当前，大模型应用正从单点对话向复杂任务编排演进。然而，多智能体协作并非简单的数量叠加，通信开销与目标一致性往往是制约落地效果的关键瓶颈。如何在保证个体能力的基础上，实现群体智能的涌现，成为业界关注的焦点。
把多 Agent 协同玩明白了
AI 工程化的演进节奏，正让行业陷入一种“定义赶不上进化”的焦虑。
从 Prompt Engineering、Context Engineering，到如今席卷行业的 Harness Engineering，“驯服”大模型的路径一直在变。
当前单智能体的“驾驭与治理”渐成标配，但最难啃的那块骨头始终没变：
如何让多个智能体像一支精锐团队一样，自主分工、高效沟通、无缝协作？
而就在这一趋势风口，华为支持的openJiuwen 社区发布最新版 JiuwenClaw，新增支持 AgentTeam 多智能体协同能力。
并提出 Harness Engineering 的下一跳是 “Coordination Engineering”，把多智能体自主协同从概念推向可直接体验的实战场景。
在深度实测中，这套团队协作机制表现出了极高的稳定性——
团队成员分工明确，可自主协作、默契配合，全流程无需人工干预。
效果究竟有多硬核？
这么说吧，它能自主拉起一支装修团搞定全屋设计，甚至能在 20 分钟内 肝完一份内容详实、逻辑严密的 200 页技术 PPT。
话不多说，先上几个 case 直观感受一下！
Case1 团队协作：装修毛坯房，AgentTeam 组建专属装修团
近期我们团队有小伙伴正在装修毛坯房，懒得费心找设计师、反复沟通，想先自己找下灵感，试试直接让 JiuwenClaw AgentTeam 帮忙“搞定”。
操作十分简单，上传毛坯房照片，发送装修需求，让 AgentTeam 创建装修团队。
有硬装设计师、软装设计师，还有专门负责艺术细节的艺术家。
各个 Agent 分工明确、紧密协作，硬装软装有了初稿后，艺术家还会主动提供指导建议，过程中使用 Seedream 图像编辑 Skill，轻松完成从硬装布局到软装搭配、艺术装饰的全流程设计。
可以看到，最终呈现的装修方案也很有质感。
Case2 并行提效：想要深度洞察但不想动手？200 页内容详实的 PPT 不到 20 分钟搞定
近期我们在深度洞察 OpenClaw 技术原理，又不想花费大量时间动手整理、制作 PPT，就尝试让 JiuwenClaw AgentTeam 帮忙。
我们测试时要求其深度调研 OpenClaw 技术，并拆解 10 个核心方面展开，每个方面单独分配一个成员负责，每个成员负责生成 20 页 PPT，PPT 主题统一，最后将 10 份 PPT 汇总整合，形成完整的 200 页技术 PPT。
全程 不到 20 分钟，可以看到它生成的 PPT 内容详实、逻辑清晰，十分高效。
Case3 博弈对抗：解锁趣味玩法，五子棋小游戏，互动感拉满
想体验多智能体协同的趣味玩法？
不妨试试让 AgentTeam 自己搭建五子棋。
启动功能后，它会自动创建黑棋手和白棋手两个核心角色，全程自主对弈，每步落子实时展示棋盘和攻防策略。
你不仅能直观看到棋局走势，还能了解背后的对弈逻辑，趣味十足。
JiuwenClaw AgentTeam 为何能实现如此高效、流畅的多智能体协同？
基于社区源码和技术博客，其核心技术能力已被深度拆解。
AgentTeam 的核心设计理念很直接：模拟真实团队的协作方式：
- 一个 Leader Agent 负责需求分析、团队组建和任务规划；
- 多个 Teammate Agent 各自领取任务、独立执行、汇报结果，通过共享工作区协同产出；
- 执行过程中关键节点需由 Leader 决策，故障确保可自动恢复。
整个过程由事件驱动，无需人工介入，即可完成从需求到交付的全流程。
1. 分级自主协同：Leader 智能编排，Teammate 自主执行
传统的 Multi-Agent 方案，往往需要使用者手动编排——你得预先定义谁先谁后、谁跟谁通信。
