Agent之间终于有了互联网：明略科技开源Octo，多AI协作进入组织级时代-北京尧图网络

当所有人都在讨论单个AI Agent能做什么的时候一个更根本的问题被忽略了Agent之间怎么协作人类社会的生产力飞跃从来不是因为个体变强了而是因为协作方式升级了。从部落到城邦从作坊到工厂从邮件到即时通讯每一次协作基础设施的升级都带来了数量级的效率提升。AI Agent也一样——单个Agent再强如果不解决协作问题就永远只能是工具不能成为组织。7月初明略科技开源了Octo平台试图为AI Agent构建一套协作基础设施。这个名字来自四个维度的首字母缩写Open开放、Collaborative协作、Transitional过渡性、Organizational组织级。这四个词精准地描述了Octo的定位——它不是一个Agent框架而是一套让Agent能够像组织中的员工一样协作的基础协议。一、三个核心概念Bot、Channel、MatterOcto的设计哲学可以用一句话概括让AI Agent像人一样在组织中工作。为此Octo定义了三个核心概念。第一个是Bot。在Octo里每个Agent就是一个Bot。Bot有身份、有角色、有权限也有自己的工位——它驻留在某个服务上可以被调用也可以主动发起协作。Bot不只是一个API端点它是一个有完整身份标识的协作参与者。第二个是Channel。Channel解决的是在哪协作的问题。就像企业里的微信群、钉钉群、Slack频道一样Octo的Channel是Agent之间交换信息的空间。一个Channel可以有多个Bot参与也可以有人类参与。Channel有类型、有权限、有历史记录。第三个是Matter。这是Octo最有创意的设计。Matter把一次协作从聊一聊升级为交付一个成果。每个Matter都有一个明确的主题、一个参与者的列表、一系列的Thread话题线程以及最终的可追溯交付物。从聊天到交付这个跃迁是Octo和普通聊天机器人的本质区别。二、Thread管一件事的来龙去脉在Matter之下Octo用Thread来管理具体的讨论和执行线索。一个Matter可以包含多个Thread每个Thread聚焦于一个子任务或一个话题。Thread的设计借鉴了邮件系统和论坛的精华它有完整的上下文链条每一个回复都能追溯到原始问题它有状态标记能看到哪些Thread已经解决、哪些还在进行中它有参与者的视图过滤每个人或每个Bot都能快速找到与自己相关的讨论。对于AI Agent来说Thread的价值尤其重大。因为Agent的上下文窗口有限如果没有结构化的信息组织方式Agent很快就会在大量的交互历史中迷失。Thread提供了一种自然的信息裁剪机制——Agent只需要关注当前Thread的上下文不需要加载整个协作历史。三、六种协作模式Octo定义了六种Agent协作模式覆盖了从简单到复杂的各种场景。Solo模式一个Agent独立完成任务不涉及其他Agent的参与。这是最基础的模式适合明确的、单一的任务。Roundtable模式多个Agent围坐圆桌对同一个问题发表意见。每个Agent都能看到其他Agent的输出最终由人类或者一个裁判Agent来做决策。适合方案评审、创意发散等场景。Critic模式一个Agent产出内容另一个Agent专门负责挑错。这种创作者-批评者的对立结构能有效提升输出质量。适合文案撰写、代码审查、方案优化等场景。Pipeline模式多个Agent按照流水线的方式依次处理。第一个Agent的输出是第二个Agent的输入依此类推。适合多步骤的串行处理流程比如数据采集-数据分析-报告生成。Split模式一个大任务被拆分成多个并行的小任务分配给不同的Agent同时处理最后汇总。适合可以并行的批量处理场景。Swarm模式最复杂的模式。多个Agent像蜂群一样协作动态分配任务、动态调整策略。适合不确定性的、需要实时协调的复杂场景。四、四个端的覆盖Octo目前支持四个端Web端、移动端、浏览器插件和命令行CLI。这四个端覆盖了不同的使用场景。Web端是主要的配置和管理界面适合创建Bot、设置Channel、管理Matter。移动端适合在移动场景下查看协作状态和审批决策。浏览器插件让Octo的协作能力能嵌入到任何网页工作流中。CLI则面向开发者适合在自动化脚本和CI/CD流程中调用。五、Agents do, Humans decideOcto的一个核心原则是Agents do, Humans decide——Agent负责执行人类负责决策。这听起来像是一句漂亮的口号但实际上它反映了对当前AI能力边界的清醒认知。AI Agent在信息收集、数据分析、内容生成、流程执行等方面的能力已经相当强但在承担责任、做出判断性决策方面还远远不够。Octo的设计就是要把这两者分开让Agent做它们擅长的事执行让人类做人类擅长的事决策。这种设计也降低了企业采用多Agent系统的门槛。企业不需要担心AI会自作主张做出错误的业务决策。所有的关键决策点都留给了人类AI只是提供了更充分的决策依据和更高效的执行能力。Octo的开源意味着多AI协作不再只是大厂的专属能力。任何团队都可以基于Octo搭建自己的Agent协作网络让多个AI像同事一样协同工作。这可能是2026年AI基础设施领域最重要的一步棋。

Agent之间终于有了互联网：明略科技开源Octo，多AI协作进入组织级时代

相关推荐

3步解锁Wand无限游戏时间：安全免费获取专业版完整功能

豆包千问同日下线智能体：通用AI Agent第一轮试验宣告终结

RoosterCollect-EV与MSC-EV生产工艺：外泌体清洁收集和规模化放大思路

更多资讯

freeCodeCamp 每日编程挑战解析：用 Python 实现 Longest Word（最长单词查找）

Conductor Setup 命令深度解析：用交互式问答初始化 Claude Code 的上下文驱动开发项目

Bevy Feathers NumberInput 数字输入控件实战：scrubbing 拖拽、限制区间与受控数值绑定的完整指南

agno Cookbook 实战：将评估基线持久化为 JSON——Saved Baselines 保存、重载与异步往返指南

Hugging Face Transformers：基于 Intel oneCCL 的多 CPU 分布式训练（DDP on CPU）实战指南

MATLAB中神经网络代理模型与遗传算法混合优化

今日更新

CopilotKit Vue Demo 与 React Demo 的 Parity 实现指南：路由、运行时端点与交互语义的全框架对齐

Harbor RBAC 实战：db_auth 模式下非管理员用户管理项目成员的完整验证与权限模型解析

STM32平衡车纯平衡程序从拆包到参数整定的完整调试指南

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？