标签
Matt Pocock 试验一种组合架构：本地长期运行的 orchestrator 线程与软件工厂（沙盒化实现者、探索任务等）相连，通过 CLI 管理线程、复盘和 cron 任务，让人类用自然语言交互。
Capy 0.7.0 推出了 Captains（可跨设备协调线程的持久化智能体）、升级版 Issues 系统以及无头 Dock CLI；Garry Tan 表示，问题修复吞吐量提升至原来的 5 倍。
一位用户分享了他们如何为自己的 Grok 机器人团队设置一个共享的 Notion 任务看板，让每个机器人记录自己接手的任务，从而使整个组织都能查看任务进展，并在同一处统一协调，同时预告将于周三发布一段 Grok Bot 大师课视频。
DeepSeek 的智能体团队发布了一份设计文档，认为 AI 智能体的瓶颈在于人类的注意力，而非模型能力，并提出了一种路由器/工作器（Router/Worker）会话架构，其中一个人实际上只能同时跟进 3–5 个活跃的智能体会话。
DeepSeek 开源了采用 MIT 许可证的研究原型 dsh-superagent-prototype，该原型采用面向编程任务的 Router-Worker 超级智能体架构，旨在尽可能减少对人类注意力的占用。团队自行报告的测试结果显示，与单会话基线相比，该原型能更快完成耗时较长的任务，但团队强调，这只是研究代码，尚未达到生产环境可用的标准。
一篇讨论帖，询问大家如何管理和协调多个个人 AI 智能体（OpenClaw、Hermes Agent、Muse、Dots、Claude Code、Codex），而无需在它们之间手动复制粘贴相同的提示词，并寻求更好的智能体编排方式。
推文宣传名为 Grokbot 的 AI 编排工具，声称可统一指挥 Claude、Codex、Gemini 等 AI 工具，并附带使用教程链接。
微软开源的 Agent Framework 突破 1.4 万 Star，重点解决 Agent 在生产环境中的可靠性问题，支持多 Agent 编排、断点恢复、人工审批与 OpenTelemetry 可观测性，兼容 Python、.NET 和 Go。
Show HN：kube32 是一个面向 ESP32-S3 微控制器的 Kubernetes 兼容控制平面和 WebAssembly Pod 运行时，让你可以通过 Wi-Fi 或 USB 串口用 kubectl 和 k9s 来管理一整群开发板。
微软宣布将源自 GitHub 的 Copilot harness 通过 Microsoft Foundry 向开发者和企业客户开放，提供托管式的多模型智能体编排能力，支持 20 多个前沿模型、MCP 与智能体技能等开放标准。
Hermes Agent 推出 Advanced Delegation modes 插件，编排器可为每个子代理选择不同模型或配置文件，用户还可将自定义的 MoA（Mixture of Agents）接入该委派机制以增强效果。
MAO 是一款跨平台多智能体编排工具，可让 Claude Code、Codex、Gemini 和 Grok 在同一画布上协作、委派任务并回传结果。它使用 Rust 编写，支持 macOS、Linux 和 Windows，提供 7 天免费试用后一次性 $20 付费。
一位实践者分享了全天候运行多智能体团队所积累的宝贵经验，认为主要的失败根源是流程过度，而非模型不佳，并介绍了一套精简的工作流程：通过设计访谈、每个库配备一个协调智能体、以任务交接取代冗长上下文，以及外部测试套件，在六天内构建了 11 个 C# 库（约 114 万行代码）。
实验探索用 DeepSeek-V4.1-Flash 作为协调者指挥 4 个 Qwen3.5-9B 本地小模型对二进制程序进行逆向工程，结果显示小模型协作在小任务上纯属开销，但协调者动态改写工人提示和提供工具是最有趣的发现。
Orgtree v4.4 推出了 Projects 功能，这是一种新的画布节点类型，能够实现层级化的 Agent 组织结构、持久化的共享项目状态，以及用于协调多 Agent 工作的并发原语，包括邮箱队列、轮询负载均衡和信号量式的并发槽位。
一篇讨论帖，质疑 OpenAI、Anthropic、AWS、Vercel 和 CrewAI 推出的托管式 AI 智能体平台激增，究竟反映了真实需求，还是先有解决方案再找问题，并探讨团队应如何在购买现成平台与自行构建之间做出选择。
一位实践者分享了在免费额度 API 上运行带后端隐藏编排器的多智能体辩论系统的经验，发现对立人设比相同人设表现更好，而且速率限制反而意外提升了辩论质量。这正是正在开发中的 Lunaar 的核心——一款 BYOK、免费的多智能体辩论工具。
一场讨论认为，在生产环境运行 AI Agent 的关键更多在于持久化执行、状态恢复以及外部操作的正确完成，而非改进 LLM 本身，并介绍了 Diagrid Catalyst 的思路。
MMedAgent-Plus 是一个多模态医疗工具使用智能体，将视觉-语言规划器与 18 个专科模型相结合，覆盖 12 项医疗任务和 8 种模态，能够编排多步临床工作流。其专科模型调用正确率达 90.6%，最终回答准确率为 0.98，远超最强基线（0.28）。
Meta 分享其“薄编排器”架构实践：用一个 1300 行、零领域逻辑的路由器把 20+ 工作流分发给 14 个专业化子代理，显著提升了数据管线代理在生产环境中的准确性与效率。