从“聊天会话”到“常驻数字员工”：openJiuwen Hyper-Agent 架构的 5 个关键变化

作者注：本文解读 openJiuwen Hyper-Agent 的常驻智能体架构，帮助工作流搭建者判断这种模式是否适合自己的团队。

华为支持的开源智能体社区 openJiuwen 发布了 Hyper-Agent 蜂群架构，让智能体走出单次聊天会话，以“常驻数字员工”的身份进入真实工作群。Pandaily 于 2026 年 11 月 5 日援引 IT 之家刊发的社区稿件报道，相关能力已在 openJiuwen WorkSwarm 中提供，代码以 JiuwenSwarm 为名在 GitHub 开源。

这不是给群聊多加一个问答机器人，真正的变化在于智能体和会话的主从关系发生了反转：会话不再是装载智能体的容器，而是系统可以调度的资源。

核心价值：本文把分散的功能点整理成架构视角，帮你理解 openJiuwen Hyper-Agent 改变了什么，以及团队采用前该先核实什么。

openJiuwen Hyper-Agent 核心信息速览

需要说明的是，本文的事实依据是基于社区稿件的二手报道。报道没有披露底层模型清单、部署要求、许可证和生产成熟度，这些信息需要对照 GitHub 仓库与官方文档确认。

openJiuwen Hyper-Agent 如何把会话变成资源

常见的智能体应用大多采用“一个会话一个智能体”的模式：用户打开对话，智能体随之工作，身份、上下文和任务进度都依附在这段对话上。一旦换个群或换个窗口，协作往往就要重新开始。

Hyper-Agent 的做法相反。Persistent Agent 拥有独立的身份和状态，能够持续接收工作；会话下沉为底层资源，由系统负责分配、并发调度，并在恢复时带上上下文。社区表示，这一设计建立在此前的 Persistent Session 工作之上，使一个智能体可以同时跟进多个第三方群聊中的多项工作。

图示说明：左侧的状态随会话存在，右侧的状态随智能体存在。如果想用自己的业务对话比较上下文开销，可以通过 API易 apiyi.com 的统一接口做小规模实验。

openJiuwen Hyper-Agent 架构的 5 个关键组成

从报道描述看，这套系统可以拆成接入、调度、身份管理、协作和观测五层。下表是我们按架构职责所做的归纳，并非官方分层。

Hyper-Agent 员工中心与上下文交接

在员工中心，用户可以配置职责、工作风格、交付要求、技能、连接器、知识来源，甚至专属邮箱。这相当于把提示词配置扩展成一份“岗位说明”，智能体的能力边界和对外身份都在这里定义。

长期运行必然会碰到上下文窗口上限。WorkSwarm 的处理方式是在窗口接近上限时切换到新窗口，并带上包含目标、进度和下一步计划的交接摘要；需要细节时，再检索归档历史。这样既能延续工作，也不必把全部历史都塞进当前窗口。

Hyper-Agent 被动模式与自适应模式

工作群里的智能体该不该说话，是常驻模式绕不开的问题。WorkSwarm 提供两种响应模式，二者的差异主要体现在可预期性上。

报道没有说明自适应模式的具体判断机制和准确率。团队可以先用一个简化实验感受这类决策的难点，下面的代码只是我们的演示，并非 WorkSwarm 的实现：

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

message = "接口今天下午还没联调通，明天的发布可能有风险。"
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "你是项目助理。只输出 ignore、respond 或 intervene。"},
        {"role": "user", "content": message}
    ]
)
print(response.choices[0].message.content)

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

def create_handoff_summary(history: list[str], model: str = "gpt-4o-mini") -> dict:
    """将工作记录压缩为目标、进度和下一步，用于模拟上下文交接。"""
    prompt = (
        "请根据工作记录输出 JSON，字段为 goals、progress、next_steps。"
        "不要输出 JSON 以外的内容。\n\n" + "\n".join(history)
    )
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        response_format={"type": "json_object"}
    )
    return json.loads(response.choices[0].message.content)

records = [
    "产品经理：周五前完成客户周报。",
    "智能体：已汇总销售数据，等待客服数据。",
    "客服主管：今天下班前提供工单统计。"
]
print(create_handoff_summary(records))