JiuwenClaw AgentTeam 则是把这件事交给了 Leader Agent 自己。
Leader 做什么：
用户只需描述需求，Leader 会自主完成以下工作：
- 动态组建团队：无需预先定义固定阵容，Leader 可根据目标描述动态分配角色和成员。执行过程中发现人手不足，Leader 也可以 随时增减成员；
- 规划任务：将需求拆解为具体任务，建立依赖关系（如“数据采集完成后，分析才能开始”）；
- 分配与监控：创建任务后，实时感知进展。谁认领了什么、谁完成了什么、谁遇到了问题，并基于进展做调整。
Teammate 做什么：
Teammate 不需要被“指挥”，它们自主运转：
- 主动认领：收到任务创建事件后，自动浏览任务板，认领与自身能力匹配的任务；
- 独立执行：在自己的工作空间中完成所需工作。复杂任务可以自行拆解为更细粒度的子步骤；遇到阻塞或不确定，可以主动向 Leader 发消息求助；
- 汇报结果：任务完成后自动更新状态，通知 Leader 和其他依赖方。
两者之间靠 任务和消息双驱动 连接。
AgentTeam 的协同不只靠“派任务 – 做任务 – 交任务”这条线。
团队成员既通过 任务协作 驱动核心流程——认领、执行、完成、解除下游阻塞；又通过 任务外消息 持续沟通——讨论方案、协商优先级、反馈问题、请求支援。
两条通道并行工作，任务依赖自动管理，而不仅仅是机械地分发和汇总。
这是一种 分级自主协同：Leader 基于目标和当前进度做战略级拆分，Teammate 在各自任务内独立决策和执行，同时保留向上求助的通道，既不事事请示，也不闭门造车。
可以说，这非常类似人类团队协作的机制了。
2. Team Workspace：团队共享工作区
多 Agent 协作绕不开一个现实问题：Agent 之间怎么共享工作产物？
如调研 Teammate 采集了行业数据，分析 Teammate 需要读取；分析 Teammate 输出了趋势图表，撰写 Teammate 需要引用。
如果每个 Agent 各干各的、互不可见，“团队协作”就只是个空壳。
JiuwenClaw AgentTeam 通过 Team Workspace 解决这个问题——
即一个团队级的共享文件空间，所有成员均可透明访问。
每个 Teammate 的工作目录中都会自动挂载一个共享路径，指向同一个团队工作区。
调研 Teammate 写入的行业数据文件，分析 Teammate 立刻可见。不需要手动传文件、不需要 Agent 之间互相发消息“你去看某某路径”，直接读写，天然共享。
Teammate A (调研) 的工作目录
├── workspace/ # 各自的独立工作空间
└── .team/ # 共享工作区挂载点
└── artifacts/
├── data/ # 共享数据（采集数据、清洗结果）
├── docs/ # 共享文档（分析报告、设计方案）
└── reports/ # 共享报告（最终交付物）
Teammate B (分析) 的工作目录
├── workspace/
└── .team/ → 同一个共享工作区 # 读写同一份文件
每个 Teammate 在自己的独立工作空间中干活，需要跨成员协作时写入共享区即可。
同时 Team Workspace 也提供了文件级锁定、并发写入、后写覆盖等多种冲突策略，满足不同场景的冲突解决需求。
3. 全生命周期管控：从 Plan 审批到故障自愈
真实的团队协作不仅仅是“分任务 - 干活 - 汇总”。
在实战过程中，我们也观察到 JiuwenClaw AgentTeam 覆盖了 从任务创建到团队解散 的完整生命周期，包括审批、容错和可观测。
Leader 审批：关键决策和敏感操作不放手
AgentTeam 提供两层审批机制：
