明略科技 Octo 平台学习 Wiki：Private AI 时代的多 Agent 协作基础设施#
本文档基于微信公众号文章《Octo：当 Agent 不再只活在对话框里》整理而成，系统介绍明略科技推出的 Octo 平台——Private AI 时代的组织基础设施，用于管理多 Agent 协作。
原文参考链接：
GitHub 开源组织：Mininglamp-OSS
目录导航#
一、项目背景与定位#
1.1 行业背景：Agent 数字劳动力爆发#
Agent 等数字劳动力正迎来爆发式增长。当企业开始拥有成百上千 Agent 时，传统依赖单一巨型模型的工作方式已难以满足复杂的组织协作需求。
Octo 可以像管理互联网节点一样实现它们之间、它们与创建者之间以及创建者与创建者之间的高效连接、通信与协作。每个 Agent 既各司其职，又相互协作，这种工作模式在大多数场景中优于单一巨型模型。
常见的工作场景被打包成现成的 Bot 模板，不用自己从头配，「领养」就能直接拉进群里干活。
1.2 Octo 平台定位：Private AI 时代组织基础设施#
明略科技将 Octo 平台打造成为 Private AI 时代的组织基础设施，构建人和 AI 协作的新范式。Octo 同样是从 IM 形态切入，但它并不只是做一个更聪明的聊天工具，更在于重写协作本身。IM 更像是入口，而不是核心。
1.3 传统 IM 工具的三大局限#
局限 |
描述 |
|---|---|
信息淹没 |
信息天然会被滚动消息淹没，关键信息易丢失 |
难以追溯 |
一周后想追溯只能在聊天记录里大海捞针 |
协作拓扑失控 |
群聊擅长"都看见"，却难以做到精细化的信息隔离与流转 |
1.4 Octo 解决的三个层次问题#
连接：把人、Bot、Runtime Agent 和工具这些原本分散的节点连接起来
干活：任务由人发起，由 Bot 调用 Runtime Agent 完成执行，执行过程不断被反馈，其他 Bot 接力，人在关键节点做判断和取舍
沉淀：复杂任务沉淀成可追溯的"决策卡"，形成组织记忆与决策资产
二、O.C.T.O. 四维度框架#
2.1 四维度对比#
维度 |
全称 |
含义 |
核心价值 |
|---|---|---|---|
O |
Open |
开放生态 |
不同 Runtime 的 Agent 都能以 Bot 身份接入，获得统一身份 |
C |
Context |
共享上下文 |
IM 中的讨论收敛为结构化知识，任务过程可被持续追溯 |
T |
Taste |
偏好进化 |
实战反馈沉淀为偏好，Agent 越用越懂团队 |
O |
Orchestration |
多 Agent 编排 |
六种协作模式对应六种信息拓扑，合力完成复杂工作 |
2.2 Open：开放生态#
不同 Runtime 的 Agent，包括 OpenClaw、Codex、Claude Code、Cursor 等，都能够以 Bot 身份接入，获得统一身份。
2.3 Context：共享上下文#
IM 中的讨论收敛为结构化知识，项目上下文在不同 Agent 之间共享，任务过程也可以被持续追溯。
2.4 Taste：偏好进化#
实战反馈沉淀为偏好，每个 Agent 背后主人的品味和判断方式被结构化留存与调用。
2.5 Orchestration：多 Agent 编排#
六种协作模式对应六种信息拓扑，不同 Bot 带着不同偏好参与同一任务，合力完成复杂工作。
2.6 Matter：四维度的共同基座#
承载起 Context、Taste、Orchestration 的共同基座正是 Matter，它成为复杂任务得以被理解、反馈、校准和编排的核心容器。
没有 Matter，Context 会散落在聊天记录里，Taste 会缺少来自真实任务的反馈来源，多 Agent 编排也很难留下可追溯的过程和结果。这四个维度连在一起，构成了 Octo 所提供的完整能力。
