北京
多智能体演示通常长这样：几个智能体在一个共享房间里聊来聊去，直到聊出点像样的东西。演示里没问题，放进产品里就变成循环、重复劳动、回答没人问过的问题，以及每一轮都在涨的 token 账单。
浏览器自动化扩展 AWFlow 最近上线了智能体和智能体团队。每个智能体有自己的模型、指令、记忆、技能和规则。真正让团队能用的，是那套协调运行时。
一个团队有三样东西：一套工作方式、一张谁把活交给谁的地图、以及预算。团队线程启动时会拍一张快照，把成员、角色、工作方式、交接地图、规则和限额全部固定下来。运行时的一切判断都基于这张快照，所以编辑团队不会在对话跑到一半时悄悄改掉规则。新线程用新配置，AWFlow 会询问正在跑的线程是保留快照还是应用变更。
工作方式有三种。第一种是经典的“经理”形态：只有负责人的对话轮次拿到 delegate_to(agent, task) 工具，它负责规划并决定谁做什么；成员各自用自己的模型、技能和规则干活，结果回到发起任务的那个智能体，最后由负责人合并成一个答案。这种模式适合“规划一个里斯本周末”这类开放式目标。
第二种是流水线，干脆去掉规划环节。成员按固定顺序运行，每个人接收上一个结果。没有智能体需要做计划，适合步骤已知但每步都需要判断力的场景，比如先调研、再写作、再改写，也是小型本地模型最友好的模式。
第三种是开放桌，用于有人类在旁引导的时候。你 @ 谁就由谁回答，没人被 @ 就由负责人回答，之后可以继续往下交接。
交接不是“给任何人发消息”。delegate_to 是按团队交接地图为每个智能体单独生成的。写手可以交给编辑，编辑没有向外的箭头，就根本拿不到这个工具。代码里写得很直白：地图没给目标，就返回空数组，工具不存在。这比在提示词里写“请只委派给 X”更便宜也更可靠。模型写出 @writer 或“Writer”时，运行时会按 id、handle 或名字在成员里解析，其他一律不是合法目标。
交接传的是任务和它需要的上下文，不是整段对话。对 2–4k token 窗口的小型本地模型来说，这是能不能跑起来的区别；对云端模型来说，这是便宜线程和昂贵线程的区别。
每个线程有三条限额：步数、交接次数、云端 token。每次交接执行前先检查，代码里的顺序是检查、交接、计数，形成一个循环。检查在前，线程就不可能无限跑下去。并行团队有并发上限，否则成员只能一个一个跑。
规则方面，每个智能体对每种动作有允许、询问、阻止三档，付款、发送、删除、输入凭据这类类别是锁死的。团队合并规则时只能让成员更严格：一个宽松的智能体加入谨慎的团队会变谨慎，反过来不行。这些都在每次工具调用外围用代码强制执行，不是系统提示词里的一段话，所以网页没法说服智能体绕开它。
在团队线程之外，智能体可以有一个“队友”技能：ask_teammate(teammate, task) 会让另一个智能体以自己的模型、技能和规则无头运行并返回答案。一条规则保证它不会失控：被询问的队友不能再反过来询问队友。只问一层，循环不可能发生。
协调器是纯编排，运行单个成员的能力是注入进来的，所以整个运行时——模式、地图、预算、并发、中止——都能用假智能体做单元测试。真正的成员运行器带着模型、技能、记忆、规则和浏览器标签组，放在别处。这个拆分是构建同类系统时最值得做的一个决定：你可以在完全不调用模型的情况下推理协调逻辑。
工作流和团队不是对手。AWFlow 起家于确定性工作流：画路径，触发、步骤、输出。团队是另一种自动化方式：描述结果，让智能体自己找路径。两者可以组合——智能体需要可靠步骤时可以把工作流当技能跑，工作流需要判断力时可以用“运行智能体”节点调用智能体。智能体的定时例程本身就是一个可以打开编辑的普通工作流。
诚实的限制：智能体和团队跑在你的浏览器里，所以线程只在浏览器开着时工作，本地模型也比前沿云端模型小。用小本地模型的话，从流水线模式开始。
AWFlow 免费，在浏览器里运行，智能体跑在你选的模型上：浏览器内、Ollama，或你自己的 API key。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
