員"都具備扎實的任務執行力。

結語：全套開源，一起養蜂

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。

• 它把"編排"和"智能"顯式切開，又和 Swarm Skill 這套能力包統一了起來——" 可執行編排 "成了團隊能力的一部分，而不是另起一套獨立的編排系統。
• 它用自然語言生成（SwarmSkill Creator）加 Team 模式自動路由，"該用哪種形態"不需要用戶操心。
• 人機節點、可觀測、斷點續跑、額度約束這層工程能力，保證了"可控"真正落地。

從 Harness Engineering 到 Coordination Engineering，openJiuwen 做了一件超前的事——當行業剛把視線從"更強的單Agent"轉向"更強的Agent團隊"，openJiuwen 已經鋪出了完整的一段路： 一套理念（Coordination Engineering）、一組全棧技術體系（Agent Swarm / Swarm Skills / SwarmFlow / Swarm Skills Hub / 自演進）、一個標桿智能體（JiuwenSwarm）——并且，全套能力開源。

多智能體的故事，正在從"能不能協作"，走向"能不能穩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、"智能"留給 Agent：它增加的不是 Agent 數量，而是協作的確定性。

開源地址 ：

• JiuwenSwarm（AtomGit）： https://atomgit.com/openJiuwen/jiuwenswarm
• JiuwenSwarm（GitHub）： https://github.com/openJiuwen-ai/jiuwenswarm
• Swarm Skills Hub： https://swarmskills.openjiuwen.com/

關于 openJiuwen

openJiuwen 是華為支持的開源 AI Agent 平臺社區，其標桿智能體 JiuwenSwarm，沉淀了 openJiuwen 平臺在 Harness 工程、多智能體協同、自演進、算力親和等關鍵能力，引領Agentic Al 時代的 AgentOS標桿。華為云 AgentArts 也已經將 openJiuwen 引入到商業化平臺能力中，開箱即用，感興趣的用戶可以直接去華為云官網體驗。

同時，openJiuwen作為國產自研的AI Agent社區，全套技術均開源，非常值得開發者們上手試試。

附：SwarmFlow詳細上手指南

1、安裝啟動 JiuwenSwarm

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

（1）安裝JiuwenSwarm：JiuwenSwarm提供了exe安裝包，可直接下載安裝

安裝后即進入JiuwenSwarm首頁：

（2）安裝JiuwenSwarm-TUI

jiuwenswarm-tui

啟動后頁面如下：

2、配置模型

在“配置信息”欄配置模型， 可配置多個模型 ，在集群模式下可以使用多模型防止限流

3、使用SwarmFlow執行任務

在JiuwenSwarm-TUI中，使用 /mode team 切換到集群模式，然后使用SwarmFlow即可，如給出以下query：

在swarmflow模式下：幫我調研最近Agent前沿技術，生成報告放到桌面

Tips1：建議在query中明確指出“使用 SwarmFlow 模式”

Tips2：若報缺少“swarmskill-creator”，可在“技能廣場-預置”，點擊安裝