Dari “Sesi Obrolan” ke “Karyawan Digital Permanen”: 5 Perubahan Utama dalam Arsitektur openJiuwen Hyper-Agent

Catatan penulis: Artikel ini membahas arsitektur agen persisten openJiuwen Hyper-Agent untuk membantu pembuat alur kerja menilai apakah model ini cocok bagi tim mereka.

Komunitas agen sumber terbuka openJiuwen yang didukung Huawei merilis arsitektur kawanan Hyper-Agent, yang memungkinkan agen melampaui sesi obrolan sekali pakai dan bergabung ke grup kerja sebagai “karyawan digital yang selalu aktif”. Pada 5 November 2026, Pandaily memberitakannya dengan mengutip artikel komunitas yang diterbitkan IT Home. Kemampuan tersebut tersedia di openJiuwen WorkSwarm, dengan kode sumber terbuka di GitHub bernama JiuwenSwarm.

Ini bukan sekadar menambahkan satu bot tanya jawab ke obrolan grup. Perubahan utamanya adalah hubungan antara agen dan sesi kini terbalik: sesi bukan lagi wadah bagi agen, melainkan sumber daya yang bisa dikelola oleh sistem.

Manfaat utama: Artikel ini merangkum berbagai fitur dari sudut pandang arsitektur, agar kamu bisa memahami apa yang diubah oleh openJiuwen Hyper-Agent dan apa yang perlu diverifikasi tim sebelum mengadopsinya.

Sekilas informasi utama openJiuwen Hyper-Agent

Perlu dicatat, fakta dalam artikel ini bersumber dari pemberitaan sekunder yang didasarkan pada artikel komunitas. Pemberitaan tersebut tidak mengungkap daftar model yang mendasari, persyaratan deployment, lisensi, atau tingkat kesiapan produksi. Informasi ini perlu dikonfirmasi melalui repositori GitHub dan dokumentasi resmi.

Bagaimana openJiuwen Hyper-Agent Menjadikan Sesi sebagai Sumber Daya

Sebagian besar aplikasi agen menggunakan pola “satu sesi, satu agen”: pengguna membuka percakapan, lalu agen mulai bekerja. Identitas, konteks, dan progres tugas semuanya melekat pada percakapan tersebut. Begitu pindah grup atau jendela, kolaborasi sering kali harus dimulai dari awal.

Hyper-Agent mengambil pendekatan sebaliknya. Persistent Agent memiliki identitas dan status independen sehingga bisa terus menerima pekerjaan. Sesi menjadi sumber daya di lapisan dasar yang dialokasikan dan dijadwalkan secara bersamaan oleh sistem, lengkap dengan konteks saat dipulihkan. Menurut komunitas, desain ini dibangun di atas pengembangan Persistent Session sebelumnya, sehingga satu agen dapat menangani beberapa pekerjaan sekaligus di berbagai grup chat pihak ketiga.

Keterangan gambar: Di sebelah kiri, status melekat pada sesi; di sebelah kanan, status melekat pada agen. Untuk membandingkan beban konteks menggunakan percakapan bisnis sendiri, Anda bisa melakukan eksperimen skala kecil melalui antarmuka terpadu APIYI di apiyi.com.

5 Komponen Utama Arsitektur openJiuwen Hyper-Agent

Berdasarkan pemberitaan, sistem ini dapat dibagi menjadi lima lapisan: akses, penjadwalan, manajemen identitas, kolaborasi, dan observabilitas. Tabel berikut adalah rangkuman kami berdasarkan tanggung jawab arsitekturnya, bukan pembagian lapisan resmi.

Pusat karyawan Hyper-Agent dan serah terima konteks

Di pusat karyawan, pengguna dapat mengatur tanggung jawab, gaya kerja, persyaratan hasil kerja, keterampilan, konektor, sumber pengetahuan, bahkan alamat email khusus. Ini seperti memperluas konfigurasi petunjuk menjadi sebuah “deskripsi pekerjaan”. Batas kemampuan dan identitas eksternal agen ditentukan di sini.

