作者提议用公司级多智能体团队承载工作AI
在一篇社区文章中,作者认为个人生活场景更适合单一智能体,而工作场景应转向拥有不同角色、上下文和权限的多个智能体。文章提出由公司统一共享的 Agent Team,让智能体彼此协作、复核工作,并接受明确的权限划分。作者以 ChatGPT、Claude Code、Meta Muse 和 Grok bot 为例,认为现有产品仅部分符合这一模式。
文章为区分个人智能体与共享型工作智能体提供了具体框架,涵盖并行任务、上下文管理、交叉复核和权限控制。
未来的 Agent 肯定会从不可枚举的多 session 体验(ChatGPT、Claude Code),变成可枚举的单 session/agent(Muse) 或多 session/agent 体验(Grok bot),这个趋势是瞎眼可见的。 但核心的划分在于:究竟是一个 agent,还是可枚举的多个 agent。同时,在这个表面决策之下,底层架构里其实也有很多细节的取舍。 我觉得首先在用户的使用视角下: • 生活场景肯定是单个 agent。 • 工作场景肯定是多个 agent。 而且这多个 agent 并不是服务于某一个个体,而是整个公司共享多个 agent;如果只服务于工作中的某个个体,那它仍然是单个 agent。在工作中,未来可能并不会是每个人自己拥有一个专属于自己的 AI 去干活,所有的 AI 之间应该是共享的。这就像每个人都是一个小组长,底下有几个员工,但这并不意味着我不能跨组向另一个组的员工下命令或请教事情,它只是在职权上有一些固定的分配而已。
为什么这么想? 从最简洁的架构说起,默认通常是单 agent,因为对用户而言最简单、最直观。但这套逻辑只能用于生活,不能用于工作,原因有以下几点: 1. 并行任务处理 单 agent 很难并行处理多项任务。生活中其实没有那么多需要并行的任务,但工作中一定有。当然你可以说采用类似DeepSeek 的 Super-agent,Router 下面分配多个 Worker 的架构,但这多 Worker 的任务人该如何管理?如果像Claude Duet 在每个 channel 下再分出多个 thread 让人去看,又违背了管理的初心。之所以用单 agent 或多个可枚举的 agent,就是为了让注意力能够更聚焦。 但在多 Agent 的框架流程下,所有的任务天然就基于角色进行了划分。我们记住一个角色、记住一个人是干什么的,比记住他在干哪些活容易得多。 2. 上下文复杂度 工作中上下文的复杂度远超生活。
#ChatGPT#Claude Code#Meta Muse#Grok bot#DeepSeek#Claude Duet#Claude Tag#GrokBot#Slack#Anthropic#xAI#Meta