三、Matter（事项）：复杂任务的承载单元#
3.1 普通 IM 信息淹没问题#
复杂、长程任务需要回答"事情怎么干成、怎么干对、怎么留得下"。在普通 IM 里，信息天然会被滚动消息淹没。今天讨论一个方案，明天又有新的消息刷屏，一周后想追溯只能在聊天记录里大海捞针。
3.2 Matter "决策卡"设计#
Matter 把每个任务沉淀成一张可追溯的「决策卡」，不只记录最终结果，还包括任务缘起（Brief）、过程时间线（Timeline）、关键产出、人的反馈和验收结论。
3.3 Matter 五要素#
要素 |
含义 |
|---|---|
Brief |
任务缘起 |
Timeline |
过程时间线 |
产出 |
关键产出 |
反馈 |
人的反馈 |
验收 |
验收结论 |
一个事项从 Brief 开始，沿着 Timeline 展开，中间有产出、有打回、有补充、有确认，最后形成可以回看的组织记忆。
3.4 组织决策资产价值#
很多价值并不单单存在于最终文档里——为什么选择一个方案，哪些判断来自业务负责人，哪些修改来自法务、销售或技术同学，这些信息共同构成了组织的决策资产。
复杂任务里的每一次修改、打回和验收，本身都带着人的判断。一旦这类反馈进入到 Matter，它们便从一次性的沟通记录转变成了 Agent 学习组织偏好的原材料。Octo 所追求的 Taste，也正是在这个位置生长出来。
四、Taste（品味）：实战沉淀的偏好进化#
4.1 当前 Agent 自我成长有限的现状#
今天的很多 Agent 都有自己的配置文件、工具说明和角色设定，但它们的自我成长仍然有限。一个团队喜欢什么样的风格，什么样的结论才算有洞察，这些偏好很难靠一次系统提示写清楚。
4.2 "偏好对齐必须在实战中完成"设计思路#
很多时候，人类的判断本身就是隐性的——负责人说"这个感觉不对"，客户说"这个角度不准"，这些反馈背后的经验、品味和行业语境不一定马上就能写成一套规则。
因此，"偏好对齐必须在实战中完成"，成为 Octo 塑造 Taste 所采取的思路。
4.3 隐性判断向可复用偏好沉淀的过程#
人的每一次打回、圈一笔、修改、确认，都可以成为 Bot 学习组织品味的素材：
一次方案退回，可能是逻辑不够收束
一次报告重写，可能是结论缺少业务视角
这些信号在沉淀到 Matter 之后，它们就有机会被提炼成下一次可复用的偏好。
4.4 Taste 让 Agent 越用越懂团队#
下次遇到类似任务，相关偏好会自动进入上下文。这样一来，Bot 会在一次次实战中更接近团队的做事方式。Matter 解决了"事情如何留下来"，而 Taste 让"Agent 越用越懂你"。
五、六种协作模式：六种信息拓扑#
多个 Agent 一起协作，并不等于"多叫几个 Bot 进群"。更细化的问题决定了执行效果：信息怎么传？谁负责生成，谁负责验证？哪些任务需要独立视角，哪些任务需要公开讨论？哪些步骤必须按顺序进行，哪些任务可以分头推进？
5.1 六种协作模式对比#
模式 |
适用场景 |
信息流转 |
参与者可见性 |
典型用例 |
|---|---|---|---|---|
Solo |
简单明确的任务 |
领队独自完成 |
仅领队 |
简单查询、单步执行 |
Roundtable |
需要形成共识、碰撞观点 |
领队主持下公开讨论 |
参与者互相可见 |
观点碰撞、结论收束 |
Critic |
需要独立审查 |
生成—验证分离 |
生成方与验证方不同 |
代码检查、事实核查、方案质检 |
Pipeline |
存在明确顺序依赖 |
A→B→C 严格串行 |
每步产出作为下步输入 |
调研→分析→写作→校对 |
Split |
大任务分治 |
任务拆分后各自处理 |
子块互不可见 |
行业报告拆分（政策/市场/技术/案例） |
Swarm |
