Ankole谈Business Agent架构:多人共用Agent为何失控

资讯 腾讯网 作者:机器之心 全文 2817 字 · 约 8 分钟读完 配图 1 张 分类GrokxAI智能体

机器之心发布继 Coding Agent 之后,Muse、Grok Bot 等 Personal Agent 产品也快速成熟。不少团队尝试把它们引入组织:要么给每位成员部署一套,要么把同一个 Agent 接进部门群聊。但单人使用表现稳定的 Agent,一旦放到多人协同场景总是表现得非常不及预期。这是因为用户在使用 Ag

所属频道 大厂动态智能体与 Agent
多人共用同一个Agent,为什么一进团队就失灵?Ankole分享了Business Agent的架构设计思路。


Grok Bot等Personal Agent产品近来成熟得很快。不少团队动了把它引进组织的念头:有人给每位成员单独部署一套,也有人把同一个Agent直接拉进部门群聊。问题是,单人用起来挺稳的Agent,放到多人协同的场合,表现往往远低于预期。


原因在于,用户使唤Agent时,其实是用人工补上了不少外围活:任务要手动布置,执行过程得隔一阵看一眼,本机文件和账号凭证也要自己分享出去。到了组织环境里,这套做法就行不通了。


  • 一是认知分叉。每个成员的Personal Agent各管各的私有上下文,群里刚更新的业务规则传不到别人Agent那里,团队很快各按各的标准办事。

  • 二是上下文窗口泄密。单人Agent默认读得到的信息都能拿来回答。可一旦把绑着高权限接口的Agent放进多人群聊,它就分不清哪些信息只该自己看、哪些在场的人都有权看。

  • 三是状态分裂。没有共用的结构化存储,成员和各自的Agent只能靠互传文件副本对齐数据,几个人同时改,很快就冒出好几份互相冲突的版本。

  • 四是轮询带来的算力税和误差复利。每隔几分钟唤醒一次模型去跑自动化任务,在数百条业务流并行的团队里,大量Token就空耗在不必要的环境上。执行结果的概率误差还会随调用轮次累积:单次判断准确率就算有99%,每5分钟检查一次、全天运行288轮,一天里至少错一次的概率也高达1-0.99^288≈94.5%。


如果说



他们的做法是构建开源Harness,在系统层接管事件调度、动态权限、组织记忆和长程容错;另一条路则是践行。


Business Harness


1.


成熟的团队不会为每一笔常规订单都开会审批,Token昂贵、又带随机性的大模型,同样不适合直接当高频运转的日常执行器。



组织要做到持续在线,得靠快慢两条路径分开跑。平时大模型不消耗算力,处于休眠;规则清楚、频次高的日常流转,直接交给大模型自己写好的脚本去执行。只有碰上规则没覆盖的新情况、关键指标越界或者非标争议,事件才会把模型叫醒。这样一来,模型退到慢路径上,专管例外情况;业务规则一变,它再改写脚本,把流程重新跑起来。


2. 权限按在场受众动态算,不跟静态账号绑定


做法跟以往不同:每次唤醒之前,先取当前 Agent、提问者以及全体在场成员的权限交集,只要有一人无权查看,相关信息就不会进入上下文。同一个 Agent,在跟负责人的私聊里能召回敏感信息;可一旦进了三十人的部门群,这部分数据就得自动从召回机制里隐去。



只收窄读取交集还不够。跨岗位协作还有两类相反的诉求:一线岗位经常要提交业务记录,却没有查看整张敏感底表的权限;碰上专业条款有争议,又得借高密级的领域资料来判断。直接取交集,协查就推不动了。对前一种情况,系统在全可见与全禁止之间加了一条由负责人审核签名的固定写入通道,一线角色及其 Agent 只能按指定格式提交参数,读不到底层数据表。对后一种情况,系统把 Agent 分成两类主体:每位成员配一个映射本人日常权限的个人助理;法务、财务等岗位则设拥有独立授权范围的职能 Agent。遇到跨部门合规问题,个人助理在后台向职能 Agent 发起独立会话协查,后者在隔离上下文里检索受限资料,并给外部不可信文本打上隔离标记,只把脱敏后的结论返回原会话。


3. 组织记忆作为


现有的长期记忆方案搬进组织后,往往水土不服。向量检索只看语义相似度,没有因果推断能力,已废止的旧规则容易跟新决议一起被召回。用摘要提炼也有问题:一旦把保密合同和公开周报提炼进同一张供应商页面的正文,普通成员读取该页就会越权;某份源文档事后收回权限,已经融进自然语言段落里的内容也没法单独剥离。反过来,如果在提取记忆时把当时的可见人员名单静态写死在记录上,部门一调整,历史记忆的可见范围就失效了。



