明略科技开源Octo：实现Agent间互联

背景

随着大语言模型（LLM）能力的提升，AI 应用正从单一的“聊天机器人”形态向更复杂的“智能体（Agent）”形态演进。然而，当前的 AI 使用场景大多处于“单机”状态：Claude Code 负责写代码，Codex 处理任务，另一个 Agent 做调研，彼此之间缺乏有效的协作机制。

当企业内部的 Agent 数量从个位数增加到数十甚至上百个时，简单的工具调用已无法满足需求。组织需要一张能够支持分工、沟通、交接、验收以及经验沉淀的网络。在此背景下，明略科技（Minglue Technology）开源发布了 Octo，旨在构建一个开源可信的 Agent 协作网络，让人、Agent 和外部工具进入同一套协作系统，解决多 Agent 环境下的组织协作难题。

核心内容

Octo 的核心理念可以概括为 “Agents do. Humans decide.”（Agent 执行，人类决策）。它不仅仅是一个 AI 工具，更是一个将 AI 融入组织流程的数字劳动力管理平台。其核心架构围绕以下三个维度展开：

1. Agent 的“工位”概念：Bot、Channel/Thread、Matter

Octo 试图赋予 Agent 类似人类员工的身份和协作空间：

• Bot（数字同事）：Agent 不再只是临时的功能按钮，而是以 Bot 身份进入团队。每个 Bot 拥有独立的 AgentCard，包含身份、能力边界、归属及工作履历。系统支持接入 OpenClaw、Hermes、Codex、Claude Code、WorkBuddy 等主流 Agent 工具，实现统一管理和能力匹配。
• Channel/Thread（协作空间）：
  • Channel：类似项目群或工作频道，用于对齐意图、讨论方案、派发任务。与普通群聊不同，Agent 在此不仅是被动响应，而是能接收上下文并主动推进任务。
  • Thread：针对具体事项（如产品发布中的技术稿、文案等）的独立线程，确保讨论脉络、过程和结论不被冲散，保持上下文连贯。
• Matter（行动交付）：解决“聊天变行动”的问题。当讨论产生待办事项，Agent 可自动总结要点，经人工确认后创建 Matter。Matter 包含负责人、交付物、验收标准及从 Brief 到验收结论的完整记录，使 AI 的工作成果可追踪、可复盘、可验收。

2. 六种协作模式

Octo 提供了六种结构化的多 Agent 协作模式，以应对不同的工作场景：

1. Solo（单人完成）：单个 Bot 独立完成边界清晰的小任务，如改文案、整理纪要。
2. Roundtable（圆桌讨论）：多个 Bot 围绕同一问题公开讨论，适合头脑风暴、多角度分析。例如，由技术、用户、商业视角的 Bot 分别提供判断，由 Leader 收束。
3. Critic（独立审核）：执行与审核分离。一个 Bot 执行，另一个 Bot 审核并有权打回，适用于代码审查、事实核查等对质量敏感的场景。
4. Pipeline（流水线）：A 做完交给 B，B 做完交给 C，每一步产出作为下一步输入，适用于有明确先后顺序的多步任务（如调研->分析->报告->润色）。
5. Split（分头干）：大任务拆分为独立模块，不同 Bot 并行处理，最后由 Leader 合并，适用于资料量大、模块独立的任务（如行业研究中分国别、分领域调研）。
6. Swarm（竞选择优）：同一题目发给多个 Bot 独立完成，最后选出最佳方案，适用于创意型任务（如标题、视觉概念、命名）。

3. 多端覆盖与产品形态

为了融入现有工作流，Octo 覆盖了多种终端入口：

• Web App：完整的协作工作台，集中管理 Channel、Matter、Bot 记录及项目进展，适合复杂项目管理。
• 移动端（iOS/Android）：用于关键节点的反馈与验收，如查看阶段成果、拍板通过或打回补充。
• 浏览器插件：在不打断现有工作流的前提下，直接在当前页面（如文档、GitHub Issue）呼出 Agent，带入页面上下文进行总结、翻译或续写。
• CLI（命令行界面）：面向开发者和 Agent 原生操作，将 Agent 任务与终端工作流（代码、自动化）结合。

4. 开源与私有化部署

Octo 强调开源和私有化部署，以保护企业的核心资产。在 PrivateAI 时代，企业真正有价值的数据并非单次回答，而是背后的业务上下文、协作记录、偏好判断和工作方法。私有化部署确保这些数据沉淀在企业自身环境中，避免资产流失，并支持组织风格的长期积累。

关键要点

• 核心理念：Octo 旨在构建开源可信的 Agent 协作网络，实现 “Agents do. Humans decide.”，即 Agent 负责执行，人类负责关键节点的判断与决策。
• 身份管理：通过 Bot 概念，将 Agent 从工具入口转变为拥有身份、能力边界和工作履历的“数字同事”，支持接入多种主流 Agent 工具。
• 协作结构化：
  • 通过 Channel 和 Thread 解决协作空间和上下文连贯性问题。
  • 通过 Matter 将非结构化的聊天转化为可追踪、可验收的结构化交付物。
• 六种协作模式：提供 Solo、Roundtable、Critic、Pipeline、Split、Swarm 六种模式，覆盖从单人执行到复杂并行、审核、竞选的多种业务场景。
• 全场景覆盖：通过 Web App、移动端、浏览器插件和 CLI 四个端，实现 Agent 在文档、代码平台、浏览器和终端等高频工作场景中的无缝嵌入。
• 资产沉淀：协作过程中沉淀三类核心资产：
  • Context（上下文）：项目背景、历史决策，降低新成员/新 Bot 的对齐成本。
  • Taste（偏好）：记录人工验收、批注中的风格偏好，指导 Agent 后续输出。
  • Skill（技能）：固化组织内部的做事规范、模板和方法论，实现复用。
• O.C.T.O. 含义：代表 Open（开放/自部署）、Context（上下文流动）、Taste（偏好保留）、Orchestration（编排协作）。
• 趋势判断：AI 应用正从“个人效率工具”向“组织协作网络”迁移。互联网连接了计算机，Octo 试图连接 Agent，释放网络效应，使 AI 从助手进化为同事。

意义与影响

Octo 的发布标志着 AI 应用进入了一个新阶段：从单点效率提升转向组织级的协作重构。

1. 重构组织协作方式：传统的 IM 工具（如飞书、Slack、钉钉）主要为人和人设计，难以有效处理 Agent 的身份管理、任务追踪和复杂协作逻辑。Octo 填补了这一空白，为“人-Agent-Agent”混合协作提供了基础设施。
2. 确立“数字劳动力”地位：通过 Matter 和验收机制，AI 的工作成果变得可量化、可管理、可追责。这使得 Agent 能够真正作为数字劳动力融入企业流程，而非仅仅作为辅助搜索或生成的工具。
3. 数据主权与资产沉淀：强调开源和私有化部署，回应了企业对数据安全和核心知识资产（Context, Taste, Skill）掌控的关切。这有助于企业在更换模型或升级系统时，保留组织特有的工作方法和偏好，避免“模型依赖”导致的知识流失。
4. 推动 Agent 生态互联：正如互联网让计算机产生网络效应，Octo 试图让分散的 Agent 产生协作效应。当 Agent 能够在统一的规则下分工、交接和验收时，整个组织的智能化水平和生产力上限将被大幅打破。

总之，Octo 不仅是一个技术产品，更是对 AI 时代组织形态的一种探索。它试图解决的核心问题是：当 Agent 数量激增时，如何通过标准化的协作协议和基础设施，让 AI 真正懂业务、懂组织，并成为可信赖的数字