Octo 正式开源：首个开源可信的人与agent协作平台

明略科技6月29日正式开源 Octo——一套面向人与 AI Agent 协作的新一代工作平台。

随着越来越多 AI Agent 被引入个人终端和企业业务流程，一个新的问题开始出现：Agent 能够完成越来越复杂的任务，但它们彼此独立，缺少统一的协作方式。如何共享上下文、协调任务、沉淀经验，并在关键节点接受人的判断与校准，正在成为 AI 落地过程中新的挑战。

Octo 正是围绕这一问题设计。它提供了一套面向人与 Agent、Agent 与 Agent 协同工作的基础设施，通过统一的协作空间、结构化任务管理、多 Agent 编排以及可持续积累的知识体系，将一次次临时协作转化为组织可以持续复用的数字资产。Octo 基于 Apache License 2.0 完全开源，并支持私有化部署。

GitHub：https://github.com/Mininglamp-OSS

核心协作模型：Channel、Thread、Bot 与 Matter
传统 AI 工具大多围绕单个 Agent 展开。不同 Agent 拥有各自独立的上下文和执行流程，完成任务之后，讨论记录、决策过程和最终产出往往散落在不同工具中，难以形成连续的协作链路。

Octo 提供了一套统一的协作模型，将人与 Agent 放入同一个工作空间。

Channel 是项目级协作空间，可以对应一个项目、一条业务流程或一个长期团队。所有相关成员和 Bot 在其中共享上下文、讨论方案、派发任务，新的参与者可以快速通过历史记录了解项目背景。当一个 Channel 内存在多个并行事项时，可以继续拆分为多个 Thread。每个 Thread 聚焦一个具体问题或任务，使讨论保持独立，也让上下文更加清晰，避免多个话题相互干扰。

在 Octo 中，AI Agent 以 Bot 的身份加入团队。每个 Bot 都拥有对应的 AgentCard，记录能力范围、所属框架、工作记录以及可执行的任务类型。用户可以将 OpenClaw、Hermes、Codex、Claude Code 等 Agent 接入 Octo，与团队成员共同参与协作，实现 Agent to Agent（A2A）以及人与 Agent 的混合协作。

当讨论逐渐形成明确工作目标时，系统可以自动提炼讨论内容，由用户确认后生成 Matter。Matter 是 Octo 中最重要的工作单元，它不仅记录任务负责人和交付目标，也完整保存 Brief、讨论过程、执行记录、交付结果以及验收反馈，使整个工作过程具备可追溯性和可复盘能力。

与传统工单不同，Matter 并不是先建立任务再开始沟通，而是在协作过程中自然形成，让讨论、执行和交付始终保持一致。

多 Agent 协作的关键，不是数量，而是信息如何流动
当多个 Agent 同时参与一个任务时，真正决定协作效果的并不是 Agent 的数量，而是信息如何在它们之间流动。

不同任务对于信息共享有着不同要求，例如代码开发过程中，可以先由一个 Agent 完成代码生成，再交由另一个 Agent 完成安全审计，最后由人工确认结果。这类任务强调明确的执行顺序，上一阶段的输出成为下一阶段的输入。

而在技术选型、方案讨论等场景中，不同 Agent 则需要共享彼此观点，通过不断讨论形成统一结论。

还有一些任务更适合多个 Agent 独立完成，例如同时生成多个方案，再由人进行选择。这种情况下，各 Agent 保持相互独立，可以减少思路趋同，获得更多样化的结果。

针对不同协作需求，Octo 提供了包括 Solo、Roundtable、Critic、Pipeline、Split、Swarm 在内的多种协作可能。

这些模式并非简单划分角色，而是定义不同的信息可见性和上下文流转方式，使 Agent 能够根据任务特点，以更加合理的方式完成协同工作。

人负责判断，Agent 负责执行
随着 AI 能力不断提升，人与 Agent 的分工也正在发生变化。Agent 更适合承担分析、推理、执行等高频工作，而涉及业务判断、价值取舍、质量标准以及最终决策的部分，仍然需要人参与完成。

Octo 围绕这一协作模式进行了完整设计。在人机协作过程中，项目背景、历史讨论和决策过程都会持续沉淀在 Matter 中，形成可复用的上下文。与此同时，人在验收 Agent 工作成果时产生的反馈，也不会停留在一次性的聊天记录中。这些反馈会被整理为 Preference Card，包括行为规则、适用范围、来源依据以及可信度等信息，使 Bot 能够在后续任务中自动参考相似偏好，不断调整自己的工作方式。

与此同时，Bot 在长期协作过程中形成的方法和流程，也可以进一步沉淀为 Skill，在组织内部复用，减少重复训练和重复配置。随着协作不断进行，组织逐渐积累的不仅是任务记录，更是一套持续演化的知识体系和工作规范，使 AI 能够真正做到越用越懂团队。

不替代现有工具，而是在工具之间建立协作层
Octo 并不试图替代企业现有的办公软件，而是作为一层统一的协作网络，将不同工具连接起来。通过浏览器插件、CLI 以及开放接口，Octo 可以将网页内容、文档、代码、任务以及上下文信息直接引入协作空间，使 Agent 在执行任务时能够获得完整的工作背景，而不需要频繁切换平台。

目前，Octo 已支持 Web App、桌面客户端、iOS、浏览器插件以及 CLI 等多种产品形态，覆盖不同类型的工作场景，实现多端协同。

开源、私有部署与可信 AI
在企业场景中，真正具有长期价值的并不是模型本身，而是工作上下文、业务知识以及组织经验。这些数据既决定了 AI 是否真正理解企业业务，也关系到数据安全和合规要求。

因此，Octo 从设计之初便支持私有化部署，并采用 Apache License 2.0 完全开源。企业可以将全部数据保留在自己的基础设施中，确保上下文、偏好、知识资产以及部署方式始终掌握在自己手中。这一设计同样适用于金融、医疗、政府等对数据安全要求较高的行业，为企业构建可信、可控的 Private AI 提供基础设施支持。

面向 AI Native 协作的新起点
在 Octo 中，Open、Context、Taste、Orchestration 共同构成了产品设计的核心理念。开放的 Agent 接入能力，让不同模型能够共同参与协作；共享的上下文，让人与 Agent 拥有一致的工作背景；持续积累的偏好和技能，使协作经验能够不断沉淀；灵活的多 Agent 编排，则让复杂任务能够以更加高效的方式完成。

明略科技将持续完善 Octo 在多 Agent 协作、私有化 AI 与组织知识沉淀等方向的能力，与开发者、企业客户及生态伙伴共同探索 AI Native 组织的新型协作方式，推动可信、可控、可持续的 Agent 协作真正落地到实际业务场景中。

GitHub：https://github.com/Mininglamp-OSS