他们把自己做的 Agent 系统拆成四层:消息入口与身份绑定、调度 Agent、桌面端执行、任务巡检。真正难的不是让 Agent 干活,而是任务超期、执行中断、多人交接之后,系统还能把活接上。

AI Agent,也就是我们常说的智能体。

说到智能体,很多人应该都会想到钢铁侠里的贾维斯。一直以来,我们都希望能拥有这样一个 AI 助手,什么事情都能帮我们安排得明明白白,彻底解放双手,最好每天什么都不用干,打打麻将就行了。

不过,就目前的技术水平来看,距离这个目标似乎还有不小的差距。

但我们好歹也是一个技术团队,怎么能不自己动手折腾一下呢?总得亲自试一试,踩踩坑,才能知道这东西到底能做到什么程度。要是连试都没试过,就说不好搞、搞不出来,那也说不过去。

大概是去年这个时候,也就是 2025 年的 10 月或者 11 月,具体时间我也记不太清了。当时我自己动手搞了一个 Agent Demo。

作为一个技术出身的人,做出来的东西果然也是满满的技术风格,功能和执行过程都恨不得直接摆在界面上。

给大家看看我们当时做的产品长啥样。

大家可以看看这个界面,左边是对话框,中间可以随时调整提示词和工具,右边则是实时显示的执行日志。

这样看起来很方便!Agent 每一步做了什么、哪里出了问题、哪些地方需要调整,都能直接看到,调试起来也简单很多。

没过多久,OpenClaw 就开始火了。当时这个 AI Agent 助手有多火,经历过那段时间的人应该都很清楚。

后来,国内各大厂纷纷加入,一时间进入了百团大战的龙虾时代,各种产品和方案层出不穷。与此同时,桌面端 Agent 也开始受到越来越多的关注。OpenAI 推出了 Codex 桌面应用,腾讯也推出了 WorkBuddy,其他大厂陆续跟进,大家都想在这个市场里占据一席之地。

这一轮发展下来,Agent 产品越来越丰富,普通用户想找一个能帮自己干活的工具,选择已经比以前多了很多。

这一年,我们自己在干什么?

扯了这么多,还是说说这段时间我们自己在干什么吧。

最开始,我们主要是在做各种 Demo,研究 Agent 的执行链路,看看它到底是怎么运行的,遇到问题又该怎么处理,才能让它稳定地把事情做完。

后来,随着越来越多的 Agent 项目开源,我们也跟着研究了不少技术和实现方案,慢慢开始打磨自己的产品。

我们的想法其实很简单,就是让 Agent 真正融入日常工作。那些重复性的、流程相对固定的事情,能交给 Agent 的就尽量交给它,让自己腾出更多时间去做其他事情。

对我们来说,开发一个能帮自己干活的 Agent,其实已经不算太难了,真正需要花时间的,是让它稳定、可靠地把事情做好。所以我们一直在打磨自己的 Skills,把平时工作中积累的经验、方法和流程,一点点沉淀下来。随着 Skills 越积越多,能交给 Agent 处理的工作也越来越多,对个人效率的提升是非常明显的,所以我们有了更多的时间来折腾。

最近,我们又开始折腾,怎么把这套东西用到团队协作中。

我们团队里很多工作其实都是在聊天软件里发生的。

大家在群里讨论该选哪一个供应商,有人顺手发了几份报价单。聊着聊着,领导说:“把这几家的报价整理一下。”过了一会儿,又有人补充:“第二家的报价是含税的,表里记得标记一下。”

这是一个很常见的工作场景。但如果想让 Agent 来处理,就有点麻烦了。我得先把文件下载下来,再打开 Agent,把前面的讨论和具体要求重新描述一遍。如果中途又有人修改报价,或者补充新的要求,我还得继续整理这些信息,再转交给 Agent。

原本大家在群里几句话就能交代清楚的事情,到了 Agent 这里,反而需要一个人不停地传递信息。

Agent加入团队协作还会遇到更多问题,同一件事情,前后补充了好几条消息,Agent 怎么知道它们属于同一个任务?任务做到一半,需要交给另一位同事,已经完成的工作和文件怎么传过去?如果执行过程中电脑断网了,任务又该怎么办?