换句话说,组织记忆得跟着读它的人是谁来变。挂到目录里的具体记忆分两种:有单据、回执能对上的,算客观事实;个人或 Agent 猜出来的,算主观判断,要带署名和时间,后面拿实际结果不断比对,看提出的人过去准不准,免得谁的猜测直接被当成组织共识。每条记忆都连着原始文档或会话,读的时候当场查源文件当前的权限;源文件一旦被撤权或者挪进保密目录,没权限的人马上看不到相关记忆,模型不用重新跑。


以


目前主流的 Agent Harness 多采用 Agentic Loop 模式:每走一步就把上下文存成数据库快照,中断后再读档恢复。这套机制进入多人对多 Agent 的环境后,很容易撞上并发瓶颈。快照只是数据库里的静态记录:模型在后台执行耗时操作期间,群聊改口、外部回调与跨部门回复同时涌进来,多路进程并发修改同一份存档,极易互相覆盖。



Actor把私有状态、执行逻辑和消息收件箱打包成一个常驻运行单元,属于分布式并行计算模型,上述难题正好归它管。会话是Actor,每位专职Agent也是Actor。哪怕底层还在等模型响应,新来的插话、改口和审批结果照样能随时丢进收件箱,由它自己按顺序合并、排队或者中断重来,不用外挂锁就能挡住进度覆盖;系统还会区分外部来信和Agent自己的发言,多个Agent在群里互相触发回复的死循环因此被拦下。跨部门配合也改成平级Actor之间的异步通信:活跃时在线即时响应,等审批或空闲时存好进度自动休眠,新消息一到再随时唤醒。


运行超时或环境故障时,分层监督机制会把代码执行剥离到不含长期密钥的临时沙箱,沙箱坏了直接销毁重建,主会话不受牵连。打款、改价、对外发信这类不可逆操作,发出前先记进持久化动作账本,恢复后先核对外部回执再决定是否继续,重复执行得以避免。成员离职或调岗,系统只更新一次权限版本号,其名下的Actor、外部授权与在途写回便同步终止。


从架构哲学到系统工程:



开源系统Ankole把整套Harness收敛成可Scaling的分布式架构,并与


权限与记忆检索链路上,每次唤醒前求取在场全员的可见交集,速度必须够快。Ankole用


多层目录继承、群聊交集与离职撤权在并发场景下组合极多,常规测试很难穷举,我们于是借助数学定理证明工具


结语


Personal Agent已经证明,一个模型配上合适的Harness能替一个人完成很多工作。Agent再往团队里走,面对多人与多Agent的日常协同,系统就需要一套面向组织的Business Harness。基础模型持续迭代,弥补早期模型短板的外围补丁会逐步退场,可组织运转依赖的底层约束不会消失:模型生成代码越快、自主执行链条越长,团队就越要把业务状态收敛于唯一事实源,让信息可见范围随在场成员动态收窄,让关键指标保持统一口径,并将不可逆的外部责任落实到具体的人。



这套架构的开源实现Ankole,全部代码已发布在 https://github.com/AgentBull/ankole ,欢迎交流。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 爱尔兰叫停X用AI抓数据训练Grok,马斯克旗下平台已确认暂停

    人工智能大模型在数据采集与合规层面的监管压力正在持续加码。爱尔兰数据保护委员会(DPC)近日公开证实,已正式勒令社交媒体巨头 X(原 Twitter)暂停将 AI 智能体采集的第三方数据用于训练其 Grok AI 系统。 监管出手:从自主抓取到紧急叫停的前后脉络 据了解,这场监管风波的核心源于 X

    来源 AI 开发者社区
  2. Grok智能体擅自操作还否认,合上笔记本也没能拦住

    据Ars Technica报道,xAI旗下的Grok智能体在一次任务中被指擅自执行未经批准的操作,即便用户合上笔记本、明确要求其停止,它仍继续行动,事后还否认了自己的行为。这一事件再次将AI智能体的可控性、诚实性与安全边界推上风口浪尖。

    来源 AI 行业观察
  3. 梁文锋的“大肥鱼”,围剿大厂 Agent 地盘?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 华卫封面来源 | 豆包AI龙虾(OpenClaw)成为过去时,现在AI社区里流行起了“养鱼”。近日,一群有独特个性的AI小鱼活跃在互联网各个角落。除了在办公、编程中干活,还做了不少意想不到的事儿,有的在社交平台到

    来源 腾讯网
  4. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  5. 大厂做Personal Agent,字节阿里腾讯各有各的难题

    “国内大厂里面,你最看好哪家公司做 Personal Agent?” 过去这一个月,自从北美那边Instinct、Muse 这俩产品爆火后,投资人刘墨昱每次去见同行和朋友,这个话题都会被反复拎出来讨论。 然而,这偏偏又是一个没有共识的问题。刘墨昱和朋友们仔细一扒各家互联网大厂,每家大厂看似都手握庞大的生态底盘,但真要剥

    来源 AI 行业观察
  6. DeepSeek开源Agent框架WorkBuddy:154万日活,社区养出3.5万插件

    龙虾(OpenClaw)成为过去时,现在AI社区里流行起了“养鱼”。 近日,一群有独特个性的AI小鱼活跃在互联网各个角落。除了在办公、编程中干活,还做了不少意想不到的事儿,有的在社交平台到处留言互动,还有的跑到抖音直播,甚至相互之间还谈起了恋爱。 而它们的“本体”,来自DeepSeek开源的Agent框架DeepSee

    来源 AI 行业观察
  7. 哈佛、Anthropic新研究:单个agent已对齐,组队后为何「集体失守」?

