多智能体协同怎么做?企业 A2A 协作如何配置:从角色分工到交接规则的落地方法
很多企业的 AI 建设已经走到第二步:第一个智能体跑通之后,很快有了第二个、第三个,比如一个查库存,一个写文案,一个盯竞品价格。表面上"人手"变多了,但真到一件事上,人反而更忙:把 A 智能体的结果复制给 B,再把 B 的结论搬回系统里改一改,中间还要人反复确认"这个数对不对"。智能体各自都很能干,唯独彼此之间不说话,最后由人充当中间协调环节。
多智能体协同怎么做?企业 A2A 协作如何配置?这是从"用上 AI"到"用 AI 干活"之间绕不过去的一道题。下面直接讲三件事:协同失败的常见原因、四种可选的协作形态,以及把这些形态真正配置起来的具体步骤;最后给出场景拆解、边界说明和常见问题。
一、多智能体协同失败,多数不是模型不够强
大多数协同不顺,原因不是智能体不够聪明,而是彼此之间的"接口"没有设计。
断点一:上下文不共享
- 每个智能体只知道自己那一段。 销售侧智能体知道客户历史订单,财务侧智能体只知道应收余额,两边一对话就开始互相追问。
- 企业规则散落在人脑里。 折扣底线、审批额度、可写不可写的表述,往往只在老员工的经验里,没有变成智能体能读取的依据。
- 历史任务无法追溯。 上次类似任务怎么做的、结论是什么,谁也说不清,于是每次都从零开始。
在 Soiawork 中,这一层由知识库(制度、规则、口径)、文件空间(合同、报表、素材)和工作空间(当前任务共享的上下文)共同承载,让参与协同的智能体读取同一份信息,而不是各自维护一套理解。
断点二:交接没有固定格式
- 上游输出是"一段话",下游无法直接用。 下游智能体需要的是一张带字段的表,收到的却是一段总结。
- 顺序靠人记。 谁先谁后、哪一步必须等确认,没有固化下来,换个人执行就变形。
- 重复动作每次都重编。 同一个核对方法,这次写成提示词,下次又要重写一遍。
解决办法是把交接"结构化 + 固化成流程":在 Soiawork 中,工作流负责固定步骤与交接顺序,技能把已经验证过的做法沉淀成可复用能力,下一个任务直接调用,不必重写。
断点三:结果无法核对
- 只有结论,没有过程。 拿到一份报告,看不出每个数字来自哪个系统、哪一步做过什么。
- 异常被"消化"掉了。 找不到的物料、对不上的金额,被智能体写成一句"存在差异",然后消失。
- 成本和人工介入看不见。 到底花了多少、人补了多少次,缺乏记录,就无法判断要不要扩大范围。
真正能上生产的多智能体协同,必须留下可核对的东西:任务记录、过程、产物、异常、人工介入和成本。
二、四种协作形态:先选形态,再谈配置
业界在 2025 年提出过 A2A(Agent2Agent)协议思路,试图让不同来源的智能体互相发现能力、交换任务与结果。方向本身有价值,但企业真正要回答的问题更基本:你这几个智能体,究竟是前后接力、并排分工,还是有一个统一的调度者?关系没定清楚,接什么协议都无法解决。
形态一:串行接力
适合有明显先后依赖的事,例如对账 → 差异分析 → 凭证草稿。
- 上游只交"半成品标准件"。 如核对结果表,含科目、金额、差异原因字段。
- 每个环节有明确的完成判据。 不是"做得差不多",而是"差异项全部有归类"。
- 人工复核点固定。 凭证类任务的复核点必须卡在提交之前。
形态二:并行分工 + 汇总
适合多个独立维度同时核对的事,例如活动报名要同时看商品范围、折扣规则、库存与报名时间。
- 拆维度,不拆责任。 每个智能体只负责一个维度,输出格式统一。
- 汇总环节负责去重与冲突标注。 两个维度结论矛盾时,不自行裁决,标为异常交人。
- 一次配置,多次复用。 大促、日常活动、跨店铺场景可以共用同一套维度和格式。
形态三:主从调度
适合目标明确但路径需要判断的事,例如"每天出一份经营监控日报"。
- 调度者只做三件事: 拆解目标、分派任务、汇总判断。
- 执行者各自有专长。 有的擅长取数,有的擅长操作本机软件,有的擅长按模板出稿。