需要多解并行、避免从众 |
同任务多 Agent 独立完成 |
参与者彼此互盲 |
标题创意、方案创意、产品命名 |
5.2 六种模式详解#
Solo（单干模式）：适合简单明确的任务，由领队独自完成。
Roundtable（圆桌讨论）：在领队主持下，多个 Agent 围绕同一议题展开公开讨论，参与者互相可见，适合需要形成共识、碰撞观点、收束结论的任务。
Critic（生成—验证模式）：其中一个 Agent 负责生成，另一个 Agent 负责审核，生成方和验证方必须不同。验证方有否决权，发现问题可以打回重做。适合需要独立审查的场景，比如代码检查、事实核查、方案质检。
Pipeline（流水线模式）：从 A 到 B 到 C 严格串行，每一步的产出作为下一步的输入。适合存在明确顺序依赖的任务，比如先调研，再分析，再写作，再校对。
Split（分头干模式）：领队把任务拆成互不可见的子块，由多个 Agent 各自处理，最后再由领队合并。适合大任务分治，比如一个行业报告拆成政策、市场、技术、案例几个部分。
Swarm（撒网竞选模式）：同一个任务交给多个 Agent 独立完成，参与者彼此互盲，最后由领队择优。适合需要多解并行、避免从众的场景，比如标题、方案创意、产品命名、不同分析路径。
5.3 与飞书/Slack 群聊对比#
Octo 多协作模型不仅是把 Bot 拉到同一个地方，还规定了信息流转的方式：不同任务匹配不同拓扑，系统保证信息沿正确路径流动。
飞书或 Slack 群聊里的 AI 可以让所有人看到所有消息，但复杂任务经常需要更细的隔离。群聊擅长"都看见"，却很难做到"该互见时互见，该互盲时互盲"。
5.4 "该互见时互见，该互盲时互盲"的隔离设计#
Octo 通过六种协作模式的规定，让信息沿正确路径流动：需要共识时互见，需要独立判断时互盲，需要串行时按序流转，需要分治时彼此隔离。这种精细化的信息拓扑控制，是 Octo 区别于传统 IM 群聊协作的核心能力。
六、产品四层结构#
Octo 正让 Agent 像组织成员一样进入工作流：用 IM 承载交互，用空间、分组、频道、子区搭建协作结构，用语音提升输入效率，用浏览器插件接入外部工具，再用 group.md 约束协作方式。
6.1 结构层：Space/Category/Channel/Thread#
空间（Space）、分类（Category）、频道（Channel）和话题（Thread）将协作关系组织得很清楚。一项任务通常是在某个空间里被提出，带着明确上下文：属于哪个空间，在哪个频道，话题是什么。新消息不会很快被冲掉，自然地落在某个频道或话题里。
6.2 入口层：私聊 + 语音输入#
私聊可以让人与 Agent 在同一个上下文中沟通、分工、反馈。但当协作变复杂，问题可能会出现在输入这一端——很多时候不是 Agent 做不出来，反而是人来不及把需求讲清楚。
引入语音之后，信息可以更快进入系统。Octo 内置的语音输入不只是将声音转成文字，它同样也是一个持续进化和学习的系统：
结合当前对话的上下文，对转写的内容进行修正和梳理
对于团队中的人名、公司名或者行业专有名词，出现频率越高它认得越准
可以语音 @他人、修改已有内容甚至删掉前面的输入
6.3 环境接入层：浏览器插件 Cmd+K#
通过内置的浏览器插件，用户可以通过「Cmd + K」把外部工具无缝接入进来。无论是在网页、文档还是代码平台上，只要选中一段内容，当前页面的链接、标题和选中文本就会自动被带入上下文。它不需要把你从现有工具流中「拉走」，在旁参与协作即可。
6.4 行为约束层：GROUP.md#
GROUP.md 相当于一份专门设给 Bot 看的「行为准则」，明确了一个群聊的定位、协作模式和行为边界。每一次对话、每一条任务指令，所有参与进来的 Bot 都会在遵守 GROUP.md 规则的前提下执行。
当切换到另一套 GROUP.md 时，同一只 Bot 马上调整工作模式，「进什么庙，念什么经」，绝不逾矩。
