当前位置: 首页 > article >正文

从Harness走向Coordination,openJiuwen社区发布JiuwenSwarm,引领多智能体协作新范式

刚刚华为支持的开源 AI Agent 平台社区 openJiuwen 发布并开源了 JiuwenSwarm。这是一个面向多智能体协作的蜂群智能体。让多个 AI 智能体像蜂群一样高效协作、自主演进正式按下 群体智能 的加速键开启 AI 时代的 养蜂 序幕。从 一只龙虾 到 一群蜂。变的不只是名字而是底层范式 —— 让多个 AI 智能体像蜂群一样高效协作、自主演进正式按下 群体智能 的加速键开启 AI 时代的 养蜂 序幕。这背后是 openJiuwen 提出的下一跳范式主张 ——Coordination Engineering协同工程—— 的一次完整落地。要读懂这次升级先得回答一个问题为什么是现在从 Harness 走向 Coordination为什么从 Harness 走向 Coordination把时间线拉长一点看从 Prompt Engineering 到 Context Engineering再到今年初的 Harness EngineeringAI Agent 领域的工程范式其实一直在持续更迭Prompt Engineering调试提示词让模型理解任务Context Engineering组织 Agent 的上下文、记忆、工具、状态Harness Engineering今年开年以来席卷行业的关键词——围绕单 Agent 的工程化、轨迹管理、错误恢复、长程执行一路卷到极致。而紧接着浮现出的下一个工程命题是——如何让多个 Agent像一支精锐团队一样协同作战毕竟真实世界里那些真正复杂的任务——跨领域深度调研、大型软件项目交付、多角色协同决策、复杂业务流程编排——从来都不是一个人能搞定的而是需要一支团队。例如软件需要产品 研发 测试 SRE教育需要多学科老师 家长 本人医疗需要分诊师 多个科室医疗专家...这就是 openJiuwen 提出的下一跳范式Coordination Engineering协同工程——围绕多 Agent 协同的工程化范式。而这一次openJiuwen 把协同这件事——从理念做成了一整套可跑、可装、可共建、且全套开源的工程交付JiuwenSwarm。Coordination Engineering 核心设计理念要让一支 Agent 团队真正 work 起来需要解决一连串递进的问题多个 Agent 怎么自主分工、动态协商 这是协同的起点协同跑通的最佳实践和角色搭配怎么沉淀成可复用的资产 协同不能每次从零开始沉淀下来的能力怎么在开发者之间流通、复用、二次创作 经验只有被分享才能放大价值整套系统怎么越用越强而不是越跑越僵 否则它就是个静态框架撑不起群体智能。这四个问题环环相扣每一个都是上一个的必要延伸。JiuwenSwarm 给出的答案是一组对应的全栈技术体系Agent Swarm、Swarm Skills、Swarm Skills Hub加上贯穿始终的 Swarm Skills 自演进。全栈技术体系四个关键组件环环相扣Agent Swarm —— 让多个 Agent 成军这是整套体系的内核。Agent Swarm 提供一套多智能体团队的协同机制让多个 Agent 能够自主分工、动态协商、高效协作完成从单兵作战到精锐团队的关键跨越。JiuwenSwarm 支持成员对不同模型的路由可针对不成角色提供合适能力的模型减少负载压力因材施教提升整体效果。Swarm Skills —— 让一支团队沉淀成一套作战能力Agent Swarm 解决的是怎么协作Swarm Skills 解决的则是怎么沉淀。它把团队协作中跑通的最佳实践、SOP、角色搭配、调度策略标准化封装成可复用的团队级技能——让一支优秀的 Agent 团队变成一套任何场景下都能即插即用的作战能力。Swarm Skills Hub —— 团队技能的共享市场有了能力沉淀下一步自然是流通。Swarm Skills Hub 打通了一个开放的共享生态让团队级的协作经验在开发者社区中流通、复用、二次创作。地址https://swarmskills.openjiuwen.com/Swarm Skills 自演进 —— 越用越强的飞轮最具想象空间的是这个闭环的最后一环。团队在实际执行任务的过程中JiuwenSwarm 的演进引擎持续观察任务拆解、角色调度、消息往来等完整轨迹自动从轨迹里反推出可复用的 Swarm Skill提交用户审批即可入库。