Operasi jangka panjang pasti akan menghadapi batas jendela konteks. WorkSwarm menanganinya dengan beralih ke jendela baru saat mendekati batas, sambil membawa ringkasan serah terima yang berisi tujuan, kemajuan, dan rencana selanjutnya. Jika membutuhkan detail, sistem dapat mengambilnya dari arsip riwayat. Dengan begitu, pekerjaan tetap berlanjut tanpa harus memasukkan seluruh riwayat ke jendela saat ini.

Mode pasif dan adaptif Hyper-Agent

Kapan agen perlu berbicara di grup kerja menjadi pertanyaan yang tak terhindarkan dalam mode selalu aktif. WorkSwarm menyediakan dua mode respons, dengan perbedaan utama pada seberapa mudah perilakunya diprediksi.

Laporan tersebut tidak menjelaskan mekanisme pengambilan keputusan maupun tingkat akurasi mode adaptif. Tim bisa mencoba eksperimen sederhana untuk memahami tantangan dalam keputusan seperti ini. Kode berikut hanya demonstrasi, bukan implementasi WorkSwarm:

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:
    """Ringkas catatan kerja menjadi tujuan, progres, dan langkah berikutnya untuk menyimulasikan serah terima konteks."""
    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))

Saran eksperimen: Dapatkan kuota uji coba gratis melalui APIYI apiyi.com, lalu gunakan sampel percakapan grup yang data sensitifnya sudah dihapus untuk membandingkan keputusan berbagai model. Langkah ini menguji logika pengambilan keputusan, bukan berarti WorkSwarm sudah mendukung antarmuka tersebut.

Kolaborasi lintas grup dan lokal dengan openJiuwen Hyper-Agent

Agen yang sama dapat bekerja lintas aplikasi perkantoran seperti Feishu dan DingTalk, misalnya menerima permintaan di satu kanal lalu mengirimkan hasilnya di kanal lain. Berbagi lintas grup tidak diizinkan secara otomatis: pengguna perlu memeriksa grup asal, penerima, dan kontennya, lalu memberikan izin sekali pakai atau permanen. Izin tersebut juga dapat dicabut kemudian.

Anggota tim juga dapat menjalankan WorkSwarm di perangkat masing-masing. Agen di server cloud dan agen di komputer pribadi dapat berkolaborasi dalam grup yang sama, serta menggunakan file dan alat lokal yang telah diotorisasi. Dengan begitu, cloud menjaga agen tetap online, sementara perangkat lokal menyediakan data dan alat yang sesuai dengan lingkungan pengguna.

Untuk tugas yang lebih besar, obrolan grup SwarmEngine dapat menyatukan pengguna, Persistent Agent, pakar individu, dan tim pakar dalam satu ruang. Ketua tim pakar menerima tugas, melaporkan progres, dan mengatur penyerahan hasil, sementara anggota bekerja di belakang layar. Pakar juga dapat berasal dari agen pihak ketiga seperti Codex dan Claude Code, lalu digabungkan dengan karyawan digital yang dikembangkan sendiri.

Analisis dampak openJiuwen Hyper-Agent

Dampak bagi developer dan pembuat alur kerja

• Pergeseran fokus desain: dari merancang percakapan sekali jalan menjadi merancang identitas, status, izin, dan mekanisme serah terima agen.
• Tuntutan operasional meningkat: agen yang berjalan terus-menerus perlu dipantau, diaudit, dan dikelola seperti layanan online.
• Cakupan integrasi meluas: IM, basis pengetahuan, email, dan alat lokal dapat masuk ke dalam alur tugas yang sama.

