JiuwenSwarm开源测评：社区首发的群体智能框架深度解析
刚刚，华&为支持的开源AI Agent平台社区openJiuwen，正式发布并开源了其蜂群智能体——JiuwenSwarm。
从“一只龙虾”到“一群蜂”，变化的可不止是名字，更是底层的技术范式。这意味着，让多个AI智能体像蜂群一样高效协作、自主演进，已经按下了“群体智能”的加速键，AI时代的“养蜂”序幕，就此拉开。
这背后，正是openJiuwen提出的下一跳范式主张——Coordination Engineering（协同工程）的一次完整落地。
要真正理解这次升级的意义，我们得先回答一个根本问题：
为什么从Harness走向Coordination？
如果把时间线拉长来看，AI Agent领域的工程范式其实一直在持续演进：从最初的Prompt Engineering（调试提示词），到后来的Context Engineering（组织上下文与记忆），再到今年初席卷行业的Harness Engineering（单智能体的工程化与长程执行管理）。
行业一路卷到了单智能体能力的极致。那么，下一个必然浮现的工程命题是什么？
如何让多个Agent，像一支精锐团队一样协同作战？
道理很简单：真实世界中的复杂任务，无论是跨领域的深度调研、大型软件项目交付，还是多角色协同决策、复杂业务流程编排，从来都不是靠“一个人”能搞定的，它需要一支分工明确、配合默契的团队。软件项目需要产品、研发、测试、运维；教育需要多学科老师与家长的配合；医疗更需要分诊师与多个科室专家的联合会诊。
这正是openJiuwen提出下一跳范式Coordination Engineering（协同工程）的出发点——围绕“多Agent协同”进行系统性的工程化。而这一次，他们不仅提出了理念，更将其做成了一套可运行、可部署、可共建、且全套开源
要让一支AI团队真正运转起来，需要解决一连串递进的问题：多个Agent如何自主分工与动态协商？成功的协作模式如何沉淀为可复用的资产？这些资产又如何在开发者间流通与二次创作？最终，整套系统如何实现越用越强，而非僵化停滞？ 这四个问题环环相扣。JiuwenSwarm给出的答案，是一组对应的全栈技术体系：Agent Swarm、Swarm Skills、Swarm Skills Hub，以及贯穿始终的Swarm Skills自演进。 这四个关键组件构成了一个完整的闭环： Agent Swarm——让多个Agent“成军” 这是体系的内核，提供了一套多智能体团队的协同机制，实现了从“单兵作战”到“精锐团队”的跨越。它支持成员对不同模型的路由，能为不同角色分配合适能力的模型，从而提升整体效率与效果。 Swarm Skills——让“一支团队”沉淀成“一套作战能力” 如果说Agent Swarm解决了“怎么协作”的问题，那么Swarm Skills则解决了“如何沉淀”的问题。它将团队协作中验证过的最佳实践、标准流程、角色搭配等，封装成可复用的“团队级技能”，使得优秀的协作模式能够被一键调用。 Swarm Skills Hub——团队技能的共享市场 能力需要流动才能创造更大价值。Swarm Skills Hub构建了一个开放的共享生态，让开发者可以像在应用市场一样，发现、复用并二次创作各类团队技能，加速经验的流通与社区的繁荣。 Swarm Skills自演进——越用越强的飞轮 这是最具想象空间的一环。系统能在任务执行过程中，持续观察完整的协作轨迹，并自动从中反推出可复用的Swarm Skill，经用户审批后即可入库。这种自演进同时在两个层面发生：在团队层，优化角色配置与协作流程；在成员层，沉淀每个智能体的实战经验，避免重复踩坑。真正实现了团队与个体的共同成长。 在协同骨架之上，还有一个根本性问题：人，如何与这支AI团队协作？ JiuwenSwarm提供了两种核心模式：HOTS（Human on the Swarm）和HITS（Human in the Swarm）。 1. HOTS（Human on the Swarm）：人，是Agent团队的指挥官 在这种模式下，人处于全局调度的位置，实时俯瞰整个团队的运行状态——任务进展、角色负载、协作瓶颈一目了然。需要时，可以随时介入调整任务优先级、切换角色甚至变更方案，指挥粒度可粗可细。 