自演进同时在两个层面进行。团队层根据任务执行轨迹自动增减角色、补充约束规则、优化协作流程让 Leader 的规划与管控能力持续提升成员层把每位 Teammate 在实战中遇到的工具报错、接口超时、调用技巧等经验沉淀下来再遇同类问题直接解决不重复踩坑。团队在进步每位成员也在成长。人如何参与协同HOTS HITS从团队协作到经验沉淀从技能共享到持续演进四大核心能力形成了完整闭环。但在这套协同骨架之上还有一个更根本、也更现实的问题——人怎么和这支 Agent 团队一起协作JiuwenSwarm 给出了两种模式HOTSHuman on the Swarm和 HITSHuman in the Swarm。HOTSHuman on the Swarm人是 Agent 团队的指挥官人站在更高的位置上实时观察整个 Agent 团队的运行状态任务进展、角色负载、协作瓶颈...需要介入时随时下场——调整任务优先级、切换 Agent 角色、中途变更方案指挥粒度可细到单条指令也可粗到一句换个方向。HITSHuman in the Swarm人也是团队中的一名成员人不再是场外指挥而是和 Agent 同队、同场景、同流程、实时协作、共同推演——人就是蜂群里的一只蜂与其他 Agent 共同协作。如狼人杀里的玩家就是这种姿态。HITS 是沉浸式参与HOTS 是全局调度——两种模式是人与 Agent 团队协作的两种最核心姿态。JiuwenSwarm 实战效果接下来看看 JiuwenSwarm 在医疗、教育、内容创作、游戏等领域的实战效果。切身 Coordination Engineering 这套技术体系带来的惊人效果JiuwenSwarm 实现多 Agent 协同提升智力案例 1多学科医疗专家团队联合会诊提升诊断效果“多学科自动分诊医疗专家团队“技能下载地址https://swarmskills.openjiuwen.com/skills/0f26a2a5ec1f40b6a410e0539313f0e6该案例中由 23 位不同专科的 AI 医学专家组成医疗团队可根据用户病情按需动态创建多个不同专家成员进行联合会诊。各位专家就本领域分析病情原因并实时沟通诊断结果给出最终准确的诊断结果和建议方案。整个协作过程实时可见各专家各司其职、求同存异相比单专家诊断有效提升会诊水平。案例 2多智能体协同算子开发提升昇腾算子生成质量“昇腾算子开发 优化团队”技能下载地址https://swarmskills.openjiuwen.com/skills/1202fde89266474dbcdf0218b33ba422昇腾算子生成中各专家可各自承担算法设计、Kernel 实现与性能优化等角色在协同中实现算子从论文到工程的落地过程。整个协作过程实时可见各专家各司其职、协同优化相比单智能体生成可有效提升复杂算子的开发效率与生成质量。Swarm Skills 沉淀团队经验群体演进越用越好案例短视频生产创作沉淀经验群体演进“短视频制作团队”技能下载地址https://swarmskills.openjiuwen.com/skills/8b6ef486bdc14c8784cc06a64da20927用户首次发起短视频创作任务Leader 组建临时团队完成创作JiuwenSwarm 演进引擎识别出可复用的协作模式自动生成短视频创作的 Swarm Skill提交用户审批。基于该技能再次执行创作任务演进引擎识别到角色形象与画风不一致、用户有想发视频平台的诉求等信号据此生成演进内容新增高点击率标题文案角色优化技能。基于优化后的 Swarm Skill 再次执行视频效果进一步提升并同步产出适配多个主流短视频平台的高点击率标题文案——用得越多、经验越丰富、团队越强。JiuwenSwarm 支持不同模型路由及人类角色HOTS/HITS配置案例 1多模型参与狼人杀游戏博弈如该案例中对狼人杀游戏里的不同成员使用了不同模型的路由。同时 Human 可通过“上帝视角”对全局游戏进行操控即 HOTSHuman on the Swarm模式案例 2“人”沉浸式体验狼人杀小游戏想要沉浸式参与多 Agent 协同JiuwenSwarm 提供了 HITSHuman in the Swarm模式Human 作为玩家中的一员可以是狼人、可以是预言家、可以是普通村民。和几位 AI 队友玩家一起讨论、投票、发言、伪装、带节奏其他 Agent 会读你的发言、推理你的身份、决定要不要带飞你或票你。