osFoundry 的 Agent team 能做什麼?什麼時候一個 agent 就夠了?
星期二早上 7:40,Priya 手上有個問題,主管要她午餐前給答案:一週工作四天,產出真的不會掉嗎?她大可以把問題貼進聊天機器人,拿回一段口氣篤定的文字。但找數字的模型,同時也是判斷這些數字站不站得住腳的模型,而它很少會反駁自己。她要的是一個人去找試行案例、另一個人把數據拉出來,再由第三個人把沒有來源的東西全部退回去。 同一個畫面的兩個入口 osFoundry 是一款在自己電腦上跑 AI 工作的桌面應用程式,把
星期二早上 7:40,Priya 手上有個問題,主管要她午餐前給答案:一週工作四天,產出真的不會掉嗎?她大可以把問題貼進聊天機器人,拿回一段口氣篤定的文字。但找數字的模型,同時也是判斷這些數字站不站得住腳的模型,而它很少會反駁自己。她要的是一個人去找試行案例、另一個人把數據拉出來,再由第三個人把沒有來源的東西全部退回去。
同一個畫面的兩個入口
osFoundry 是一款在自己電腦上跑 AI 工作的桌面應用程式,把工作交給 agent 的方式有兩種,兩者關係很近。Agent(側邊欄顯示為 Single agent)是一個有名字、只負責一件事的 agent:你給它指示,它會拿到自己的 ID,例如 AG-0001L,每一次執行都有紀錄,之後可以回頭追。Agent team 則是讓一位 leader 帶著一組專職成員。Leader 規劃工作、把每個步驟分給成員,再由 reviewer 檢查每一步,通過後才會交到你手上。兩者都在側邊欄的 Agents 底下,緊鄰彼此,開啟的也是同一個畫面。差別只在成員多寡。如果你待過有專案經理的群組聊天,Agent team 用起來會很熟悉。不同的是,每則訊息、每次交接、每個判定都會留下來,可以捲回去看。
看一下團隊畫面
這是一個已經跑完的團隊工作階段。問題和答案都是展示用執行的範例資料。
- 與 leader 的對話(中間)。 標題寫著「Leader · Orchestrate your team」。你只要在這裡問一次,彙整後的答案也會出現在這裡;這個例子是一張每列都附來源的表格,加上一行「Where sources disagree」和一行「Not covered」。
- 工作階段分頁(中間上方)。 Chat、Team mail、Email、Handoffs、Sub-agents、Proposals 和 Files。Handoffs 顯示誰把工作交給了誰。Proposals 收集 agent 對檔案或設定提出的修改建議。建議在被接受之前都不會套用。
-
Agent session 面板(右側)。 每位成員一張卡片,列出 leader 交代它做什麼、它呼叫了哪些工具(
web_fetch、web_search)以及結果。每個結果底下會顯示 reviewer 的判定,例如「Approved」。上方有執行選擇器(「Run 1 · 07:40 AM」)和 Cards / Graph 切換。 - Team roster 分頁。 這是這個工作階段中允許動作的成員名單。團隊是一份名單,不是工作流程。工作的順序來自 leader 的計畫。
- 工作階段側欄(左側,這裡隱藏)與 inspector。 側欄列出每個工作階段和它的 ID。Inspector 有 Goal、Trigger、Hooks 三個分頁,分別對應完成條件、觸發這次執行的來源,以及工作前後的檢查。
三種常見用法
每個數字都要有來源的研究人員
Priya 打開 Agent team,按下 New session。在 New team session 對話框裡,她維持「Start from a team」,並從 Team 清單選了 Deep Research Team。對話框載入了五位成員(deep-research-agent、research-analyst、data-researcher、search-specialist、academic-researcher)。「Who leads」底下顯示 Orchestrator,說明是「plans the work up front, then delegates the steps to the agents below」。她也可以在任何一位成員上按「make leader」,改由那位成員帶頭。
她按下 Create,在 leader 的聊天裡輸入問題送出。Leader 把問題拆成五個部分:找試行案例、找研究、找數字、找反面證據,最後整合成一個答案。三位成員同時開工。Data Researcher 會先等 Search Specialist 的清單出來,才開始拉數據。當 Data Researcher 回報一個 40% 的數字時,reviewer 把它標成「Sent back」,理由是沒有來源、日期也沒有衡量指標。這一步重新執行、找到來源,然後通過。
