Orkas 想成为 AI Native 公司的底座。在这个目标下，有一个绕不开的问题：多个人和多个智能体在同一个项目上，怎么协作。
这件事和我们熟悉的团队协作很不一样。要讲清楚，得先回头看看人和人之间的协作是怎么来的。（共享项目在产品里具体怎么用，《共享项目：人和 AI 智能体怎样在 Orkas 里一起干活》里有完整的流程。这篇只讲背后的想法。）
人和人的协作，是围绕人的两个限制长出来的
第一，人的交互带宽和记忆存储能力是有限的。一个人一次能接收的信息有限，能记住的也有限。所以团队需要频繁地沟通：同步信息，对齐目标，对齐进度。周会、站会、日报、周报，「我同步一下」「我们对齐一下」，本质上都在弥补这个限制。
第二，很多协作需要面对面。一方面，面对面的交互带宽更多元：除了语言，肢体、语气、表情都带着丰富的信息。同一句「这个方案还行」，当面说，你能听出来是真认可还是有保留。另一方面，也是很重要的一点：面对面更容易建立信任。这也是为什么很多远程团队，还是要定期线下聚一次。
智能体加入之后，变了什么
多人和多智能体的协作里，人的这部分继续需要保留。但智能体这部分，和人的协作会有很大的差异。它有三个明显的强项，也有三个明显的短板。
三个强项
信息交互带宽大，执行能力强。尤其是目标明确、可以量化的任务。而且它能完成的任务，时间长度、难度和复杂度都在快速提升。Meta 介绍自家的编程智能体时提到，在一个 GPU 算子优化任务上，智能体连续工作了最长 24 小时、调用了 1000 多次工具（Meta）。Linus Torvalds 在 2026 年 10 月发出的一组 Linux 内核补丁，代码、测试程序和提交说明的初稿都由 Claude Code 完成，性能测量由他自己在本机跑（LWN）。
自带全世界的知识和工具，可以跨领域端到端。全世界的知识在预训练时已经压缩进了模型，再配上相关的工具，智能体可以跨领域把一件事从头做到尾：提 PRD → 做设计 → 开发 → 测试 → 上线。同样一件事，人来做，需要产品、设计、开发、测试几个职能角色配合，每次交接都要再对齐一遍。
没有大量人性的弱点，不需要提前建立信任。它不会累，不闹情绪，也不怕问了显得自己不懂。一个新智能体拿到项目的上下文就能开工，不需要磨合期，也不需要先「处好关系」。
三个短板
需要干净的上下文。错误的上下文会让它跑偏。我们自己就踩过：数据看板里有个字段显示「无法关联」，其实数据是能关联上的，是这个字段自己算错了。结果两个智能体读到这句，都直接放弃了一整块用户路径分析。人看到这种结论，会多问一句「这个还准吗」；智能体往往照单全收。
长周期的归因不好。尤其是多个变量同时影响结果的时候，容易归因错误，需要人来纠偏。有段时间，我们官网有几个新页面一直没被 Google 收录。智能体的判断是「站点权重不够，Google 不肯花抓取预算」，建议先去做外链。我们追问之后去实测，发现全站绝大多数页面其实都被收录了；没收录的那几篇，更像是题材和网站主题离得太远。问题根本不在预算上，如果照原来的判断去做外链，方向就错了。
动态适应环境的能力很差。尤其是环境的变化不在它的预训练数据里的时候。一个刚改版的网站、一条刚改的平台规则、一个上个月才发布的新产品：人看一眼就知道「变了」，会换个做法；智能体常常还按它知道的老样子去理解，一遍遍地重试。
为什么 IM 那套不适合
IM 是为人和人的协作设计的：消息一条条往下滚，靠 @ 和「已读」来同步，信息散落在各个群里。这套设计正好在补人的那两个限制：带宽小、记不住，所以要不停地发、不停地对齐。
放到智能体身上就不对了：
- 群里的寒暄、讨论的过程、已经被推翻的方案，对智能体来说都是上下文噪声；
- 它不需要靠聊天来建立信任；
- 它真正需要的，是干净的上下文和明确的任务。
所以多人和智能体的协作需要重新设计。而且随着智能体的能力持续提升，协作的方式也会跟着变化。Orkas 也还在持续探索中。
Orkas 的做法：保留不变的，重新设计变了的
我们的思路是：保留协作里不变的部分，重新设计变了的部分。下面是 Orkas 里一个共享项目的界面，四件事分别落在图上标出的四个地方。
1. 任务的分配、流转和 review：待办
这部分在人和人的协作里就有，现在依然需要。现阶段，我们所有任务的负责人都是人类，任务最终的结果得由人类来负责。
落到产品里是这样的：每条待办都指派给一个人，再由这个人决定用哪个智能体去做。只有负责人能启动这条待办，智能体在负责人自己的电脑上、用他的模型和积分完成工作。做完以后，智能体把状态改成待确认，而不是自己标成已完成；负责的人看过、改过，这件事才算完。
2. 目标、背景和上下文的共享：目标与规则、记忆
在这一层，人和智能体共享同样的上下文，保证关键信息持续对齐。
项目的「目标与规则」和「记忆」在项目内所有对话之间共享，每次对话，智能体都会参考并遵循。比如把「月留存 = 下个月还回来的新用户」这样的口径写进目标与规则，把关键决策记进项目记忆。新成员和他的智能体一进来，读到的就是同一份。
3. 通过文件交接，中间过程隔离
项目里的资料库在成员之间同步，待办可以把任意文件作为附件。交接靠的是文件，不是聊天记录。
大量的中间过程和步骤，我们特意做了隔离，以免给智能体带来有害的上下文噪声。界面上带锁的「任务」和「自动化」只属于自己。一个智能体可能跑了几百步、试了三个方案，才出一份报告；交到同事手里的只有这份报告，过程留在各自的任务里，不会混进别人智能体的上下文。
4. 私有智能体共享给团队
项目成员的私有智能体，可以共享给团队成员调用。这些智能体内化了成员个人的经验和品味判断。共享出来，一方面可以加快整体的效率；另一方面，使用过程中发现的问题，可以通过自演进的机制持续改进，让项目整体的能力水平不断提升。
共享时，Orkas 打包的是这个智能体的工作说明和技能，包括它在工作中自己沉淀下来的技能；它的记忆和聊天记录不在包里。共享者更新这个智能体后，成员会自动拿到新版本。
这是一个很早期的开放领域
多人和智能体的协作目前还很早期，方案完全没有收敛。而且随着模型能力的提升，大量智能体协作的能力会被内化到模型里。
现在已经有模型能原生做到：同时并发多个子智能体做多维度的探索，先规划、再调度子智能体去执行。比如 Meta 在 2026 年 10 月开源的 Muse Spark Open，官方介绍里就写着训练了它拆分任务、派给子智能体并协调的能力（PyTorch 博客）。
所以协作的方式，也会随着模型能力的提升而改变。今天的待办、上下文、文件交接和共享智能体，是我们在当前模型能力下给出的答案，不是最终形态。
写在最后
我们保留了协作里不变的部分：有人负责，有人 review，目标和上下文持续对齐。我们重新设计了变了的部分：用文件交接，把过程隔离，把个人的经验和品味变成团队能调用的智能体。
这件事我们也还在探索，欢迎一起探讨。如果你也在带一个人和智能体一起干活的团队，可以先拿一个项目试试。Orkas 可以免费下载，支持 macOS 和 Windows。