企业官网建设流程全解析

当单个 AI Agent 的能力天花板逐渐显现，"组队干活"成了行业共识——让多个 Agent 各司其职、拧成一股绳，去啃那些单体智能啃不动的硬骨头。

在这条路上，华为支持的 openJiuwen 社区选择了一条系统化的路径：围绕 Coordination Engineering（协同工程）逐步搭建多智能体协同的完整能力栈。先是 Agent Swarm 实现了智能体的自主分工与动态协作，接着 Swarm Skills 将成熟的协作经验封装成可复用的团队技能包，SwarmSkill Creator 则进一步降低了门槛——一句话描述需求，系统就能自动组建一支多角色团队。

队伍能拉起来，问题却没结束。一支多智能体团队在面对复杂任务时，真正考验的不是"能不能配合"，而是"这套配合方式能不能被稳定、可控地反复执行"。

openJiuwen 最新开源的 SwarmFlow，正是为了回答这个问题。它是一种面向多智能体团队的可控工作流编排方案，目标是让团队协作从"临场发挥"变成"按流程交付"。

会协作之后：复杂任务带来的三个考验

要理解 SwarmFlow，得先理解它针对的痛点。

在主流的多 Agent 协作模式里，通常有一个 Leader Agent 充当大脑：它一边理解需求，一边拆任务、建成员、分配工作、等结果，再根据回传决定下一步。任务简单时，这种"临场调度"非常灵活。

但任务一旦变长、变大，出现多步骤、多分支，需要并行、需要验证和重试，把整条流程都压在 Leader 的临场判断上，会遇到三个绕不开的问题：

• Leader 变成瓶颈。 每一份中间结果都要回到 Leader，它的上下文很快被过程信息淹没，大量精力消耗在"流程管理"上，反而做不好真正需要它判断的事。
• 过程不稳定。 同一个任务跑两次，可能走出两条不同路径——因为每一步都取决于 Leader 当场怎么决定。
• 执行不可靠。 谁先做、谁并行、什么时候汇总、失败怎么处理，这些要求即便提前写清楚，到底有没有被照做，仍然依赖 Leader 临场发挥。

而很多复杂任务的协作关系，其实是清晰、可以提前确定的。金融研判要让宏观、行业、风险、投资几个角色并行研判再统一汇总；论文分享要先读论文、再生成总结、最后撰写邮件发送——每一步的输入输出都很明确。

openJiuwen 的判断是：这类任务真正关键的不是"多叫几个 Agent"，而是把这套确定的协作关系稳定地执行下来，而不是每次重新临场判断一遍。

答案是刚刚开源的 SwarmFlow——一种面向多智能体团队的可控工作流编排。

核心思路一句话：编排归系统，智能归 Agent。

谁先做、谁并行、谁把结果交给谁——这些编排交给系统按程序稳定执行；而每个子任务具体怎么理解、怎么推理——这些智能才交给 Agent。由此，"团队怎么配合"不再靠 Leader 临场判断，而是被系统稳定执行、自动追踪、可被复用。

SwarmFlow 增加的不是 Agent 数量，而是协作的确定性。

Swarm Skills：团队协作的"能力包"，SwarmFlow 是其中的"可执行编排"

SwarmFlow 不是另起炉灶——它长在 Swarm Skill 里。

Swarm Skill 定义了一支团队——有哪些角色、各自负责什么、如何协作、遇到问题怎么处理。过去它更像一份"团队协作说明书"，把该怎么配合写清楚了，但真正执行时仍要靠 Leader 一边读、一边临场照做，流程一长，照样会回到上面那三个问题。

SwarmFlow 补上的正是"执行"这一环：当一支团队的协作流程可以提前确定时，就把这套编排写进 Swarm Skill 的 scripts/workflow.py，让它从"靠 Agent 临场照做"变成"被系统直接执行"。