2. HITS（Human in the Swarm）：人，也是团队中的一名成员 这种模式则更为沉浸。人不再是场外指挥，而是作为团队的一份子，与其他AI智能体在同一个场景、同一条流程中实时协作、共同推演。就像玩狼人杀时，你作为玩家之一，需要与其他玩家（包括AI）互动、推理、决策。 简而言之，HITS是沉浸式参与，HOTS是全局调度，这两种模式为人与AI团队的深度协作提供了灵活的姿态。 理念再先进，也需要实战检验。来看看JiuwenSwarm在几个典型领域的应用，便能切身感受协同工程带来的价值。 案例1：多智能体协同开发，提升昇腾算子生成质量 在复杂的昇腾算子开发任务中，JiuwenSwarm能组建一个包含算法设计、Kernel实现、性能优化等角色的专家团队。各专家在TUI（文本用户界面）模式下各司其职、协同优化，整个协作过程实时可见，有效提升了复杂算子的开发效率与生成质量。 案例2：多学科医疗专家团队联合会诊 在这个案例中，系统能根据病情动态创建由多达23位不同专科AI医学专家组成的会诊团队。各位“专家”从自身专业角度分析病情，并实时沟通诊断结果，通过求同存异，最终给出更全面、准确的诊断与方案，显著提升了会诊水平。 案例3：短视频生产创作，沉淀经验并群体演进 用户首次发起短视频创作任务后，系统能自动识别其中可复用的协作模式，生成对应的Swarm Skill。当基于该技能再次执行任务时，系统又能根据新信号（如画风不一致、需适配多平台）自动演进，优化技能，例如新增高点击率标题文案角色。结果是，用得越多，产出的视频效果越好，团队经验也越丰富。 案例4：多模型路由与人类角色沉浸式体验 在狼人杀游戏场景中，JiuwenSwarm可以为不同角色分配不同的模型。人既可以作为“上帝”（HOTS模式）全局操控游戏，也可以作为玩家一员（HITS模式）沉浸其中，与其他AI玩家讨论、投票、推理，体验真实的博弈乐趣。 案例5：沉浸式多学科课程辅导 学生或家长可以“以身入局”。当人以学生身份参与时，可与各学科老师AI互动，获得个性化的学习评估与建议；切换为家长身份时，则可与老师AI讨论孩子的学习情况与监督机制，实现深度的家校协同。 JiuwenSwarm的蜂群协同能力固然亮眼，但别忘了，每只“蜂”的个体能力同样至关重要。这背后的硬实力，来源于其底座——openJiuwen Harness。没有强大的单智能体执行力，再精妙的协同也只是空中楼阁。 这一点在权威评测集PinchBench上得到了验证。该基准覆盖代码开发、创意写作、文档处理等多个真实业务场景。结果显示，JiuwenSwarm以94.2%的综合得分达到业界SOTA水平，同时平均token消耗降低了34.8%，实现了更高准确率与更低成本的双重优势。 此外，在长期对话评测集LOCOMO上，其记忆准确率也达到了85%的优异水平。这些成绩并非偶然，而是openJiuwen Harness在智能体架构、上下文工程与长期记忆等底层能力上持续打磨的结果，确保了JiuwenSwarm中每一位“队员”都具备扎实的任务执行力。 回过头看，从Harness Engineering到Coordination Engineering，再到今天的JiuwenSwarm，openJiuwen社区做了一件相当超前的事。当行业刚将视线从“更强的单智能体”转向“更强的智能体团队”时，他们已经把这条路完整地铺出了一段： 一套理念主张、一组全栈技术体系、一个标杆智能体，并且，全套能力开源。 多智能体协同是行业共识，但能将共识迅速转化为一套可运行、可部署、可共建的全栈开源工程，目前做到的团队并不多。这标志着，AI Agent的星辰大海，或许不再是一个无所不能的“超级个体”，而是一群各有所长、彼此协同、并能持续进化的“群体智能”。 JiuwenSwarm，为这条路标出了第一面鲜明的旗帜。它让每一位开发者，都能更轻松地培育和驾驭属于自己的智能体蜂群。未来已来，或许我们都可以成为AI时代的“养蜂人”，见证并参与群体智能的蓬勃发展。Coordination Engineering核心设计理念
人如何参与协同：HOTS & HITS
JiuwenSwarm实战效果
协同背后：openJiuwen Harness提供硬实力
结语：全套开源，一起做AI时代的“养蜂人”