Dampak terhadap cara tim berkolaborasi

• Agen beralih dari alat menjadi rekan kolaborasi: agen dapat menindaklanjuti tugas dalam jangka panjang, bukan sekadar menjawab satu pertanyaan.
• Tata kelola perlu dipikirkan sejak awal: siapa yang boleh berbagi data, kapan agen boleh berbicara, dan siapa yang bertanggung jawab atas hasil perlu disepakati terlebih dahulu.
• Orkestrasi campuran menjadi fokus evaluasi: pembagian tugas antara karyawan digital yang dikembangkan sendiri dan agen pihak ketiga memengaruhi kualitas hasil dan pembagian tanggung jawab.

Hal yang perlu dipertimbangkan tim saat mengevaluasi Hyper-Agent

FAQ openJiuwen Hyper-Agent

Poin Penting openJiuwen Hyper-Agent

• Garis besar arsitektur: Agen mempertahankan identitas dan statusnya, sementara sesi menjadi sumber daya yang dapat dijadwalkan.
• Komponen utama: Gateway menangani akses masuk, sedangkan AgentServer mengatur agen dan sesi.
• Operasi jangka panjang: Konteks dialihkan melalui ringkasan serah terima, dan riwayat yang diarsipkan diambil sesuai kebutuhan.
• Strategi respons: Mode pasif lebih mudah dikendalikan, sedangkan mode adaptif lebih proaktif tetapi perlu divalidasi.
• Desain izin: Berbagi antarkelompok memerlukan persetujuan. Izin dapat diberikan untuk sekali pakai atau secara permanen, dan dapat dicabut.
• Kolaborasi campuran: Cloud, perangkat lokal, tim ahli, dan agen pihak ketiga dapat bergabung dalam ruang kolaborasi yang sama.
• Langkah validasi: Periksa dokumentasi proyek terlebih dahulu, lalu gunakan APIYI apiyi.com untuk menguji bagian yang melibatkan model.

Kesimpulan: Pelajaran Arsitektur dari openJiuwen Hyper-Agent

Hal menarik dari openJiuwen Hyper-Agent bukan hanya kemampuannya menghadirkan agen ke Feishu atau DingTalk, tetapi juga penerapan gagasan “mengubah sesi dari wadah menjadi sumber daya” dalam desain sistem:

1. Identitas bertahan dalam jangka panjang: Persistent Agent tidak lagi kehilangan kesinambungan kerja saat satu sesi berakhir.
2. Penjadwalan menjadi inti: AgentServer mengoordinasikan agen dan beberapa sesi kerja.
3. Tata kelola menentukan penerapan: Persetujuan izin, kontrol komunikasi, dan pemantauan penggunaan menentukan apakah sistem ini bisa digunakan oleh tim nyata.

Jika pekerjaan Anda bergantung pada kolaborasi lintas grup, tindak lanjut jangka panjang, dan penyampaian hasil lintas kanal, pola ini layak dipelajari lebih lanjut. Jika prosesnya melibatkan data sensitif atau persyaratan kepatuhan yang ketat, sebaiknya mulai dengan uji coba terisolasi menggunakan mode pasif dan izin seminimal mungkin. Untuk bagian pengambilan keputusan oleh model, Anda dapat menggunakan APIYI apiyi.com untuk membandingkan beberapa model melalui antarmuka yang sama dan mengumpulkan data sebagai dasar pemilihan teknologi.

📚 Referensi

1. Pandaily – openJiuwen’s Hyper-Agent Swarm Puts Persistent AI Agents Into Work Chats as Digital Employees: Sumber utama fakta dalam artikel ini
2. Tautan: pandaily.com/openjiuwen-hyper-agent-swarm-architecture-persistent-agents-workswarm-digital-employees
3. Keterangan: Membahas arsitektur Hyper-Agent, fitur WorkSwarm, dan rencana komunitas selanjutnya. Artikel ini merupakan laporan sekunder yang didasarkan pada materi dari komunitas.

Penulis: Tim Teknis APIYI
Diskusi teknis: Hubungi kami melalui halaman utama situs APIYI. Untuk informasi lebih lanjut, kunjungi pusat dokumentasi di docs.apiyi.com