- Plan 模式：对于重要任务，Teammate 认领后会先提交执行计划给 Leader 审批。Leader 觉得合理就通过，觉得方向有偏就驳回并给出反馈，Teammate 修订后重新提交；
- 工具审批：当 Teammate 要执行敏感操作（如删除重要文件、调用外部 API、修改共享配置），需要经过 Leader 审批允许。
两者的核心原则一致：Agent 可以自主建议，但关键决策权始终在 Leader 手上，避免“自由发挥后收拾烂摊子”。
事件驱动机制：让团队始终保持运转
多 Agent 协作最怕 隐性停滞，Teammate 异常僵死、任务长时间无人认领、已认领任务迟迟不完成、消息漏接……
看似还在运行，实际已经卡住。
AgentTeam 通过 事件驱动机制 规避这类风险，外部事件和内部事件双管齐下：
- 外部事件：任务状态翻转、成员生命周期变化、成员间通信，任何有意义的变化都会触发；
- 内部事件：框架定时产生的自检事件（邮箱轮询、任务板轮询），在无外部事件时兜底唤醒 Agent。
事件触发后，相关 Agent 被自动唤醒：
空闲 Teammate 主动认领待领任务、Leader 识别超时任务并重新规划或换人、消息接收方优先处理未读。
最终效果是 任何单点问题都能在可控时间内被发现并处理，不会阻塞整个团队协作。
持久化团队：跨会话不丢状态
团队不一定是用完即弃的。启用 Persistent（持久化） 模式后，团队可以跨会话保留：
会话结束时，团队进入 待机 状态，成员信息和配置持久化到数据库；
下次使用时，一键恢复——创建新的会话空间，重新启动队员，无需重新组建团队。
这非常适合需要长期运转的项目，每次打开都是熟悉的团队阵容，直接开始新任务。
TeamMonitor：实时可观测
AgentTeam 的整个协作过程透明可见，背后是 TeamMonitor 提供两个维度的观测能力：
- 查询 API：随时查看团队信息、成员状态、任务进度等各状态
- 事件流：实时订阅团队事件。任务完成、成员状态变更、消息收发……所有事件都可以通过异步迭代器逐条消费（接收并处理）。你可以据此构建 Dashboard、日志系统，或者触发外部工作流。整个团队的运转的每一步都 可追踪、可审计。
JiuwenClaw AgentTeam 的能力并非空中楼阁，其背后是 openJiuwen 开源框架中的 AgentTeam 协同层——
一套完整的多智能体编排基础设施。
同时，每个 Teammate 内部仍然是一个完整的 Harness SDK Agent，拥有 openJiuwen 全部的 Harness Engineering 能力。
AgentTeam 核心技术原理，可以归结为三点：
- 基于共享任务列表的一致性协同：所有成员共享同一份动态任务列表，各自基于团队目标、任务定义和自身能力，自主认领并执行任务，天然保证信息一致；
- 消息和任务双驱动模式：成员间既通过任务流转驱动核心工作流，又通过任务外的消息通道持续推进讨论和协商，覆盖从结构化执行到非结构化沟通的全场景；
- 角色与工具工程：RolePolicy 定义 Leader 和 Teammate 在团队中的行为规范和决策边界，TeamTools 赋予团队成员具体的协调操作能力，角色决定“该做什么”，工具决定“能做什么”。
JiuwenClaw 是基于华为支持的 openJiuwen 开源社区开发的“龙虾”Agent，原生支持多智能体协同与 Agent 自演进能力，核心设计理念是「懂你所想，自主演进」。
除了 AgentTeam，JiuwenClaw 安装部署也十分方便，一行命令即可安装，参考快速上手：
/blob/develop/docs/zh/Quickstart.md
其次，在任务自主规划、自演进、上下文压缩卸载、浏览器操控等龙虾操控体验上，JiuwenClaw 具备如下优势：
- 任务自主管理，随叫随到：JiuwenClaw 具备任务规划模式，相当于给 AI 配了一个待办事项列表，用户可以随时对任务进行 动态打断、追加和修改。任务执行过程中，实时展示当前任务状态，中途打断或追加，也可以灵活地 重新规划与更新任务列表，不必等待前述任务完成。
