JiuwenSwarm is an intelligent AI Agent built on openJiuwen. It extends the powerful capabilities of large language models directly to your fingertips through various communication apps you use daily.
Agent Team
简介
Agent Team 是JiuwenSwarm 平台的核心协作功能,它让多个智能体(Agent)能够围绕同一目标形成协作团队,共同完成复杂任务。与单个 Agent 的能力增强不同,Agent Team 强调的是团队协作、分工执行和持续交付。
一、概念科普
1.1 Agent Team 的定位
Agent Team 不是单个 Agent 的能力增强,而是多个 Agent 的团队协作。
想象一下,当你需要完成一个复杂任务时,比如"深度调研某个行业并生成分析报告",这个任务涉及多个环节:
- 信息收集和调研
- 数据分析和整理
- 报告撰写和排版
- 内容校对和优化
如果只用一个 Agent 来完成,它需要同时具备调研、分析、写作、校对等多种能力,而且需要按顺序一步步执行,效率较低。
而 Agent Team 的思路是:让多个专业化的 Agent 组成团队,每个 Agent 负责自己擅长的部分,协同完成整个任务。
类比理解:就像一个项目团队,有项目经理负责统筹,有调研员负责收集信息,有分析师负责数据处理,有文案负责撰写报告。每个人专注自己的领域,协作完成项目。
1.2 为什么需要 Agent Team?
单个 Agent 的局限性:
- 难以兼顾多环节:一个 Agent 很难同时精通调研、分析、执行、校对等多个环节
- 串行执行效率低:任务必须按顺序一步步完成,无法并行推进
- 复杂任务易出错:长链路任务容易出现遗漏或偏差
- 难以持续优化:每个环节的结果难以被其他环节及时参考和改进
Agent Team 的优势:
- 专业分工:每个 Agent 专注自己擅长的领域,执行质量更高
- 并行执行:多个 Agent 可以同时工作,大幅提升效率
- 协作接力:前置任务的结果可以被后续任务直接使用
- 持续交付:团队可以持续推进任务,直到完成最终目标
1.3 从 Harness Engineering 到 Coordination Engineering
传统的 Agent 开发思路是 Harness Engineering(驾驭工程),重点在于:
- 如何让单个 Agent 更强大
- 如何设计更好的提示词(Prompt)
- 如何增强 Agent 的工具能力
而 Agent Team 代表的是 Coordination Engineering(协同工程),重点转向:
- 如何让多个 Agent 有效分工
- 如何建立协作机制和流程
- 如何实现任务流转和结果汇总
关键认知:Agent Team 的核心不是"更强的 Agent",而是"更好的协作"。重点在于如何组织团队、分配任务、推进流程。
二、使用指导
2.1 适用场景
什么时候该用 Agent Team?
Agent Team 更适合以下类型的任务:
| 任务特征 | 是否适合 Agent Team | 说明 |
|---|---|---|
| 链路长、步骤多 | ✅ 适合 | 任务需要多个环节,每个环节可以独立执行 |
| 角色分工明显 | ✅ 适合 | 不同环节需要不同的专业能力 |
| 可并行推进 | ✅ 适合 | 部分任务可以同时执行,不必等待前置任务 |
| 需要持续迭代 | ✅ 适合 | 任务需要多轮优化和改进 |
| 简单问答 | ❌ 不适合 | 单个 Agent 就能快速回答 |
| 单步处理 | ❌ 不适合 | 任务简单,不需要分工协作 |
典型适用场景:
深度调研并生成报告
- 调研 Agent 收集信息
- 分析 Agent 处理数据
- 撰写 Agent 编写报告
- 校对 Agent 优化内容
资料整理后输出方案
- 整理 Agent 分类资料
- 分析 Agent 提取要点
- 设计 Agent 制定方案
- 评审 Agent 优化方案
多人角色式内容生产
- 创意 Agent 提供构思
- 撰写 Agent 编写内容
- 编辑 Agent 优化排版
- 审核 Agent 检查质量
复杂任务拆分执行
- 规划 Agent 拆解任务
- 执行 Agent 并行处理
- 汇总 Agent 整合结果
- 验证 Agent 检查完整性
2.2 协作流程
Agent Team 的核心协作链路:
用户提出目标 → Leader 分析需求 → Leader 组建团队 → Leader 拆解任务
→ Teammate 认领任务 → Teammate 执行任务 → Teammate 汇报结果
→ Leader 汇总结果 → 输出最终交付物
详细流程说明:
第一步:用户提出目标
用户以自然语言描述任务目标,例如:
- "帮我调研新能源汽车行业,并生成一份分析报告"
- "整理这些技术文档,输出一份使用指南"
第二步:Leader 分析需求
Leader Agent 接收用户目标后,会:
- 理解任务的核心需求
- 分析任务的执行环节
- 评估需要的专业角色
- 制定整体执行计划
第三步:Leader 组建团队
Leader Agent 根据任务需求,组建合适的团队:
- 确定需要的 Agent 角色(如调研、分析、撰写)
- 为每个角色分配任务
- 建立任务之间的依赖关系
第四步:Teammate 认领任务
各个 Teammate Agent 根据自己的专长,认领相应任务:
- 确认任务内容和要求
- 准备执行所需的资源
- 开始独立执行任务
第五步:Teammate 执行任务
Teammate Agent 独立执行自己的任务:
- 按照任务要求完成工作
- 在需要时向 Leader 求助
- 生成中间结果或交付物
第六步:Teammate 汇报结果
任务完成后,Teammate Agent 会:
- 向 Leader 汇报执行结果
- 提交中间产物或交付物
- 等待后续任务安排
第七步:Leader 汇总结果
Leader Agent 收集所有 Teammate 的结果:
- 整合各个环节的产出
- 检查任务完成情况
- 生成最终交付物
关键理解:这是一个"团队协作过程",不是用户手动逐个调用多个 Agent。用户只需要提出目标,整个团队会自动协作完成。
任务依赖关系:
任务之间可以存在依赖关系:
- 前置任务:必须先完成的任务,后续任务依赖其结果
- 后续任务:需要等待前置任务完成后才能开始
- 并行任务:可以同时执行,互不依赖
例如,在"调研并生成报告"的任务中:
- 调研任务(前置)→ 分析任务(后续)→ 撰写任务(后续)
- 排版任务可以与撰写任务并行
- 校对任务需要等待撰写任务完成
2.3 启动 Agent Team 模式
Agent Team 模式是 JiuwenSwarm 平台的一种特殊协作模式,用户可以通过以下方式启动:
方式一:前端对话页面切换
在 JiuwenSwarm 的前端对话页面,可以直接切换到集群模式(Agent Team 模式)。这是最简单的启动方式,只需在对话界面选择对应的模式即可。

