Octo 平台：打破 Agent 协作困境，重塑企业 AI 协作新范式

技术发展与 Agent 困境

在历史长河中，技术发展很少呈线性，关键变化常发生在「连接」打通之时。20 世纪 60 年代，计算机虽具备强大计算能力，但多为各自封闭运行的系统，架构和接口问题使其难以相连。直到 ARPANET（阿帕网）出现，才打破这种孤岛状态，实现计算机真正意义上的连接与信息共享。如今，以龙虾为代表的 Agent 面临着半个多世纪前 IBM System/360 等大型机类似的困境：单体能力强，但系统分散。

从「单一 Agent」到「一张组织网络」

过去，AI 行业主要致力于提升单个模型和 Agent 的能力。如今，在大多数实际工作场景中，Bot 助手的单体能力已足够强大，能完成 IM 交互、写代码等工作，但彼此之间「接不上」成为效率瓶颈。Agent 被困在各自工作流中，因运行环境不同而无法形成连续任务链条，难以共同完成一件事。一个人加一个 AI 助手只是效率工具，只有一群人和一群 AI 助手在同一体系协同工作，才接近新的组织形态。因此，Agent 除了变得更聪明，还需找到自己的「互联网」。

Octo 平台应运而生

在此背景下，明略科技打造了以人与 AI Agent 协作为基础、面向企业组织场景的开源平台 Octo。其核心是将分散在各个工作流里的 Bot 聚合到同一协作空间，且这种连接不局限于个人维度。在 Octo 中，Bot 经授权可在组织成员间共享和调用，从个人工具转变为企业级资产和数字员工。随着 Bot 以组织形式部署和使用，它们通过分工协作流转任务，并接受反馈与评价进行修正。

Octo 平台的目标与优势

明略科技想将 Octo 平台打造成 Private AI 时代的组织基础设施，构建人和 AI 协作新范式。当企业拥有大量 Agent 时，Octo 能实现它们之间及与创建者之间的高效连接、通信与协作，这种工作模式优于单一巨型模型。而且，Octo 中常见工作场景被打包成 Bot 模板，用户「领养」即可使用，易用性高。

Agent 不应只「活」在对话框里

目前，大多数 Bot 助手通过 IM 接收指令和执行任务。Octo 虽从 IM 形态切入，但不只是聊天工具，更在于重写协作方式。在 Octo 中，IM 是入口而非核心，它打破了人和 AI 一对一的传统关系，连接人、Bot、Runtime Agent 和工具等分散节点。其协作方式为：任务由人发起，Bot 调用 Runtime Agent 执行，执行过程反馈，其他 Bot 接力，人在关键节点做判断。在 Octo 的底层通信协议里，人和 Agent 是同等身份的消息主体，Bot 之间可直接对话协作，形成 A2A 协作，人退到关键节点做决策。这不仅提升了效率，还重新组织了组织处理复杂任务的方式。

从「连接」到「干活」：将复杂任务拉进事项里

连接只是第一步，进入企业场景后，复杂任务需经历多个阶段，信息和判断不断变化。因此，Octo 需为复杂任务建立稳定承载单元 Matter（事项）。普通 IM 信息易被淹没，难以满足复杂任务需求。Matter 把每个任务沉淀成可追溯的「决策卡」，记录任务缘起、过程时间线、关键产出等，形成组织记忆。这对企业很关键，因为很多价值存在于决策过程中，普通 IM 难以承载，而 Matter 能保存任务推进过程。此外，Matter 中的反馈可成为 Agent 学习组织偏好的原材料，Octo 所追求的 Taste 也由此生长。

越用越懂你：在实战中沉淀 Taste

Matter 解决了任务留存问题，Taste 让 Agent 越用越懂用户。很多 Agent 的自我成长有限，团队偏好难以通过系统提示写清，人类判断常是隐性的。因此，Octo 采取「偏好对齐必须在实战中完成」的思路，人的反馈可成为 Bot 学习组织品味的素材，沉淀后可提炼为可复用的偏好。这样，Bot 会更接近团队做事方式，理解公司决策和交付模式。当 Bot 有差异化偏好时，多 Agent 协作的关键是合理分工，Octo 的六种协作模式解决了此问题。

六种协作模式，本质是六种信息拓扑

多个 Agent 协作不等于简单拉进群聊，Octo 将复杂协作拆成六种模式：Solo 适合简单明确任务，由领队独自完成；Roundtable 是圆桌讨论，适合形成共识的任务；Critic 是生成 - 验证模式，适合独立审查场景；Pipeline 是流水线模式，适合有顺序依赖的任务；Split 是分头干模式，适合大任务分治；Swarm 是撒网竞选模式，适合多解并行场景。Octo 的多协作模型规定了信息流转方式，不同任务匹配不同拓扑，保证信息沿正确路径流动，相比飞书或 Slack 群聊，对协作的理解更深入。

拆开来看，Octo 在做四件事

从产品形态看，Octo 让 Agent 像组织成员一样进入工作流，包括用 IM 承载交互、搭建协作结构、提升输入效率、接入外部工具和约束协作方式。在结构层，空间、分类、频道和话题组织协作关系，新消息有明确上下文，可随时回溯。在入口层，私聊和语音让进入系统更简单，语音输入可提高信息输入效率，且能结合上下文修正内容，还可进行操作交互。环境接入层通过浏览器插件接入外部工具，将信息带入上下文，不干扰现有工具流。GROUP.md 相当于 Bot 的「行为准则」，确保讨论有序，Bot 可根据其调整工作模式。此外，Octo 强调多端补全，CLI 可连接本地环境进入协作体系。

O.C.T.O.：四个维度，缺一不可

Octo 的产品能力对应名字背后的四个维度：Open 代表开放生态，不同 Runtime 的 Agent 可接入；Context 代表共享上下文，IM 讨论收敛为结构化知识，项目上下文共享；Taste 代表偏好进化，实战反馈沉淀为偏好；Orchestration 代表多 Agent 编排，六种协作模式完成复杂工作。这四个维度构成完整能力，Matter 是核心容器，没有它，其他维度将受影响。Octo 想争夺企业在 Agent 时代的关键资产，包括上下文、判断标准和做事方法。

写在最后

Octo 补上了 Agent 连接能力，改变了组织知识流动和协作方式，但人不可替代的部分得以彰显和传递。在 AI 时代，企业长期竞争力来自自身的 Context、Taste 和 Skill，这些是组织的「护城河」。当 Agent 进入组织运转，数据主权问题凸显，Octo 走私有化路径，支持本地部署，将工作流中的上下文等留在端侧，成为企业独享的 AI 资产。Octo 的核心是「Context」与「Taste」，它尊重数据边界，放大、记录和传承人的隐性能力，与明略科技可信 AI 方向一致。支撑这一切的是 Trustworthy AI，只有 AI 透明，人才能放心协作。Octo 的探索虽在早期，但轮廓已清晰，组织上下文和人的判断将决定效率。