数字员工进入企业 IM 后,承接的是持续数天甚至数周、需求不断变化的长期工作:同一个群里多个任务并行,消息随时可能补充、改口或取消,执行中还要向专家求助、与其他 Agent 接力。难点不在单次回答,而在于每条消息能否接到正确的任务,结果能否回到正确的地方。
本次分享以 QoderWake 为载体,介绍以 Router、Task Coordinator、Worker 三层分工拆开语义理解与确定性调度的路由机制,分层沉淀、按作用域隔离的上下文与记忆管理,以及专家求助、主动响应、权限约束与多任务协同方案。在 300 个脚本案例的内部评测中,多轮连续性由 0 提升至 86.56,任务完成与投递可靠性同步提升,代价是及时性下降约 7 分。
演讲提纲
- 路由机制:持续可变任务如何接到正确的任务上
- 三层分工:Router 负责语义判断与 Waker 选择,程序实现的 Task Coordinator 负责锁、队列、准入、取消与恢复,Worker 在隔离上下文中执行
- 归属与纠错:结合候选任务与近期摘要判断归属,把握不足先澄清;挂错或目标变化时中断旧执行、重新路由,并撤销旧输出的投递资格;补充则在两次工具调用之间注入,不打断当前操作
- 效果与代价:300 个脚本案例的内部评测中,多轮连续性由 0 提升至 86.56,任务完成与投递可靠性同步提升,及时性下降约 7 分
- 上下文与记忆:分层沉淀,按作用域隔离
- 分层沉淀:原始消息完整入库,群聊归纳为话题,稳定事实与偏好提炼为长期记忆;任务每次执行只基于本次执行记录追加摘要
- 按需组装:路由与执行前组装有界上下文包并召回少量高相关记忆,信息不足时由 Agent 按需检索消息、话题、任务与记忆
- 隔离边界:记忆按群级与群内个人两级作用域隔离,只作为上下文事实而非指令;不同角色会话只拿到各自的工具,每次调用由服务端重新校验
- 专家协作:任务执行中向业务专家求助
- 求助触发:缺少业务信息、专业判断或必须由人拍板的结论时,主动向业务专家或负责人求助
- 结果接续:求助携带所属任务、具体问题与必要背景,专家回复按任务接回发起者,工作继续推进,无需用户转述
- 主动响应:先确认是不是自己的工作
- 三级判断:程序规则过滤、轻量模型初筛、Router 最终确认,初筛通过不等于获得授权
- 取舍边界:在召回、误接与成本之间持续权衡,不属于自己的工作保持沉默,而沉默本身也有筛选成本
- 权限约束:落实到实际能做的事
- 执行点检查:权限下沉到数据访问、工具调用、实际操作与结果发送四个执行点
- 三种结果:每个执行点给出允许、需确认或拒绝,在动作发生前判定,而非停留在角色配置
- 多任务协同:Waker、Waker Group、Waker Flow 三种工作形态
- 工作形态:单个 Waker 多实例并行并受队列与容量约束,Waker Group 按角色分工,Waker Flow 按流程接力
- 交接成本:每次交接都要携带任务、状态与结果去向,协作环节越多,越需要保证链路不断
听众收益
- 理解长期工作型 Agent 的核心难点:从企业 IM 中多任务并行、需求持续变化的特点出发,理解为什么消息与任务的归属、结果的回流比单次回答质量更关键,为长周期业务 Agent 提供设计参考
- 获得模型与程序分工的架构方法:理解如何让模型负责语义理解、程序负责状态、并发与恢复的确定性控制,以及长期上下文分层沉淀、按需组装和按作用域隔离的工程实践
- 掌握人机协同与多 Agent 协作的边界设计:通过专家求助、主动响应、权限约束与多种工作形态的对比,理解如何在召回、误接、时效与成本之间取舍,借鉴从原型走向生产的技术选择
演讲亮点
- 长期工作型 Agent 完整链路拆解
- 以企业 IM 真实落地为例,呈现消息从路由到结果回流全程
- 三层分工落地实践
- 以评测展示真实代价
- 讨论适用边界