点击"集群模式"按钮后,界面切换为 Agent Team 模式:

方式二:频道内 /mode 命令切换
在频道对话中,可以使用 /mode 命令切换到 Agent Team 模式:
/mode team
执行后,当前对话将进入 Agent Team 模式,Leader Agent 会自动接管任务协调。
在 Agent Team 模式下如何输入 Prompt
进入 Agent Team 模式后,用户输入 Prompt 的方式与普通对话类似,但建议注意以下几点以更好地帮助任务完成:
- 明确目标:清晰描述最终期望的交付物,例如"帮我调研新能源汽车行业,并生成一份分析报告"
- 指定范围:说明任务的范围和边界,例如"重点关注国内市场,时间范围是近三年"
- 提供约束:如果有格式、篇幅、风格等要求,一并说明,例如"报告需要包含数据图表,篇幅不少于5000字"
- 一次输入完整需求:尽量在一次 Prompt 中给出完整需求,避免分多次输入导致团队反复调整
2.4 Team Skills
Agent Team 模式下同样支持技能(Skills)的使用和开发。团队中的每个 Agent 都可以配置和使用技能,团队也可以共享技能资源。
Team Skills 的概念:
- 个人技能:每个 Agent 自己配置和使用的技能,存放在各自的
workspaces/<agent_name>_workspace/skills/目录下 - 团队共享技能:团队级别的共享技能,存放在
team-workspace/skills/目录下,所有团队成员都可以使用
技能在团队中的作用:
- 增强专业能力:每个 Agent 可以通过技能增强自己在特定领域的执行能力
- 共享工具资源:团队共享技能可以让所有成员使用同一套工具,避免重复开发
- 协作效率提升:技能可以让 Agent 更高效地完成分配的任务
有关 Team Skills 的详细使用和开发教程,请参阅 SwarmSkills 指南。
2.5 Team Memory
Round 定义:Agent Team 中一轮完整的团队协作周期,通常包含任务分配、执行、汇报和汇总等阶段。
Agent Team 模式下,每个团队都有自己的双层记忆:成员各自的个人记忆(独立读写)和团队共享的 TEAM_MEMORY.md(所有成员只读,Leader 在 round 结束后由提取 agent 自动写入)。
团队生命周期与记忆行为:
| 生命周期 | 个人记忆 | 团队记忆 | 适用场景 |
|---|---|---|---|
| 临时团队(temporary) | 只读访问父 agent 的 workspace 记忆 | 无 | 单次任务、即用即弃 |
| 持久团队(persistent) | 每个成员独立读写 | 自动提取 + 跨 round 累积 | 长期协作、需经验沉淀 |
详细说明:
临时团队:
- 成员只读访问父 agent 的 workspace 记忆,无法污染源记忆
- 无团队记忆,团队销毁后不留痕
- 适合单次任务、即用即弃的场景
持久团队:
- 每个成员拥有独立的个人记忆,支持读写操作
- 团队记忆由 Leader 在每个 round 结束后自动提取,并跨 round 累积
- 预定义成员的原有 workspace 通过 symlink 自动延续
- 适合长期协作、需要经验沉淀的场景
记忆层级与访问权限:
| 层级 | 访问权限 | 写入方 |
|---|---|---|
| 个人记忆 | 该成员独占 | 成员自身(在会话中调用记忆工具) |
| 团队记忆 | 所有成员只读 | Leader 在 round 结束后由提取 agent 自动写入 |
完整的存储布局、提取分类([decision] / [lesson] / [member] / [context])、跨团队/跨成员隔离机制详见 记忆系统 → Agent Team 团队记忆。
四、案例实践
4.1 任务目标
深度调研新能源汽车行业,生成一份分析报告。
4.2 用户输入
帮我调研新能源汽车行业的发展现状、主要厂商、技术趋势,并生成一份分析报告。
4.3 协作过程
Leader 分析需求
Leader Agent 接收目标后,分析任务:
- 任务环节:行业现状分析、主要厂商竞争格局、技术发展趋势分析、市场前景预测、报告整合与撰写
- 需要角色:行业分析师、竞争分析师、技术分析师、市场分析师、报告撰写专家
- 执行计划:先调研,再分析,最后撰写

