我想做一个 agent 的集群,跨应用地完成我的工作。比如说在飞书安排工作,在 WPS 云盘里获取材料信息,在案件的理工作,最后反馈结果到我的飞书。我想问,怎样实现这样的方案?
提问
可行路径是:先选一个能调用工具、能多步决策的通用 agent 作为执行层,用飞书和 WPS 的接口或电脑操作打通,再用 Markdown/JSON 中间文件串起各步骤;先跑通一条最小闭环,再扩展成集群。
先分清“集群”里谁负责什么
立正把 agent 的核心特征归为三条:能调用工具、能多步决策、能自我迭代;他把 workflow、evaluation 视为次要问题,并认为 orchestrator(负责 agent 之间、agent 与人之间衔接的那一层)应越简单越好,最需要做的是隔离上下文窗口1。这与俞舟的侧重不同:她强调把原本静态、需要人工改的 workflow 变得动态,能根据自然语言输入自动生成和调整,同时保持确定性、可重复,并持续学习2。放到你的方案里,这意味着不必先搭一个庞大的多 agent 调度系统;先让一个通用 agent 拿到工具和权限,把“安排—取材料—整理—回写”跑通,再按需要拆出子 agent。
跨应用靠接口,接口不通就靠操作界面
AI推演立正描述 agent 接手“信息组织税”的方式:获得必要权限并接上工具后,直接调用 API、修改文件、操作网页或更新数据,人只需说清要实现的结果3。他也提到 B 站没有统一 API 时,agent 仍要处理 iframe、按钮和平台规则3。对应到你的场景:飞书安排工作、WPS 云盘取材料,优先走各自开放的接口;没有接口或权限受限的部分,才退到让 agent 操作网页或桌面。后者更脆弱,需要人工确认关键动作。
用中间文件串流程,先做最小闭环
AI推演立正介绍 Indigo 自己的工作目录组织:每个文件夹是一个 agent 的工作空间,交互文件用 Markdown,需要给人看时再渲染成网页或文档,agent 之间直接读写 JSON/Markdown 协作4。这正好适合你“飞书—WPS—案件整理—回飞书”的链路:每一步的产出落成文件,而不是只在对话里传递。落地顺序上,立正讲过一个邮件助理的例子:先用 Gmail API 把邮件抓下来,再让模型分类,两件事分别验证成立后拼成工作流;他强调从最小可用的东西先跑通,再往上加5。你可以照此先只做“从 WPS 取一份材料、整理成结论、写回飞书”这一条,确认准确率和权限边界后再加环节。
现有材料没有飞书、WPS 云盘的具体接口能力、权限模型和配额信息,也没有你案件整理的具体规则;这些会直接决定哪些环节能自动化、哪些必须人工确认,需要另行核对官方文档。
回到5份原文
立正对 agent 三个核心特征和 orchestrator 应简单的表述,是方案分层的主要依据。
可回到原文核对这部分判断
说明 agent 如何通过接口或操作界面跨系统完成任务,以及仍需人工批准的部分。
给出用 Markdown/JSON 中间文件组织多 agent 协作的具体做法。
提供从最小闭环起步、分步验证再拼接的落地思路。