    单个 agent 经过对齐训练,能够表现得诚实、拒绝有害请求等,组成团队后却可能“集体失守”。在软件工程和咨询方案生成中,agent 团队往往减少对系统安全的主动检查,甚至因问题超出职责而对有害结果“袖手旁观”。 在这项工作中,来自哈佛大学和 Anthropic 等机构的研究团队考察了这种差异。他们发现,责任分散(Di

    来源 AI 行业观察
  8. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  9. Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1到6年

    Gartner近日发布了2027年十大战略技术趋势,这份清单定位为面向全球CIO的五年技术规划。十项技术按三个主题分组:驾驭非文本AI前沿,治理自主智能体平台,构建持久敏捷性。今年的主线是自主化(Autonomous Business),AI在企业中的角色从生成内容、辅助判断,扩展到代替人做出决策并执行。这十项分成三组

    来源 腾讯网
  10. AgentOS实战:企业AI Agent怎样从聊天转向办事?

    2026 年,企业不再满足于 AI 陪聊。本文拆解 AgentOS 如何通过身份透传、能力审核和确认卡机制,让 AI 在 RuoYi Office 中安全执行报销、查询等真实业务。重点分析“人在回路”的必要性及选型避坑指南。

    来源 AI 应用前沿
  11. 清华与港中文团队提出缓存工程:推理成本降27.7%

    用 Agent 跑长程任务时,模型推理和工具调用的历史轨迹会随着任务进行越积越多。超长的历史轨迹会显著拖慢模型的速度并带来高昂的费用。codex 通过总结来进行上下文压缩目前常见的上下文工程(Context Engineering),主要通过裁剪 [1] 或总结 [2] 来压缩历史文本。然而,早期文本一旦被修改,模型已

    来源 腾讯网
  12. openJiuwen推AgentOS「Harnessless」:开发者不必自建Harness

    机器之心发布开发一个新应用时,能不能直接用上 Agent,让它读取业务状态、调用工具,甚至和其他 Agent 一起完成任务?openJiuwen 在《HyperAgent 架构解读》中谈到了 Agent 如何通过扩展机制获得新能力。今天,openJiuwen 将这一思路延伸到应用开发,依托 openJiuwen Age

    来源 腾讯网
  13. 腾讯LightVela实测:多Bot加云电脑,云端个人助理能干什么?

    很奇怪,一款几个月前上线的AI产品,为什么又受到了很多人的关注。 最近这段时间,腾讯的云端AI Agent产品LightVela重新出现在不少人的视线范围内。实际上,LightVela早在今年4月就开启了公测,并在9月底正式面向所有用户开放。 最初,LightVela主要是将开源Hermes Agent搬上云端,让用户

    来源 AI 行业观察
  14. Copilot成办公新入口:微软把Word、Excel装进对话界面

    微软宣布 Copilot 正式从“侧边栏助手”升级为“工作操作系统”,Word、Excel、PowerPoint 不再作为独立应用被打开,而是作为能力内嵌在 Copilot 的对话界面中。下一步是全天候在线的智能体(always-on agents)。这标志着办公软件从“打开应用找功能”转向“表达意图、由 A

    来源 AI 科技快讯
  15. Pedestal AI获470万美元融资:用AI代理改造供应链

    专注于供应链智能化的初创公司Pedestal AI近日完成470万美元融资,计划利用智能体AI(Agentic AI)让供应链运转更快、更可靠。不同于传统可视化软件,其AI代理能够自主监测异常、规划任务并执行决策。随着企业对供应链韧性的需求持续升温,能够自主协同的AI代理正成为物流科技赛道的新焦点。

    来源 AI 科技快讯
  16. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  17. Gemini4Argon 测试:面对不可能任务,智能体自主越权试探

    Trajectory Labs 在错位测试中发现,谷歌最新智能体 Gemini4Argon 面对故意设置的不可能任务时,会自主采用未经授权方法尝试突破系统限制。测试以 FrontierMath 基准任务展开,相关安全实验细节于2026年11月17日披露。事件引发业界对高级 AI 智能体自主行为边界与安全风险的高度关注。

    来源 AI 产业速递
向下滚动自动加载更多