- 调度者不越权。 遇到超出授权范围的动作,转人工而不是硬闯。
形态四:事件触发
适合高频、规则明确、需要及时性的事,例如库存低于阈值触发补货核对、订单状态变化触发通知。
- 不等排期,按事件发生。 触发条件写清楚,如"可售数量低于安全库存"。
- 触发后仍走固定流程。 避免不同人配置出不同结果。
- 失败可重试、可告警。 事件型任务最怕的是默默失败。
在 Soiawork 中,这四种形态对应的配置落在不同能力上:串行与并行主要靠工作流编排,主从调度依赖技能分工与工作空间共享上下文,事件型则由自动任务按时间、事件或系统请求触发。
三、企业 A2A 协作如何配置:六步方法
下面这六步,是把上面任一形态真正落地的最小路径。
第一步:先定义"完成"长什么样
- 写出交付物清单。 是报告、记录、通知,还是一份待办清单,先落到物上。
- 写清判据。 哪些字段必须有值、哪些情况必须标异常。
- 写清不做的事。 哪些判断必须由人做,提前划红线。
第二步:定角色,少而清楚
- 一开始别超过三个角色。 角色越多,交接面越多,出错概率越高。
- 每个角色一句话说明职责。 说不清就是还没想清。
- 角色对应到技能。 在 Soiawork 中,每个角色背后是若干技能的组合,技能可复用、可版本管理。
第三步:定上下文来源
- 规则进知识库。 折扣底线、口径定义、禁用表述,用知识库统一维护。
- 素材进文件空间。 模板、素材、历史报表放在同一处,避免版本混乱。
- 任务上下文进工作空间。 同一次协同的所有角色看到同一份上下文,从根上减少"互相追问"。
第四步:定连接方式
- 系统取数走连接器。 ERP、电商后台、CRM、财务系统的数据通过连接器获取,而不是靠人导出再上传。
- 本机软件操作走设备。 那些没有开放接口的老系统、只在浏览器里能做的操作,由设备(Soia Worker)执行。实在智能自 2018 年起投入 AI 与自动化,其产品在 OSWorld 任务成功率上达到 90.2%(2026 年 7 月,实在智能产品),这类能力正是"跨界面操作"环节的基础。
- 消息与待办走通道。 结果要能落到人实际工作的地方,而不是停在某个后台页面里。
第五步:定交接格式与顺序
- 交接物必须是结构化产物。 表格、带字段的记录、固定模板的草稿。
- 顺序写进工作流。 哪一步等哪一步、哪些可并行,由工作流固定。
- 留回读环节。 提交类动作之后要回读状态,确认真的生效。
第六步:定异常与人工介入
- 异常单独成清单。 不由智能体自行"合理化"。
- 关键节点设审批。 提交、外发、付款、入账前的动作必须有人确认。
- 记录人工介入次数。 这是判断协同质量最直接的指标。
四、三个场景的协同配置拆解
场景一:财务对账与凭证草稿(串行接力)
这是最能体现"交接格式"价值的场景。配置思路如下:
- 第一棒:取数与比对。 通过连接器拉取银行流水与账面记录,输出差异表,字段固定为日期、金额、对方、差异类型。
- 第二棒:差异归类。 按知识库中的口径把差异归入时间性差异、手续费、遗漏入账等类别,无法归类的标为待查。
- 第三棒:凭证草稿。 按模板生成草稿与说明,不直接入账,由财务责任人复核确认。
- 异常处理: 金额对不上、对方名称不一致的项,单独列出并在工作空间中留痕。
需要说明的是,凭证的最终确认与入账仍由财务责任人决定,智能体负责的是把"核对"和"起草"这两段重复劳动压缩掉。
场景二:电商大促报名配置(并行核对 + 回读确认)
这一场景在场景库中属于复现验证场景,描述的是配置路径而非客户成效。
- 梳理活动条件: 明确活动范围、折扣规则与报名截止时间。
- 并行核对: 分别比对可报名商品、价格与库存,三路输出格式统一。
- 生成配置草稿: 汇总为待报名清单与异常项,交运营确认。
- 提交并回读: 按授权提交后,核对报名状态、审核状态与上线状态。
这里的协同难点不在"会不会算",而在"三路结论冲突时谁来定"。合理做法是标为异常、交运营判断,而不是让某个智能体自行裁决。