Leader 组建团队
Leader Agent 组建团队:
- 行业分析师:负责行业现状分析
- 竞争分析师:负责厂商竞争格局分析
- 技术分析师:负责技术发展趋势分析
- 市场分析师:负责市场前景预测
- 报告撰写专家:负责报告整合与撰写

Team Agent 执行 Team Agent 接收指派任务后,开始执行

Leader 汇总结果
Leader Agent 整合所有结果:
- 检查任务完成情况
- 整合最终报告
- 向用户交付成果

4.4 产出结果
最终交付物:一份完整的新能源汽车行业分析报告,包含:
- 行业发展现状
- 主要厂商分析
- 技术趋势总结
- 数据图表展示

五、协作方式
5.1 角色分工
Leader Agent 的职责
Leader Agent 是团队的领导者,主要负责:
| 职责 | 说明 |
|---|---|
| 目标理解 | 理解用户提出的任务目标,分析核心需求 |
| 团队组建 | 根据任务需求,组建合适的 Agent 团队 |
| 任务规划 | 拆解任务,分配给合适的 Teammate Agent |
| 关键决策 | 审批重要决策,协调团队执行 |
| 整体推进 | 监控任务进度,确保团队持续推进 |
| 结果汇总 | 整合所有 Teammate 的结果,生成最终交付物 |
Teammate Agent 的职责
Teammate Agent 是团队的执行者,主要负责:
| 职责 | 说明 |
|---|---|
| 认领任务 | 根据自己的专长,认领合适的任务 |
| 独立执行 | 按照任务要求,独立完成工作 |
| 求助协调 | 在遇到困难时,向 Leader 求助 |
| 汇报结果 | 完成任务后,向 Leader 汇报执行结果 |
| 提交产物 | 提交中间结果或交付物,供后续环节使用 |
分级自主协同
Agent Team 采用的是"分级自主协同"模式:
- 不是完全人工编排:用户不需要手动指定每个 Agent 的任务
- 不是无人治理:Leader Agent 会统筹协调,确保团队有序执行
- 自主认领:Teammate Agent 可以自主认领任务,发挥专长
- 协同推进:Leader 和 Teammate 协作推进,持续交付
关键理解:Leader 负责统筹协调,Teammate 负责专业执行,两者协同完成任务。
5.2 共享协作
团队共享工作区
Agent Team 提供团队共享工作区,成员之间可以围绕同一批中间产物协作:
共享内容包括:
- 调研结果
- 分析数据
- 报告草稿
- 中间文档
- 任务状态
协作优势:
- 持续流转:调研结果、分析结果、报告草稿等可以在团队内持续流转
- 避免重复:每个 Agent 不需要各做各的,可以直接使用前置环节的结果
- 实时参考:后续环节可以实时参考前置环节的产出
- 协同优化:多个 Agent 可以共同优化同一份文档
共享工作区文件结构:
Agent Team 的文件结构分为两个层级:团队共享工作区和成员独立工作空间。
- 团队共享工作区(team-workspace):所有团队成员共享的目录,存放团队产出物和共享技能。每个 Agent Team Session 会独立创建一个文件夹,文件夹下包含 team-workspace。
- 成员独立工作空间(workspaces):每个 Agent 的专属空间,存放各自的配置、记忆、技能和待办事项。
完整路径层级如下:
.agent_teams/ ← Agent Team 根目录
└── <team_name>/ ← 每个团队独立一个文件夹
├── team-workspace/ ← 团队共享工作区(所有成员共享)
│ ├── artifacts/ ← 团队产出物