所以 SwarmFlow 不是另起炉灶的新概念，而是让 Swarm Skill 从一份"协作说明书"，长出一条"可执行的工作流"。

一句话：Swarm Skill 是团队协作的能力包，SwarmFlow 是其中负责"可执行编排"的那部分能力。

重点拆解：Swarm Skills 的两种形态

SwarmFlow 比较有意思的地方，在于它没有走"把一切都脚本化"的极端。openJiuwen 给出的判断标准只有一个——编排能不能提前确定？

同一个 Swarm Skill 由此分成两种形态。

形态一：不带 workflow.py 脚本——保留开放协作

适合编排本身就动态的场景，比如多专家圆桌研讨、方案评审、战略讨论。这类任务里，角色和阶段是确定的——会有哪些人参与、大致经历"独立思考、相互讨论、观点汇总"几个阶段；但谁回应谁、谁质疑谁、谁补充谁，需要根据上下文临场决定。

它更像一场真实会议：议程是确定的，但观点如何流动、信息如何交锋，得在协作过程中自然发生。强行写成脚本，反而会束缚协作。所以这类 Swarm Skill 只沉淀角色、规则、边界和协作方式，把"谁交给谁"留给临场判断。

形态二：带 workflow.py 脚本——承接可执行编排

适合编排可以提前确定的任务，比如论文分析与办公自动化：论文解析的结果交给总结，总结交给文档生成，文档再交给邮件撰写——谁接谁、下一步做什么，都能提前定好。于是脚本里用 SwarmFlow 把这套编排固化下来，交给系统稳定执行。

openJiuwen 提供了一组算子当积木，用于搭建 SwarmFlow——每个算子只管一件事，拼起来就能描述出复杂的团队协作。

这套积木大致覆盖四类需求：派生智能体去执行子任务、让多个智能体以不同方式并发与流转、把长流程切分成可观察的阶段并支持子流程复用、以及在关键环节插入人机交互。

落到具体能力上，有几处设计值得一提。

并发不止一种：一种是并行parallel，几个智能体一起跑、全部完成后统一汇总；另一种是流水线pipeline，多个条目各自独立逐级流过、互不等待——前者适合多视角研判后合并，后者适合批量逐条处理。有状态的智能体 agents_session 能在多轮协作中保留记忆，甚至"分身"出一个副本去做假设推演而不污染主线。需要人拍板的地方，可以插入一个人机节点human，在执行中向人类要一条输入或一次审批。此外还有专门约束资源与额度消耗的算子 budget，把"会不会跑超"也纳入了可控范围。

通过这些算子：一个动作一块积木，复杂协作由简单积木拼出来，无需从零设计编排逻辑。

同时，SwarmFlow 不是黑盒，在 JiuwenSwarm TUI 中，用户可以通过 /swarmflows 打开内置可视化视图，用一张实时交互式树状图查看当前会话里的所有 Swarm Workflow：上方展示阶段进度，下方联动展示选中阶段里的 Agent 状态；需要进一步排查时，也可以下钻到单个 Agent，查看提示词、输出结果或错误日志。

一句话总结：编排是动态的，用不带脚本的 Swarm Skill 保留开放协作；编排能提前确定，用带脚本的 Swarm Skill 承接可执行编排。确定性与开放性在同一套体系里各得其所。

SwarmFlow 实战：三个场景，看可控编排如何落地

设计讲完了，我们来看看实战效果。

参考 JiuwenSwarm 快速上手，先安装与启动：https://openjiuwen.com/jiuwenswarm#quick-start

形态分成两种，门槛却没有变高，因为生成和调用都被 openJiuwen 包了起来。

生成端，交给内置的 SwarmSkill Creator。它是 JiuwenSwarm 内置的能力，用户无需额外安装，会根据自然语言需求自动判断该生成哪种形态：默认生成不带脚本的 Swarm Skill（角色、协作规则、流程说明和约束），适合开放协作；当它判断用户要的是一条工作流——比如"帮我写一条工作流，逐篇分析这批论文、汇总成报告再发邮件"——就生成仅含脚本的版本，只保留一个最小的 Skill.md 入口和一个 workflow.py，让用户快速拿到能跑、可复用的工作流；两者都要时，也支持生成兼具完整协作规范和脚本的版本。用户不必先理解文件结构，也不必手写编排脚本，只要把目标说清楚。