Tips想实现 HOTS 和 HITS 的自由切换可参考如下指令“狼人杀游戏”团队技能下载地址https://swarmskills.openjiuwen.com/skills/3877dbc05fba498b8ae6e50f24a0dd7b案例 3沉浸式多学科课程辅导“学业成长教练团”团队技能下载地址https://swarmskills.openjiuwen.com/skills/ff43cba292574a2dadc5f2b0ee9d80ad孩子和家长可以“以身入局”与其他学科老师智能体进行深度互动实现对学生课业的专业辅导。Human 切换为学生身份时与老师们互动老师可以针对学生的问题与回答评估学生对本学科知识的掌握情况给出学习建议Human 切换为家长身份时可以与各位老师了解孩子学习情况讨论监督和激励机制。协同背后openJiuwen Harness 提供硬实力JiuwenSwarm 的蜂群协同能力十分亮眼但每只蜂的底座——openJiuwen Harness——同样是硬实力的来源。没有单 Agent 的强执行力再精妙的协同机制也难以落地。这一点在权威评测集PinchBench上得到了直接验证。PinchBench 是由 Kilo.ai 团队发布的 Agent 综合能力评测基准任务覆盖代码开发、创意写作、文档处理、会议管理、内容转换、文件操作等多个领域。由于其任务设计贴近真实业务场景、评估维度全面已成为衡量 Agent 执行能力的重要参考。在 PinchBench 评测结果上JiuwenSwarm 以94.2% 的综合得分取得业界 SOTA相比 OpenClaw91.6%提升近 3 个百分点同时在 token 消耗上也有明显优势平均 token 消耗降低34.8%——更高的准确率更低的成本消耗。同时openJiuwen 在记忆机制上效果也很亮眼在长期对话领域权威评测集LOCOMO上记忆准确率达到 85%使用 8B 大模型进行记忆加工、问答和结果判别优于业界各大主流记忆系统。这些结果并非偶然而是 openJiuwen Harness 在 DeepAgent 架构、上下文工程、长期记忆机制等方面持续打磨出的成熟能力使得 JiuwenSwarm 的每一位队员都具备扎实的任务执行力。结语全套开源一起做 AI 时代的养蜂人过去半年行业已经逐渐形成一个共识Agent 的下一步不只是让单个智能体更强而是让多个智能体在复杂任务中稳定协作。但从共识到工程交付中间仍有很长距离。多 Agent 如何分工如何交接如何复用经验如何在失败后修正自身都不是简单调用几个模型就能解决的问题。openJiuwen 这次发布 JiuwenSwarm瞄准的正是这个问题。它并不只是一个新的智能体项目而是一套相对完整的多智能体协作方案包括一套理念框架即 Coordination Engineering一组工程组件包括 Agent Swarm、Swarm Skills、Swarm Skills Hub 和 Swarm Skills 自演进以及一个面向实际使用的智能体实现 JiuwenSwarm。更重要的是这些能力都以开源方式开放给开发者。这意味着多智能体协作不再只是少数团队内部试验的系统能力更成为更多开发者共同验证、共同改进的工程实践。AI Agent 的下一步注定不是一个无所不能的超级个体 而是一组各有所长、彼此协作、持续改进的智能体系统。JiuwenSwarm则让开发者以更低门槛地进入多智能体协作的实验场开始搭建自己的智能体蜂群。关于 openJiuwenopenJiuwen 是华为支持的开源 AI Agent 平台社区由华为 2012 实验室与华为云 AgentArts 团队联合构建。其标杆智能体 JiuwenSwarm沉淀了 openJiuwen 平台在 Harness 工程、多智能体协同、自演进等关键方向上的完整能力。JiuwenSwarm全套开源欢迎共建JiuwenSwarmAtomGithttps://atomgit.com/openJiuwen/jiuwenswarmJiuwenSwarmGitHubhttps://github.com/openJiuwen-ai/jiuwenswarmSwarm Skills Hubhttps://swarmskills.openjiuwen.com/欢迎你上传自己的团队技能至 Swarm Skills Hub让蜂群经验在社区流动起来。让我们一起养蜂造蜜