实验建议：可以先通过 API易 apiyi.com 获取免费测试额度，用脱敏后的群聊样本比较不同模型的判断结果。这一步验证的是决策逻辑，不代表 WorkSwarm 已支持该接口。

openJiuwen Hyper-Agent 的跨群与本地协同

同一个智能体可以跨飞书、钉钉等办公应用工作，例如在一个渠道接收请求，在另一个渠道交付结果。跨群分享并非默认放行：用户需要核对来源群、接收方和内容，再授予一次性或永久权限，之后也可以撤销。

团队成员还可以在自己的设备上运行 WorkSwarm。云服务器上的智能体和个人电脑上的智能体能够在同一群内协作，并使用本地已授权的文件和工具。这意味着云端负责持续在线，本地设备则提供贴近个人环境的数据和工具。

对于较大的任务，SwarmEngine 群聊可以把用户、Persistent Agent、单个专家和专家团队放在同一空间。专家团队由负责人接收任务、汇报进度并组织交付，成员在后台工作；专家也可以来自 Codex、Claude Code 等第三方智能体，并与自建数字员工混编。

openJiuwen Hyper-Agent 的影响分析

对开发者和工作流搭建者的影响

• 设计重心转移：从设计单次对话，转向设计智能体的身份、状态、权限和交接机制。
• 运维要求提高：常驻智能体需要像线上服务一样被观测、审计和管理。
• 集成边界扩大：IM、知识库、邮箱和本地工具都可能进入同一条任务链路。

对团队协作方式的影响

• 智能体从工具变为协作角色：它可以长期跟进任务，而不只是响应一次提问。
• 治理问题前置：谁能分享数据、智能体何时发言、谁为结果负责，都需要提前约定。
• 混合编排成为评估重点：自建员工与第三方智能体如何分工，会影响交付质量和责任划分。

团队评估 Hyper-Agent 的判断要点

openJiuwen Hyper-Agent 常见问题 FAQ

openJiuwen Hyper-Agent 核心要点 Key Takeaways

• 架构主线：智能体保持身份和状态，会话转为可调度资源。
• 核心组件：Gateway 负责接入，AgentServer 负责调度智能体和会话。
• 长期运行：通过交接摘要切换上下文，并按需检索归档历史。
• 响应策略：被动模式更可控，自适应模式更主动但需要验证。
• 权限设计：跨群分享需要审批，授权可以是一次性或永久，并可撤销。
• 混合协作：云端、本地设备、专家团队和第三方智能体可以进入同一协作空间。
• 验证路径：先核实项目文档，再用 API易 apiyi.com 测试模型环节。

总结：openJiuwen Hyper-Agent 带来的架构启发

openJiuwen Hyper-Agent 值得关注的地方，不只是智能体进入了飞书或钉钉，而是它把“会话从容器变成资源”这一思路落到了系统设计上：

1. 身份长期存在：Persistent Agent 不再随单个会话结束而失去工作连续性。
2. 调度成为核心：AgentServer 负责协调智能体和多个工作会话。
3. 治理决定落地：权限审批、发言控制和用量观测，决定它能否进入真实团队。

如果你的工作依赖多群协作、长周期跟进和跨渠道交付，这个模式值得进一步研究；如果流程涉及敏感数据或强合规要求，建议先以被动模式和最小权限做隔离试点。对于其中的模型决策环节，可以通过 API易 apiyi.com 用同一套接口做多模型对比，为后续技术选型积累数据。

📚 参考资料

1. Pandaily – openJiuwen’s Hyper-Agent Swarm Puts Persistent AI Agents Into Work Chats as Digital Employees：本文主要事实来源
2. 链接： pandaily.com/openjiuwen-hyper-agent-swarm-architecture-persistent-agents-workswarm-digital-employees
3. 说明：介绍了 Hyper-Agent 的架构、WorkSwarm 功能和社区后续规划，属于基于社区稿件的二手报道

作者：API易 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多资料可访问 docs.apiyi.com 文档中心