调用端，在 Team 模式下一句需求自动进入。 用户不用分辨任务属于哪种形态，也不用手动编排每个 Agent 的执行顺序，只要用自然语言描述，系统会判断其中是否包含工作流意图。识别到工作流意图后，系统会进一步判断任务形态：适合固定编排就进入 SwarmFlow，更适合开放协作就用不带脚本的 Swarm Skill，单个 Agent 够用就不额外启动多 Agent。

这也是 openJiuwen 想定义的可控协同工程新范式——让复杂协作在系统内部变得可控，让用户侧保持自然和简单。

接下来看三个实战场景。

场景一：从一张流程图，生成一套金融分析的 SwarmFlow

用户上传了一张流程图，JiuwenSwarm 基于该流程图，使用内置的 SwarmSkill Creator 即可直接生成该流程图对应的 SwarmFlow 团队技能，包含对应的工作流执行脚本——整条 SwarmFlow 不用手动编排，由一张图直接生成。

用户提出分析目标，这条工作流就会自动启动：先进行数据采集、清洗，然后从财务、行情等五个维度并行分析，最后交叉验证、综合置信度，输出完整的分析报告和总结建议。

整个过程中，用户看到的不只是最终答案，还能看到团队在各阶段如何推进。

最终效果：

场景二：给定选题，自动技术调研、素材整理并发送邮件

这个案例是一个更接近日常办公和科研协作的技术分享工作流。用户只需要给出技术分享主题和目标读者，SwarmFlow 就会自动组织多个阶段依次推进。

• 先生成SwarmFlow工作流

• 基于这个工作流执行技术调研与分享

• 先搜索相关论文和资料

• 再整理素材、提取可用图片并保存到本地目录

• 随后分析核心问题、技术趋势、关键观点、可讨论议题等

• 最后生成结构清晰、适合组内阅读的技术分享邮件，并发送给指定收件人

技术分享是一类会反复发生的团队工作：主题会变，但"搜资料、提素材、做分析、写邮件、发出去"的动作和标准相对稳定。SwarmFlow 把这套流程固化下来，避免每次临场指挥导致步骤遗漏、口径变化和交付不一致。

最终效果：

场景三：在已有团队技能上补充工作流，200 页 PPT 稳定产出

这个案例展示了 SwarmFlow 最具实践价值的一种用法——基于已有团队技能补充工作流。

用户拥有一支成熟的团队技能，在此基础上生成一条专门生产 PPT 的工作流，设计三阶段流程：

• 阶段一：规划章节主题和分工

• 阶段二：10 个章节并行生成 PPT

• 阶段三：合并汇总，整理成一份 200 页的完整 PPT

做大型 PPT 正是那种"步骤固定、但量大易乱"的任务：两百页内容若全靠 Leader 一页页临场调度，每次跑出来的结构、风格、详略都可能不一样；而固化成工作流之后，每次都按相同的步骤和标准执行，既靠并行明显加速，又能稳定产出一份结构统一、风格一致的 200 页 PPT。

以上三个场景展示了 SwarmFlow 的可控编排能力。此外，Swarm Skills 还支持自演进——演进引擎持续观察任务执行轨迹，自动反推可优化的点（增减角色、补充规则、沉淀成员经验等），提交用户审批即可更新技能。从生成工作流（可控）到自演进（越用越强），沉淀、编排、演进三者环环相扣，构成 Coordination Engineering 的完整闭环。

JiuwenSwarm 全栈技术体系与底座

SwarmFlow 和 Swarm Skills 不是孤立存在的，它们是 openJiuwen Coordination Engineering（协同工程） 全栈技术体系的组成部分。

从 Harness Engineering（单Agent工程化）到 Coordination Engineering（多Agent协同工程化），openJiuwen 回答了四个递进问题：