相关文章:

从Harness走向Coordination,openJiuwen社区发布JiuwenSwarm,引领多智能体协作新范式

刚刚,华为支持的开源 AI Agent 平台社区 openJiuwen 发布并开源了 JiuwenSwarm。 这是一个面向多智能体协作的蜂群智能体。让多个 AI 智能体像蜂群一样高效协作、自主演进,正式按下 "群体智能" 的加速键,开启 AI 时代的 "养蜂…...

软件工程师视角下的MV与TVA(11)

重磅预告:本专栏将独家连载系列丛书《智能体视觉技术与应用》部分精华内容,该书是世界首套系统阐述“因式智能体”视觉理论与实践的专著,特邀美国 TypeOne 公司首席科学家、斯坦福大学博士 Bohan 担任技术顾问。Bohan先生师从美国三院院士、“…...

别再点那个小箭头了!手把手教你用自定义按钮控制ElementUI表格展开行(Vue3 + Element Plus版)

用文字按钮重构Element Plus表格交互:让展开行操作更符合用户直觉 后台管理系统中最常见的交互痛点之一,就是默认的表格展开箭头设计。当用户面对密密麻麻的数据表格时,那个小小的三角形图标往往成为操作盲区。我曾参与过一个电商后台系统的用…...

建模也有Skills了:MWORKS.Sysplorer Skills已开源至MoHub!

智能体能调用建模工具,并不等于它能稳定完成工程建模任务。在真实工程场景中,一个可交付的模型往往要经过需求理解、模型库选择、组件映射、参数补全、检查翻译、仿真验证、结果判读和交付归档。过去,这些环节高度依赖工程师经验;…...

从LMS到BLMS:自适应滤波的‘批处理’思想如何解决工程中的收敛难题?

从LMS到BLMS:批处理思想如何重塑自适应滤波的工程实践 在实时信号处理领域,工程师们常常面临一个经典困境:算法响应速度与系统稳定性能之间的微妙平衡。想象一下,当你正在调试一套语音降噪系统时,每次麦克风接收到一个…...

2026年支持人民币计价的金价追踪APP有哪些

家人们谁懂啊!上周我发小蹲了3个月的50克古法金镯子终于下手,结账的时候才傻了眼:她之前用来盯金价的APP默认是美元离岸价,自己换算的时候忘了算汇率差和国内基础金价的浮动,预估的总价和实际付款差了快1800&#xff0…...

从‘班级-学生’数据实战出发:手把手教你用R语言的lme4包搞定多层线性模型(MLM/HLM)

从班级-学生数据实战:R语言lme4包多层线性模型全流程解析 当研究者面对具有层级结构的数据时(如学生嵌套于班级、员工嵌套于公司),传统线性回归的独立性假设往往被打破。多层线性模型(Multilevel Linear Models, MLM&a…...

别再死记公式了!用HFSS和Matlab FDTD两种方法,手把手教你仿真微带线阻抗(附工程文件)

微带线阻抗仿真实战:HFSS与Matlab FDTD双路径深度解析 微带线作为高频电路设计中最常见的传输线结构之一,其特性阻抗的准确计算直接关系到信号完整性和系统性能。许多工程师在学习初期都会遇到一个共同困惑:为什么教科书公式计算结果与仿真或…...

8051中断向量冲突与Keil调试问题解决方案

1. 问题现象与背景分析最近在调试基于MCBx51评估板的8051应用程序时,遇到了一个相当诡异的现象:原本在评估版上运行正常的程序,移植到实际硬件后出现了异常行为,甚至导致调试连接中断。最典型的错误提示就是"CONNECTION TO T…...

为什么你的Perplexity搜索总返回噪音结果?7步精准提示工程诊断流程

更多请点击: https://intelliparadigm.com 第一章:Perplexity搜索结果噪音现象的本质剖析 Perplexity 作为基于大语言模型的语义搜索引擎,其结果页中高频出现的“噪音”并非传统关键词匹配失准所致,而是源于其底层推理机制与用户…...

