菜单
English articles本文暂无译文
积墨AI

积墨AI

从个人助理到事件驱动:Super Agent 的真正分水岭在于谁来启动任务

同一个 GitHub 仓库里放进两个智能体,处理两个同样简单的 Bug:金额格式显示错误、截止日期差了一天。一个由 DeepSeek Harness 驱动的 Super Agent 收到事件后自动建单、改代码、提交 Pull Request;另一个由 Claude Code GitHub Action 驱动的 Personal Agent 被 @claude 点名后同样完成了修复。两边都能干活,但当下游追问「刚才进展怎么样」时,差别才真正浮现:一个沿着原任务继续推进,另一个则安静地等待下一次点名。

代码场景为何成为首个试验田

把三个核心术语翻译成人话:Agent Harness 是最基础的问答执行框架,一轮请求对应一轮执行,没有新请求就不会自己开始下一件事;Personal Agent 往前走了一步,可以常驻运行、记住用户身份、被聊天消息或定时任务唤醒,解决的是「人不必守着执行过程」,但任务的起点通常仍来自人或预设的 Cron;Super Agent 则持续监听一个工作系统,Issue、Pull Request、代码评审、团队聊天消息都可以成为事件,事件出现后由系统判断是否转化为正式工作。

Super Agent 的核心不是「会监听消息」,而是把消息变成有状态、可续接、可交付的任务。整条链路分为五步:Source 负责把外部变化送进来,解决「发生了什么」;Router 像值班项目经理一样分诊,判断事件来自谁、是否符合规则,区分讨论与工作请求;Ticket 把一次请求变成有生命周期的工单,记录来源、状态、分配对象与产出,让后续评论缝回同一项工作;Worker 在隔离环境里执行,多任务并行互不覆盖;最终结果回到原来的 Issue 或 PR 线程,人看到的是工作进展而非模型思考。

智能体的分水岭,不在模型参数里、不在对话能力里,而在事件触发、任务状态与人工刹车的每一个系统细节里

“行业观察”
积墨 AI 核心产品

积墨 AI 智能体开发平台

快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。

从多年产业实践经验来看,很多团队谈多智能体时的第一反应是再加几个模型分工,但持续工作的系统里,难点不是「谁来回答」,而是三件更具体的事:哪些消息算工作、同一件工作如何跨多次消息继续、什么时候算完成。Router 处理第一件事,没有它,团队每发一句话 Agent 都可能开工,成本和噪音一起上升;Ticket 处理第二件事,没有它,每次追问都会重新创建任务,Agent 重复读代码、重复改文件,甚至开出互相冲突的分支;交付规则和人工审核处理第三件事,否则所谓自动化会变成一个永远不下班、不知道何时该停的进程。真正的系统设计更像一个小型交付团队:Router 接单分诊、Ticket 保存状态、Worker 执行、人负责批准高风险动作和合并代码。

代码任务适合验证这套机制,因为它有三个天然优势:任务边界相对清楚,一个 Issue 往往能描述一个 Bug 或功能请求;结果可以被机器检查,测试、Lint、构建和 Pull Request 都是可追踪的中间产物;交付动作有现成的审核点,Agent 可以改代码,但是否合并仍由人决定。这也解释了为什么原型团队先在 GitHub 上跑通事件监听、任务拆分、隔离执行和结果回传,再考虑扩展到设计、运营等场景。同时演示也暴露了边界:持续在线意味着持续的权限和成本账单,监听范围越大误触发越难控制,需要允许名单和准入策略兜底;原型定位为研究性质,Worker 默认不自动合并所有 PR,高风险动作保留人工确认,这反而是企业落地应该保留的刹车。

判断一个智能体是否从「助理」走向「队友」,最简单的标准不是它会不会说话,而是当你没有再次点名时,系统能否识别新的工作、接住正确的上下文,并把结果送回该出现的地方。评估任何 Agent 方案,先问三个问题:谁能唤醒它、任务状态放在哪里、最后谁负责拍板。

#事件驱动#工作流编排#Router路由#任务工单#Claude Code
分享文章

相关文章推荐

试用咨询
企业微信二维码

扫码添加企业微信