• 多个 Agent 怎么自主分工、动态协商？ → Agent Swarm
• 协同跑通的最佳实践，怎么沉淀成可复用资产？ → Swarm Skills（含 SwarmFlow 可执行编排）
• 沉淀下来的能力，怎么流通、复用？ → Swarm Skills Hub（https://swarmskills.openjiuwen.com/）
• 整套系统怎么越用越强？ → Swarm Skills 自演进

JiuwenSwarm 的蜂群协同能力背后，是 openJiuwen Harness 在 DeepAgent 架构、上下文工程、长期记忆机制等方面的持续打磨——PinchBench 评测 SOTA 94.2%、token 消耗降低 34.8%、LOCOMO 记忆准确率 85%，确保每一位"队员"都具备扎实的任务执行力。

结语：全套开源，一起养蜂

把这次开源放回 openJiuwen 的 Coordination Engineering 这条线上看，SwarmFlow 几个设计上的选择值得关注。

它把"编排"和"智能"显式切开，又和 Swarm Skill 这套能力包统一了起来——"可执行编排"成了团队能力的一部分，而不是另起一套独立的编排系统。

它用自然语言生成（SwarmSkill Creator）加 Team 模式自动路由，"该用哪种形态"不需要用户操心。

人机节点、可观测、断点续跑、额度约束这层工程能力，保证了"可控"真正落地。

从 Harness Engineering 到 Coordination Engineering，openJiuwen 做了一件超前的事——当行业刚把视线从"更强的单Agent"转向"更强的Agent团队"，openJiuwen 已经铺出了完整的一段路：一套理念（Coordination Engineering）、一组全栈技术体系（Agent Swarm / Swarm Skills / SwarmFlow / Swarm Skills Hub / 自演进）、一个标杆智能体（JiuwenSwarm）——并且，全套能力开源。

多智能体的故事，正在从"能不能协作"，走向"能不能稳定地把复杂工作干完"——而后者更难、也更关键。SwarmFlow 给出的答案是把"编排"交给系统、"智能"留给 Agent：它增加的不是 Agent 数量，而是协作的确定性。

开源地址：

• JiuwenSwarm（AtomGit）：https://atomgit.com/openJiuwen/jiuwenswarm
• JiuwenSwarm（GitHub）：https://github.com/openJiuwen-ai/jiuwenswarm
• Swarm Skills Hub：https://swarmskills.openjiuwen.com/

关于 openJiuwen

openJiuwen 是华为支持的开源 AI Agent 平台社区，其标杆智能体 JiuwenSwarm，沉淀了 openJiuwen 平台在 Harness 工程、多智能体协同、自演进、算力亲和等关键能力，引领Agentic Al 时代的 AgentOS标杆。华为云 AgentArts 也已经将 openJiuwen 引入到商业化平台能力中，开箱即用，感兴趣的用户可以直接去华为云官网体验。

同时，openJiuwen作为国产自研的AI Agent社区，全套技术均开源，非常值得开发者们上手试试。

附：SwarmFlow详细上手指南

1、安装启动 JiuwenSwarm

参考JiuwenSwarm快速上手，先安装与启动JiuwenSwarm和JiuwenSwarm-TUI：https://openjiuwen.com/jiuwenswarm#quick-start

（1）安装JiuwenSwarm：JiuwenSwarm提供了exe安装包，可直接下载安装

安装后即进入JiuwenSwarm首页：

（2）安装JiuwenSwarm-TUI

# 安装 JiuwenSwarm-tui pip install jiuwenswarm-tui # 启动 JiuwenSwarm-tui jiuwenswarm-tui

启动后页面如下：

2、配置模型

在“配置信息”栏配置模型，可配置多个模型，在集群模式下可以使用多模型防止限流

3、使用SwarmFlow执行任务

在JiuwenSwarm-TUI中，使用/mode team 切换到集群模式，然后使用SwarmFlow即可，如给出以下query：

在swarmflow模式下：帮我调研最近Agent前沿技术，生成报告放到桌面

Tips1：建议在query中明确指出“使用 SwarmFlow 模式”

Tips2：若报缺少“swarmskill-creator”，可在“技能广场-预置”，点击安装