避坑指南:用3dMax一键房屋插件时,为什么你的窗洞总创建失败?

3dMax一键房屋插件窗洞创建失败的深度排查手册 引言 在建筑可视化与室内设计领域,3dMax的一键房屋插件确实为设计师节省了大量重复劳动时间。然而,许多中级用户在尝试创建窗洞时,常常遭遇各种意料之外的失败——从简单的按钮灰色不可点击&…...

量子计算如何革新机器翻译:QEDACVC系统解析

1. 量子计算与机器翻译的技术融合量子计算正在为自然语言处理领域带来革命性的变化。传统机器翻译系统依赖于经典计算机架构,如基于Transformer的模型,虽然取得了显著进展,但在处理低资源语言和实时多语言场景时仍面临挑战。量子机器翻译的核…...

Perplexity搜索效率提升73%的6个隐藏技巧:资深AI分析师亲测有效

更多请点击: https://intelliparadigm.com 第一章:Perplexity搜索效率提升73%的底层动因解析 Perplexity 作为新一代语义优先的AI搜索引擎,其搜索延迟中位数从 1.84s 降至 0.50s(实测提升 73%),这一突破并…...

GAMES101图形学笔记:从光栅化到路径追踪,我的自学避坑路线图

GAMES101图形学自学指南:从光栅化到路径追踪的实战路线 在B站上拥有数百万播放量的GAMES101课程,已经成为计算机图形学爱好者入门的黄金标准。作为一门融合数学、物理和编程的交叉学科,图形学的学习曲线往往令人望而生畏。本文将分享我自学G…...

ArcGIS新手避坑指南:批量拼接栅格时,Mosaic和Mosaic To New Raster到底该选哪个?

ArcGIS栅格拼接工具深度对比:Mosaic与Mosaic To New Raster实战解析 当你第一次在ArcGIS的ArcToolbox中搜索栅格拼接工具时,很可能会被两个名称相似的工具搞得一头雾水——Mosaic和Mosaic To New Raster。这两个工具都位于Data Management Tools下的Rast…...

完整 Ubuntu 服务器 XFCE 桌面 + XRDP 远程桌面 部署使用全流程

一、系统初始化 & 基础依赖安装bash# 更新系统sudo apt update && sudo apt upgrade -y# 安装必备依赖sudo apt install wget curl libfuse2 libxcb-xinput0 libxkbfile1 libssl-dev lrzsz -y二、安装 XFCE 轻量图形桌面bash# 完整安装XFCE桌面环境sudo apt instal…...

避坑指南:RK3566给GC2053提供MCLK,分压电阻怎么选?实测波形告诉你答案

RK3566与GC2053时钟信号分压设计实战:从波形分析到电阻选型 当RK3566处理器需要为GC2053图像传感器提供MCLK时钟信号时,电平转换电路的设计往往成为项目成败的关键。许多工程师在首次设计分压电路时,会陷入"阻值越大功耗越小"的误区…...

高频电路中的隐形卫士:深度解析开关二极管BAV99的选型与应用

1. 高频电路中的隐形挑战:为什么需要BAV99? 当你设计一个高速数字接口或者射频模块时,最头疼的问题往往不是功能实现,而是那些看不见的高频干扰。我曾经在一个USB3.0接口保护电路的设计中,就因为选错了二极管&#xff…...

别再手动画框了!用CVAT的自动标注和插值功能,10分钟搞定一段视频标注

别再手动画框了!用CVAT的自动标注和插值功能,10分钟搞定一段视频标注 视频标注是计算机视觉项目中最耗时的工作之一。想象一下,你需要为一段30秒的交通监控视频(约900帧)标注所有车辆的位置——传统方法可能需要8小时以…...

保姆级教程:用Unity+OpenCVSharp插件实现摄像头实时轮廓检测与交互(附完整C#代码)

Unity与OpenCVSharp实战:从摄像头捕捉到交互式轮廓检测全流程解析 在游戏开发与计算机视觉的交叉领域,实时图像处理正成为增强玩家沉浸感的新 frontier。想象一下:玩家只需在摄像头前挥动手势,游戏中的角色就能同步做出反应&#…...