6.5 多端补全#
Web、移动端、浏览器插件、CLI 共同构成入口。尤其是 CLI，它连接端侧环境和私有化部署叙事，让本地模型、本地文件、本地运行环境进入协作体系。
七、Private AI 与 Trustworthy AI：产品哲学#
7.1 Private AI 三大主权#
主权类型 |
含义 |
|---|---|
数据主权 |
聊天数据、协作产出、Bot 记忆保留在企业环境中 |
知识主权 |
上下文、决策过程沉淀为组织可控资产 |
协作主权 |
工作流、协作模式由企业自主掌控 |
对企业，Private AI 不只是本地化部署，更是数据主权、知识主权与协作主权的真正回归。
7.2 Octo 通过 CLI 接入端侧模型的实现方式#
Octo 以 CLI 接入的方式将端侧模型与本地环境接入进来；工作流中产生的上下文、决策过程与执行结果同样留在端侧，沉淀为组织可以掌控的资产。包括聊天数据、协作产出、Bot 记忆在内，每条对话、每行代码都保留在你的环境中，完全跑在自己的服务器上。
7.3 Trustworthy AI 三大特征#
特征 |
含义 |
|---|---|
开源 |
代码开放，社区可审查 |
白盒 |
运行机制透明可理解 |
可审计 |
协作过程、决策路径可追溯 |
7.4 "能力可以流动，但数据不外流"设计原则#
支撑这一切的底座是 Trustworthy AI：开源、白盒、可审计。只有当 AI 的能力来源、运行过程和协作边界足够透明，人才放心将「思」交给它们，把「品」留在自己手里。
7.5 企业长期竞争力：Context/Taste/Skill#
当模型能力快速趋同，长期竞争力更多来自企业自己的 Context、Taste 和 Skill。这些东西无法被复制，也不应该流失，它们才是组织在 AI 协作中真正的「护城河」。
7.6 个人价值：Taste——"我品故我在"#
对个人，真正被放大的价值是 Taste—— 我品故我在：当 AI 逐步接管了思考，人的判断力、鉴赏力与创造力不会被取代，反而成为存在的意义本身。
Octo 的探索还在早期，但轮廓已经清晰：当 Agent 更深入地嵌入分工体系，真正决定效率的是那些无法被标准化、也不应该被外流的东西——组织自己的上下文和人自己的判断。
八、关键术语表#
术语 |
含义 |
|---|---|
Octo |
明略科技推出的 Private AI 时代多 Agent 协作平台 |
Matter |
复杂任务的承载单元，将任务沉淀为可追溯的"决策卡" |
Taste |
偏好进化机制，让 Agent 通过实战反馈越用越懂团队 |
Runtime Agent |
运行时执行 Agent，由 Bot 调用完成任务执行 |
Bot |
在 Octo 中以 Bot 身份接入的 Agent，获得统一身份 |
A2A |
Agent to Agent 协作，Bot 之间可直接对话 |
GROUP.md |
群聊行为准则，约束 Bot 在群内的协作模式与行为边界 |
Private AI |
私有化 AI，强调数据主权、知识主权、协作主权 |
Trustworthy AI |
可信 AI，特征为开源、白盒、可审计 |
Open Agent |
开放生态中的 Agent，不同 Runtime 都可接入 |
Space |
空间，Octo 结构层最高级别的协作关系容器 |
Category |
分类，Space 内的协作关系分组 |
Channel |
频道，Category 内的具体协作通道 |
Thread |
话题/子区，Channel 内的具体讨论线索 |
Cmd+K |
浏览器插件快捷键，无缝接入外部工具上下文 |
Solo |
单干协作模式，领队独自完成任务 |
Roundtable |
圆桌讨论协作模式，多 Agent 公开讨论 |