│ │ ├── code/ ← 代码产出
│ │ ├── docs/ ← 文档产出
│ │ └── reports/ ← 报告产出
│ └── skills/ ← 团队共享技能
└── workspaces/ ← 各成员独立工作空间
└── <agent_name>_workspace/ ← 各 Agent 的独立空间
├── AGENT.md ← 智能体配置
├── memory/ ← 个人长期记忆(general 场景)
├── coding_memory/ ← 个人编码记忆(coding 场景)
├── skills/ ← 技能库
├── todo/ ← 待办事项
└── ... ← 其他 Agent 专属文件
协作机制:
- 共享目录:团队共享一个工作目录,存放所有中间产物
- 冲突控制:避免多个 Agent 同时修改同一文件导致冲突
- 版本管理:记录中间产物的版本变化,便于追溯
协作体验:用户可以看到团队共享的中间产物,了解任务推进情况,而不需要手动传递文件。
5.3 任务推进
事件驱动机制
Agent Team 不是一次性分完工就结束,而是依靠事件驱动持续推进:
推进机制:
- 任务状态变化:任务完成后,自动触发后续任务
- 消息协同:Agent 之间通过消息传递协调执行
- 异常恢复:遇到异常时,团队可以自动恢复和调整
用户可观察的点:
- 任务完成后自动推进:前置任务完成后,后续任务会自动开始
- 关键决策由 Leader 审批:重要决策需要 Leader Agent 审批确认
- 团队状态可追踪:用户可以观察任务推进、成员状态和结果汇总
持续推进示例:
在"调研并生成报告"的任务中:
- 调研任务完成 → 自动触发分析任务
- 分析任务完成 → 自动触发撰写任务
- 撰写任务完成 → 自动触发校对任务
- 校对任务完成 → Leader 汇总结果
关键理解:Agent Team 是一个持续推进的团队,不是一次性分完工就结束。任务之间会自动流转,团队会持续协作直到完成最终目标。
六、常见问题
Q1:Agent Team 和普通对话有什么区别?
普通对话:单个 Agent 与用户交互,适合简单问答和单步处理。
Agent Team:多个 Agent 组成团队协作,适合复杂任务和多环节执行。
Q2:如何判断是否需要使用 Agent Team?
判断标准:
- 任务是否需要多个环节?
- 不同环节是否需要不同的专业能力?
- 任务是否可以并行推进?
- 任务是否需要持续迭代?
如果答案是"是",就适合使用 Agent Team。
Q3:Leader Agent 和 Teammate Agent 有什么区别?
Leader Agent:负责统筹协调,包括目标理解、团队组建、任务规划、关键决策、整体推进、结果汇总。
Teammate Agent:负责专业执行,包括认领任务、独立执行、求助协调、汇报结果、提交产物。
Q4:Agent Team 如何持续推进任务?
Agent Team 采用事件驱动机制:
- 任务状态变化自动触发后续任务
- Agent 之间通过消息协同
- 遇到异常时可以自动恢复和调整
Q5:用户可以看到团队的协作过程吗?
是的,用户可以观察:
- 任务推进情况
- Agent 成员状态
- 中间产物和结果汇总
Q6:同一频道可以同时运行多个 Team 会话吗?
本地运行模式支持同一频道下的多个 Team 会话同时运行。切换当前查看的会话只影响界面展示,不会停止其他会话的后台任务;暂停、取消或删除操作只作用于指定会话。
分布式运行模式保持单频道单活动会话语义。创建或切换到另一个 Team 会话时,系统会先停止该频道中原有的活动或待启动会话,以确保远程成员 bootstrap、传输连接和运行时资源不会跨会话复用。