别再手动算日期了!SQL Server里DATEDIFF和DATEADD的5个实战场景,数据分析师必看

SQL Server日期处理实战:DATEDIFF与DATEADD的5个高阶应用场景 在数据分析与报表开发领域,时间维度永远是核心要素之一。无论是用户行为分析、业务指标计算还是系统自动化处理,精准的日期运算能力直接决定了数据价值的挖掘深度。作为SQL Serve…...

告别信号失真!手把手教你理解PCIe均衡中的预加重与去加重

PCIe信号均衡技术:预加重与去加重的实战解析 在高速串行通信领域,信号完整性始终是工程师面临的核心挑战。当PCIe总线速率从2.5GT/s演进到32GT/s甚至更高时,信号在传输过程中遭遇的高频衰减和码间干扰(ISI)问题变得尤为突出。预加重(Pre-emph…...

企业Agent落地:从0到1搭建员工Agent体系

一、项目背景 某中型企业在数字化转型过程中遇到以下痛点: 合同审批流程平均耗时3天,效率低下员工每天约30%的时间花在重复操作上流程规则散落在员工经验中,难以标准化缺乏统一的操作审计和权限管理 二、落地路径 阶段一:验证…...

大模型应用开发:从需求分析到上线的全流程指南

一、需求分析:锚定测试视角下的开发方向对于软件测试从业者而言,大模型应用开发的需求分析阶段,核心是跳出传统功能测试的思维局限,从“验证功能正确性”转向“定义AI能力边界”。首先要明确业务场景的核心诉求,比如开…...

【Perplexity营养饮食查询实战指南】:3大隐藏技巧让AI精准解读膳食需求并生成个性化食谱

更多请点击: https://kaifayun.com 第一章:Perplexity营养饮食查询实战指南概述 Perplexity 是一款基于大语言模型的智能问答与研究工具,其核心优势在于实时联网检索、引用溯源与多源信息聚合能力。在营养学与健康饮食领域,它可快…...

从CVE到ATTCK:如何用Elastic Stack构建你的个人安全情报仪表盘

从CVE到ATT&CK:如何用Elastic Stack构建你的个人安全情报仪表盘 在安全运营领域,数据孤岛一直是分析师面临的主要挑战。CVE漏洞数据库、CWE弱点分类、CAPEC攻击模式以及ATT&CK框架各自提供了宝贵的安全情报,但这些数据往往分散在不同…...

机器学习中的过拟合与欠拟合:如何解决模型泛化问题

在人工智能技术飞速发展的当下,机器学习模型在软件测试领域的应用愈发广泛,从自动化测试用例生成到缺陷预测,再到性能瓶颈分析,都离不开机器学习的助力。然而,模型的泛化能力始终是制约其在实际测试场景中发挥作用的关…...

告别手动传Token!用JMeter的JSON Extractor搞定接口自动化登录(附实战配置)

告别手动传Token!用JMeter的JSON Extractor实现无缝接口自动化登录 在接口测试的世界里,登录态管理就像一场永无止境的接力赛——每次请求都需要准确传递Token这个"接力棒"。传统的手工复制粘贴Token不仅效率低下,更是自动化测试流…...

LeetCode 找到最终的安全状态题解

LeetCode 找到最终的安全状态题解 题目描述 给定一个有向图,找到所有安全节点。安全节点是永远不会走向环的节点。 示例: 输入:graph [[1,2],[2,3],[5],[0],[5],[],[]]输出:[2,4,5,6] 解题思路 方法:拓扑排序 思路&am…...

告别手动标注!用X-AnyLabeling和SAM-HQ模型,5分钟搞定你的第一个AI标注项目

5分钟极速上手:用X-AnyLabeling与SAM-HQ实现零基础AI标注 在计算机视觉项目的早期阶段,数据标注往往是最耗时的环节。传统手工标注一张图片可能需要几分钟到几十分钟不等,而一个中等规模的数据集往往需要数千张标注样本。这种低效的工作流程…...