我们现在做的就是让 Agent 直接融入团队现有的工作方式。

大家还是像平时一样在群里讨论,有任务 Agent 会自动触发领取执行,有新的要求就在群里补充。Agent 能结合前面的聊天记录和文件继续干活,任务做到一半,也可以转交给其他同事接着处理。

围绕这些需求,我们开始在原来的个人 Agent 基础上,开发一套团队协作系统。

下面就跟大家聊聊,我们是怎么设计的。

系统整体架构

先来看一下整体架构。我们这套系统的核心是一个团队共用的任务工作台,用来记录每件事情的负责人、执行进度和交付成果。

围绕任务工作台,我们设计了四个部分。

  1. 任务入口: 接收企业微信、飞书等聊天软件的消息,也负责把任务回执、问题和结果发送回去。
  2. 调度 Agent: 判断消息属于哪件事情、需要怎么处理、应该交给谁。
  3. 执行资源: 真正负责干活的同事或者 Agent。
  4. 任务巡检: 检查任务是否超期、执行是否中断,出现异常后进行提醒或恢复。

在部署上,整套系统分成云端和桌面端两部分。

云端负责管理和调度,桌面端负责实际执行。

每个人在自己的电脑上安装桌面端,配置常用的 Agent、工具和 Skills。

当任务分配过来后,桌面端就会领取任务,按照 Agent 的配置调用工具、运行 Skill,在本地工作目录中读写文件,完成后把执行状态和交付成果提交给云端。

云端则负责接收工作群消息、识别任务、分配执行资源,以及跟踪整个执行过程。

这样一来,每个人仍然可以继续使用自己熟悉的 Agent 和 Skills,团队又能通过统一的任务工作台进行协作。

同时,我们还做了一个任务看板,可以看到所有任务的总体情况,包括哪些任务正在执行、哪些已经完成、哪些需要人工处理。

整体结构大概就是这样。

下面按照一件任务从进入系统到最终完成的过程,看看各个模块是怎么工作的。

一、Agent 的工作入口

对我们这种小团队来说,很多工作都是在群聊中安排的。

在工作群里说一句“把今天的讨论整理成会议纪要”,或者“根据前面的资料做个 PPT”。

所以,我们首先做的事情,就是把 Agent 接入团队原来使用的聊天软件,让大家可以直接在群里交代任务。

1. 用户身份绑定

入口打通以后,首先要解决的是身份问题。我们之前开发的是本地执行 Agent,基本都是自己使用,并没有设计完整的用户体系。但接入企业微信、飞书以后,系统就需要知道消息是谁发的、他能操作哪些任务、可以把任务交给谁。

所以,我们建立了一套用户体系,把外部聊天平台的用户身份绑定到系统账号上。

这样不管消息来自哪个平台,都可以先识别对应的系统用户,再根据身份和权限处理后续操作。

2. 统一消息入口

接下来,我们把不同聊天平台的消息统一放到一个消息入口中。每条消息都会记录来源平台、发送人、会话信息、附件以及关联任务等内容。

这样做的好处是,不同消息平台可以协同处理同一个任务。

一个任务可以在企业微信里创建,后续通过飞书补充要求,只要能确认用户身份和任务归属,系统就可以继续处理。Agent 获取上下文时,也不再局限于某一个聊天平台,而是根据当前任务关联的消息,以及用户权限,获取相关的历史信息。

消息入口同时也是结果出口

系统会记录任务由哪个平台、哪条消息触发,任务完成后,再沿着原来的消息链路,把执行结果和交付文件返回去,用户在哪个聊天软件里交代的任务,就可以在相应的会话里收到结果。