最後她在中間窗格拿到一個答案,裡面每個數字都經過「找到它的 agent 以外」的人檢查。她還拿到一行誠實的「Not covered」,可以直接貼進給主管的筆記。
老是在貼同一段指示的獨立開發者
Tom 一週會好幾次把會議紀錄整理成待辦事項,每次都得先把同一段規則貼進聊天裡。這種工作不需要團隊,需要的是一個記得規則的 agent。
他打開 Single agent,按 New session,停留在 Create in chat 分頁。在「New agent」欄位寫一行說明需求,按下 Start。打開的聊天是一個設定用的 agent。它問了幾個問題,接著提出名稱、@handle 和完整的指示。輸入框上方會出現一張卡片,上面有名稱、handle、Show instructions 連結和 Create agent 按鈕。
他打開指示,確認他最在意的那條規則有寫進去:絕對不要猜負責人或截止日。然後按下 Create agent。同一個聊天現在就變成那個 agent。他貼上會議紀錄後,缺少的負責人和日期都會標示為缺漏,絕不會用猜的。這個工作階段會在側欄保留它的 Agent ID,下次他只要選這個 agent 就好。
想看清楚誰做了什麼的 release 負責人
Dari 負責一個小型產品團隊的發版。她的團隊工作階段有一位 leader,成員是 Release Drafter、Change Auditor、Docs Reviewer、QA Summarizer 和 Approval Prep,各自負責發版包的一部分。
執行之前,她打開 Goal 分頁,按下 Set a goal。面板說明,目標會拆成幾條成功條件,一開始都是失敗,隨著 agent 達成逐一轉綠。工作階段會持續執行,直到全部通過或達到回合上限。她寫了三條條件,最後一條是核准資料包要齊全。成員工作時,她在 Handoffs 追蹤從 leader 到各成員再回來的整條鏈。她也會看 Proposals 裡有沒有成員提出的設定變更,那裡的東西沒有她點頭都不會套用。她隨時可以在 leader 的聊天裡回覆來調整方向,審閱時也可以按面板標題列的 Pause 暫停執行。
最後她拿到發版包,以及每個部分由誰起草、誰稽核、誰核准的紀錄。有人問 release notes 裡某一行是怎麼來的,她都能拿出來給對方看。
在應用程式其他地方的延伸
Agent 和 Agent team 是工作的起點,Sessions 則是你觀察工作的地方。這個看板把每個聊天、agent、團隊和終端機工作階段都顯示成一張卡片,依照工作階段實際的狀態分到 Running、Needs you、Paused、Idle、Done 和 Failed。
同一份團隊工作需要反覆執行時,Loop 會替成員名單加上觸發條件、上限,以及每一回合哪些條件通過的紀錄。Graphs 則適合路徑會依中途結果而改變的工作。與 leader 的對話是一個 Maestro 聊天,所以團隊的答案可以接著用在你其他的 Maestro 工作裡。工作階段的 Enable sync 連結會把它接上專案的訊息頻道,讓人和 agent 在同一個地方溝通。更多內容請看 Agents 功能頁面 和 agent 工作階段概覽。
新手常問的問題
什麼時候該用單一 agent,而不是團隊?
工作是一件明確、規則固定的任務時,用單一 agent,例如整理筆記格式,或用同一種語氣草擬回覆。工作包含需要不同工具的幾個部分,或你希望在看到結果前先由另一位 reviewer 把關時,就用團隊。
工作階段開始後可以換團隊嗎?
不行。New team session 對話框寫明團隊「is fixed for this session's life」。在按下 Create 之前,你仍可以在對話框裡新增或移除 agent、選擇由誰帶頭。要換成其他成員名單,就開一個新的工作階段。
這些東西有任何部分在雲端執行嗎?
New session 表單提供 Local 和 Isolated 兩種執行方式。表單上註明兩者都用你自己的金鑰在你的電腦上執行,不會有任何東西送到雲端。聊天紀錄預設存在本機。
Agent 可以改寫自己的指示嗎?
它們可以提出修改建議,建議會出現在 Proposals。提案不等於已接受的設定。Agent 能不能動到自己的 prompt,是另一個獨立的設定。
桌面應用程式可以在 osfoundry.io/zh/download 下載。
Originally published by Dev.to AI. Aggregated on AIWithGhost for educational purposes — full credit and traffic to the original publisher.