- Skills 自主演进，越用越好：JiuwenClaw 基于 openJiuwen 自演进框架，支持 Skills 自主演进。比如某次工具调用失败，或者用户说了“不对”、“换个方式”，系统会 主动记录这些执行错误和反馈，分析根因，生成针对性的改进建议。同时，会向用户弹出 演进审批窗口，所有更新由用户自己决定。
- 上下文压缩和卸载，省心更省成本：通过 上下文卸载（Context Offload）机制，有效节省成本，同时支持实时展示当前上下文状态，用户可以清晰看到压缩前后的上下文长度和压缩比。
- 记忆随行，让智能搭档越来越懂你：通过 分层持久化记忆系统，实现身份、场景、操作轨迹的全维度长效存储与智能检索，保障跨会话交互的连贯与精准。
- 更好地“替你操作浏览器”，告别反复人机验证：通过前端 配置浏览器路径，JiuwenClaw 可以自动获取已登录账号、浏览器 Cookie、本地缓存、浏览历史、用户偏好设置等 Profile 信息，无缝接管用户当下的浏览器环境。
JiuwenClaw 最新版本已开源 AgentTeam，可以在 web 页面或飞书频道切换集群模式体验，如以 飞书 为例：
1、安装 JiuwenClaw
2、配置飞书频道
3、在飞书频道中使用/mode team 切换为 AgentTeam 模式即可；如果不想使用集群模式了，可以再使用/mode fast 切换性能模式，或/mode plan 切换规划模式
当前，行业对 AI Agent 的优化集中在 Harness Engineering：提示词工程、工具编排、护栏机制、任务循环、工作空间管理。
这些是让单个 Agent 从“能用”到“好用”的基础功。
但当我们需要一个 Agent 团队，调研、分析、执行、审核各司其职、并行推进时，单 Agent 的工程方法论就不够了。
我们需要的是 Coordination Engineering：团队编排、任务调度、通信协议、隔离机制、故障恢复、可观测性。
这是对 Harness Engineering 的自然延伸。
每个 Teammate 内部仍然是一个完整的 Harness SDK Agent，拥有全部的 Harness Engineering 能力；而 TeamAgent 在此之上增加了协调层，由此让多个优秀的个体，组成一个高效的团队。
与此同时，JiuwenClaw 也提出了 Team Skill 机制，可将 AgentTeam 执行过程中的 团队协作流程沉淀为可复用的“团队 SOP"协作模板，且每次使用后自动优化。
你用得越多，SOP 越精准，以此进一步增强 Evolution Engineering 能力。
未来，随着多智能体技术的不断成熟，相信 JiuwenClaw 还会带来更多惊喜。
此刻，不妨前往开源地址亲自上手，体验 AgentTeam 带来的高效与便捷。
也可在 openJiuwen 官方媒体公众号，解锁更多实操案例与技术解读。
项目地址：
openJiuwen 官网：https://www.openjiuwen.com/
openJiuwen AtomGit：https://gitcode.com/openJiuwen
openJiuwen GitHub：https://github.com/openJiuwen-ai/
JiuwenClaw AtomGit：
jiuwenClaw GitHub：
综上所述，从单体智能到群体智能的跨越，需要工程范式的根本性革新。开源社区在此过程中扮演的角色日益重要，标准化的协作协议将加速行业成熟。对于开发者而言，关注此类底层架构的演进，或许比单纯追逐模型参数更具长远价值。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，可联系本站进行审核删除。