二、调度 Agent,判断和分配任务

消息接进来以后,并不会直接把每条消息都交给执行 Agent,我们平时在群里说事情,很多人习惯分几条发。

例如

“帮我把这几家供应商的报价整理成对比表。”

“刚才那张图也放进去。”

“第二家的价格记得标含税。”

这三条消息实际上都在说同一件事情。

但如果第一条任务还没创建好,后面两条就各自开始判断,它们看到的任务状态可能还是空的。等三条都处理完,工作台上就可能出现几个重复任务。

1. 消息排队

为了解决这个问题,我们在调度前增加了消息排队机制。对于需要调度的私聊消息,按照账号顺序处理,每次领取一条。等前一条消息完成调度、任务状态更新以后,再处理下一条。

这里需要注意,等待的是调度结果,并不需要等整个任务执行完成。

只要确定了任务归属和执行资源,就可以继续调度后面的消息,不会因为某个 Agent 正在处理文件,把整个消息入口堵住。对于群聊中的连续消息,则需要结合群会话、发送人和已有任务来判断归属,并控制同一任务的并发更新。

2. 任务识别

消息进入调度以后,首先要判断用户到底想干什么。

我们把消息分成四种情况。

  • 闲聊: 正常聊天,不需要 Agent 参与,保持静默
  • 待办任务: 需要记录下来,在指定时间提醒负责人
  • 工作目标: 需要持续推进的一项工作,可能包含多个阶段
  • 执行任务: 需要立即安排人或 Agent 处理,并产生交付成果

除了判断消息类型,调度 Agent 还需要判断它属于哪件任务。为此,我们会提供当前消息、近期对话,以及用户有权操作的候选任务。候选信息包括任务说明、状态、待解决问题、已有成果和文件名称等。如果用户引用了一条已经关联任务的回执,也可以直接作为判断依据,加入之前的任务处理中

有了这些信息,调度 Agent 就可以判断当前消息是新任务,还是对已有任务的补充、修改或者追问。

3. 执行资源分派

等任务归属清楚以后,才轮到分派。如果用户明确指定了负责人,系统就核对这个人或者 Agent 是否存在、是否可用,以及当前用户有没有操作权限。如果没有指定负责人,调度 Agent 就根据任务要求和各执行资源的能力说明,从允许自动分配的资源中选择。如果遇到歧义,或者执行资源已经停用,就先向用户确认。

这里我们把模型和程序的职责分开了。

模型负责理解需求,给出任务归属和分派决定,程序负责权限校验、状态更新和实际分派。

三、执行 Agent,完成任务

前面解决了任务从哪里来、应该交给谁,接下来就到了真正干活的部分,这一块我们继续使用之前开发的本地 Agent,没有重新搭建一套执行框架。

1. 每个人管理自己的 Agent

我们按照人来配置执行资源,每个团队成员都可以创建自己的 Agent,配置模型、工具和 Skills,再写清楚它擅长什么、是否允许自动分派。

我平时做得比较多的是整理技术资料、研究文章,就可以准备一个资料整理 Agent。同事经常处理 Excel 和汇报材料,就可以根据自己的工作经验打磨相应的 Skills。

这样每个人都可以继续维护自己的 Agent,云端只需要知道这些执行资源能够做什么,以及什么时候可以调用它们。

2. 执行节点与任务交接

当调度选中了执行 Agent,工作台就会创建一个执行节点,等待负责人的桌面端领取。我们在这里引入了执行节点的概念,因为一件任务可能需要多个人参与,也可能需要执行多次。如果任务需要转交给同事,工作台会在同一个任务编号下创建一个属于他的后继节点。

后续接手的人可以自己处理,也可以再安排给自己的 Agent。

任务交接时,还有一个重要的问题,就是需要传递哪些资料。

我们为每个桌面执行节点创建独立的工作目录,其中主要有两个文件夹:

  • inputs/:存放输入资料,以及上一步交接过来的文件。
  • outputs/:存放当前节点产生的工作成果。

负责人交接任务时,可以填写交接要求,并选择需要一起传递的文件,系统把这些资料交给新的执行节点,由接收人的桌面端下载到本地工作目录。原来执行任务用户的私聊历史、Agent 配置和本地草稿不会自动传递,只交接当前任务需要的内容。