Critic |
生成—验证协作模式，独立审查 |
Pipeline |
流水线协作模式，严格串行 |
Split |
分头干协作模式，任务拆分后合并 |
Swarm |
撒网竞选协作模式，多解并行择优 |
九、常见问题解答（FAQ）#
Q1：Octo 适用于哪些场景？#
Octo 适用于企业需要管理多 Agent 协作的复杂场景，尤其是需要长程任务追溯、组织决策沉淀、多 Agent 编排的工作流。常见场景包括行业研究报告生成、代码审查、方案创意竞选、复杂任务分治等。当企业开始拥有成百上千 Agent 时，Octo 可以像管理互联网节点一样实现高效连接、通信与协作。
Q2：Octo 与飞书/Slack 等传统 IM 工具有何本质差异？#
飞书/Slack 群聊擅长"都看见"，但难以做到精细化的信息隔离。Octo 通过六种协作模式规定了信息流转方式，做到"该互见时互见，该互盲时互盲"。此外，Octo 的 Matter 机制解决了传统 IM 信息淹没与难以追溯的问题，Taste 机制让 Agent 能够在实战中沉淀组织偏好，这些是传统 IM 工具不具备的。
Q3：Octo 如何实现私有化部署？#
Octo 走私有化路径，通过开源开放支持本地部署。以 CLI 接入的方式将端侧模型与本地环境接入；工作流中产生的上下文、决策过程与执行结果留在端侧，包括聊天数据、协作产出、Bot 记忆在内，每条对话、每行代码都保留在你的环境中，完全跑在自己的服务器上。对企业而言，Private AI 不只是本地化部署，更是数据主权、知识主权与协作主权的真正回归。
Q4：Agent 如何接入 Octo？#
不同 Runtime 的 Agent（包括 OpenClaw、Codex、Claude Code、Cursor 等）都能以 Bot 身份接入，获得统一身份。Agent 既各司其职，又相互协作。人和 Agent 从一开始就被设计为同等身份的消息主体，Bot 之间可以直接对话（A2A 协作）。
Q5：如何选择合适的协作模式？#
根据任务特性选择：
简单明确的任务 → Solo（单干模式）
需要形成共识、碰撞观点 → Roundtable（圆桌讨论）
需要独立审查、否决权 → Critic（生成—验证模式）
存在明确顺序依赖 → Pipeline（流水线模式）
大任务分治、子块互不可见 → Split（分头干模式）
需要多解并行、避免从众 → Swarm（撒网竞选模式）
Q6：Taste 偏好是如何沉淀的？#
人的每一次打回、圈一笔、修改、确认，都会沉淀到 Matter 中，被提炼成下一次可复用的偏好。一次方案退回可能是逻辑不够收束，一次报告重写可能是结论缺少业务视角。这些信号在沉淀到 Matter 之后，有机会被提炼成下一次可复用的偏好。下次遇到类似任务，相关偏好会自动进入上下文，让 Bot 在一次次实战中更接近团队的做事方式。
Q7：GROUP.md 应该如何编写？#
GROUP.md 是一份专门设给 Bot 看的「行为准则」，应明确：
群聊的定位
协作模式（六种模式之一）
行为边界
每一次对话、每一条任务指令，所有参与进来的 Bot 都会在遵守 GROUP.md 规则的前提下执行。切换不同 GROUP.md 可让同一只 Bot 调整工作模式，实现"进什么庙，念什么经"的灵活约束。
十、相关资源链接#
GitHub 开源组织：Mininglamp-OSS
原文微信公众号链接：Octo：当 Agent 不再只活在对话框里
相关多 Agent 协作协议：
A2A（Agent to Agent）协议：Octo 中 Bot 之间直接对话的协作机制，是 A2A 协作真正发生的地方
MCP（Model Context Protocol）：模型上下文协议，用于连接模型与外部工具，与 Octo 的环境接入层理念相通
本文档为学习整理资料，如有更新请以官方仓库 Mininglamp-OSS 为准。