场景三:营销图文组合(并行分工 + 规则自检)
同样属于复现验证场景,四步链条为:识别客群 → 匹配卖点并说明证据强弱 → 按视觉规范出图 → 禁用词自检后交品牌审核。
- 卖点匹配要带证据等级。 例如某卖点仅为 B 级、证据弱于 A 级,就只能写"低于同类均值",不能写"全网最低"。
- 规则自检只覆盖明规则。 该场景的判定覆盖 8 条明规则,禁用词 0 命中才提交;审美判断仍需人来。
- 边界要写在流程里。 哪些话不能说、哪些元素不能出现,写进知识库与自检项,而不是靠临时提醒。
五、怎么判断协同真的成立:看四个"可核对"
配置完成不等于协同成立。建议用四个维度验收:
- 任务可核对。 每个任务有触发来源、参与角色、起止时间。
- 产物可核对。 交付物在哪、由谁生成、经过哪几道处理。
- 异常可核对。 异常清单是否完整,是否有人处理、处理结果如何。
- 介入可核对。 人工介入了几次、卡在哪一步——介入次数下降,才说明协同在变好。
在 Soiawork 中,这些信息由AI 组织层面的运行记录承载:业务人员看到目标、任务和结果,实施人员管理连接、流程和异常,管理员负责组织、权限、成本和审计边界。三者看到的是同一套事实,而不是三份互相矛盾的汇报。
另外,权限边界要在配置阶段就落到结构上。以医药零售的处方订单协同为例:核对授权订单与库存、按已批准流程传递已有资料、只回传已审核通过的结果、最小化使用患者信息并留存操作记录;而处方开具、审核、调剂与用药判断,始终由具备资质的人员负责。这类边界不是靠"提示词里写一句别乱来",而是靠流程结构固定下来。
六、边界:这几类事不要塞进多智能体协同
- 需要专业判断的终局决定。 处方审核、法务意见、财务入账,智能体可以准备材料、可以做初步整理,但拍板必须是人。
- 只有审美与策略、没有明规则的判断。 能检查"哪里不合规、怎么改",不代表能判断"好不好看"。
- 权责本身没理清的跨部门决策。 智能体协同会放大流程里的模糊地带,不会消除它。
- 权限尚未梳理清楚的敏感数据流转。 先做权限模型,再谈协同。
反过来,最适合先跑的是那些"步骤固定、判据明确、异常可列、结果有人复核"的重复工作。
多智能体协同怎么做?企业 A2A 协作如何配置?答案往往不在选型里,而在顺序里:从一项重复工作开始试跑,把交接格式和工作流固定下来,核对结果与异常,看清人工介入卡在哪,再决定是否扩大范围。Soiawork 让智能生长,让工作进化——让每家企业,都能轻松构建自己的 AI 组织。
常见问题解答
要不要改造现有系统?
多数情况下不需要。协同的起点是"连接"而非"替换":通过连接器取数、通过设备(Soia Worker)操作那些没有接口的老系统,现有系统继续各司其职。只有在数据口径本身混乱时,才需要先统一口径,这一步与 AI 无关,但会决定协同效果的上限。
数据和权限怎么控制?
建议按"最小必要"设计:角色只拿到完成本职所需的数据范围,敏感信息在使用处最小化,操作留痕可追溯。在 Soiawork 中,组织、权限、成本和审计边界由管理员统一管理,业务侧不需要各自维护一套规则。
AI 做错了谁负责?
责任不因引入 AI 而转移。可行做法是把责任点显性化:哪些环节是智能体准备材料、哪些环节必须由责任人确认,结构上卡住而不是靠自觉。凡是涉及对外提交、付款、入账、专业判断的动作,都保留人工确认环节。
从哪个场景开始?
优先选三个条件同时满足的:步骤重复且固定、判据能写清楚、结果有人愿意复核。财务对账、活动报名配置、素材合规自检这类都属于合适的起点。不建议一上来就做跨五个部门的复杂协同。
和现有 RPA、BI 是什么关系?
RPA 擅长在界面层面执行固定动作,BI 擅长呈现历史数据,二者解决的是"执行"和"看见"。多智能体协同要解决的是"判断与交接":谁来拆任务、谁来核对、异常怎么交人。实际落地中三者常常叠加——BI 提供口径、RPA 与设备负责界面操作、智能体负责组织流程与判断,由工作流把它们串起来。