这样每个人都可以使用自己的工作环境,同时又能把工作成果延续下去。

我做完一份报价对比表,可以把文件交给同事核对税费和交付周期。对方修改以后再交回来,我在同一个任务里就能看到报价整理、同事复核以及最终验收的整个过程。

3. 成果交付

任务执行结束后,还有一道工作,就是交付。因为 Agent 在执行过程中,往往会生成很多临时文件,以制作 PPT 为例,工作目录里可能有封面图、素材、脚本、多个中间版本以及最终的 PPT,但用户真正需要的,通常只有最终成果,执行 Agent 需要在结果中明确列出正式成果,再选出本次需要回传的文件

程序按照清单检查文件、完成上传,并通过原来的消息渠道返回给用户。

这样,用户在手机里收到的就是最终交付文件.

四、任务巡检

前面这些模块,我们基本把任务从接收、调度到执行和交付的流程都给串起来了,但实际运行过程中,还有一个问题必须考虑。

如果任务执行到一半,突然中断了怎么办?

个人使用 Agent 时,遇到问题还可以自己打开日志看看。但在团队系统里,任务可能运行在其他同事的电脑上,云端必须能够发现异常。

所以,我们增加了一个任务巡检程序,主要负责两件事,任务超期提醒和执行中断检查。

1. 任务超期提醒

这一部分相对简单,工作台记录了任务的负责人、截止时间和当前状态。巡检程序定期检查,如果发现任务已经超过截止时间,还没有完成,就向当前负责人发送提醒,如果任务已经转交给其他同事,就提醒新的负责人。

为了避免消息反复打扰,同一个任务对同一个负责人只发送一次逾期提醒。没有绑定通知渠道的人,则可以在工作台看到超期状态。

2. 执行中断检查

执行中断要稍微复杂一些,因为任务是在桌面端执行的,云端需要判断桌面端是否还在正常运行,所以,我们引入了心跳和执行租约机制,桌面端领取任务后,每 10 秒向云端发送一次心跳,如果超过 90 秒没有续约,云端就会认为本轮执行可能已经中断,并收回对应的执行租约。

每次提交执行结果时,云端都会检查租约是否有效,防止已经失效的执行过程继续修改任务状态,如果符合自动恢复条件,巡检程序会把节点重新标记为待执行,等待原来的桌面端重新上线领取。

目前我们给每个节点设置了一次自动恢复机会。如果等待 15 分钟还没有重新领取,就会提醒负责人检查桌面端 App 的状态。

恢复执行也不能简单理解成地重新跑一遍,因为 Agent 可能已经调用了工具,或者生成了一部分文件。如果直接重试,有可能造成重复执行,我们会在本地保存执行记录和工作文件,恢复时,桌面端先检查上次停在什么位置。如果文件已经生成,只差提交,就直接检查并提交已有成果。如果某个外部操作已经执行,就先确认操作结果,再决定是否需要重试。

我们希望做到的是,任务出现问题以后,系统能够及时发现,并尽可能保留之前已经完成的工作,而不是每次都从头再来。

写在最后

回头来看,这一年我们一直在折腾怎么让 Agent 真正帮我们干活。从最开始研究执行链路,到后来打磨 Skills,再到现在尝试把 Agent 融入团队协作,遇到了不少问题,也积累了一些经验。

现在的 Agent 已经能完成不少实际工作,但要让它在团队里稳定运行,还需要解决任务调度、多人交接、异常恢复等问题。

我们目前这套系统还在不断完善,希望以后大家能像平时一样在群里安排工作,把能交给 Agent 的事情尽量交给它,让团队有更多时间处理其他事情。

至于一开始说的每天打打麻将,估计还得再等等了。

本文由人人都是产品经理作者【叶小钗】,微信公众号:【叶小钗】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。