CAAO：从工作环境感知到主动群体协作的Agent组织架构

摘要

多Agent系统正从实验室走向生产线。SWE-agent已可自主修复GitHub Issue，OpenAI Codex五月生成百万行零手写代码，Stripe Minions周均产出千三百PR无人值守。然则，产能飙升的背后，一个新瓶颈正悄然浮现——不是模型不够强，而是人安排任务的效率太低。

Harness Engineering采集的一线数据道尽这悖论：AI采用率增九成，代码审查时间亦增九成。Agent越能干，人的协调成本越沉重。

CAAO的出发点正落于此：把"人安排任务"升级为"组织自动感知和分派任务"。其架构分三层——感知层从环境变化中识别任务候选、组织层以四大原则（负责人机制、管理Agent不管不执行、员工Agent专业执行、共享Agent必有治理）约束协作秩序、涌现层以沉淀的分配路径驱动组织进化。

本报告以Google ADK的Context Engineering哲学、Multi-Agent架构全景调研（2023-2026）的七大范式和八大框架对比、Harness Engineering一线实践、以及费曼式的诚实边界审视，对CAAO做了事无巨细的解剖。核心结论有三：其一，CAAO的理论贡献在于将"组织感知力"显式化为可研究的架构层——这正是现有所有框架的盲区；其二，感知层和组织层的主张有中等级别证据支撑，但涌现层目前仅有类比推理而无Agent系统实证；其三，最大的实践风险并非技术实现难度，而是"涌现"一词承载了太多不切实际的期待——建议将其定位为探索性假设，以感知层和组织层扎实落地为先。

---

1. 问题：为什么人成了瓶颈

1.1 悖论：Agent越能干，人的负担越重

Harness Engineering（2025）整理了来自OpenAI、Stripe、Anthropic、LangChain的一线数据，发现一个令人不安的悖论：

AI采用率增长90%的同时，代码审查时间增长了91%。

这个数字不是巧合。它揭示了一个结构性真相：Agent生产的越快、越多，人类协调成本同步膨胀。当团队从3个Agent扩展到30个Agent，手动任务分派的开销将从可忽略变为不可承受。不是线性增长——是阶跃。

1.2 从"手动调度"到"操作系统内核调度"

维度	旧范式（人安排任务）	新范式（组织自感知）
触发方式	人类发起	环境信号触发
分配依据	经验与直觉	上下文匹配 + 历史路径
适应性	静态角色固定	动态角色激活
学习能力	无	沉淀路径/质量/反馈

1.3 现有框架为什么不够

当你用LangGraph搭了一个多Agent工作流，最初的任务是什么、由谁发现的？答案是：人发现的。人定义节点和图。人决定什么时候触发。

CrewAI也一样——谁决定Task是什么？人。AutoGen让Agent以对话协商，谁启动了对话？人。

Multi-Agent架构全景调研（2026）覆盖了30+篇核心论文、7大架构范式。遍历所有系统，有一个共同的盲区：没有哪一个架构把"任务从环境中自动发现"作为一等设计目标。

---

2. CAAO架构：三层体系的精确解剖

2.1 感知层——环境如何变成任务

信号源的工程分类

A. CI/CD事件流

• 原始信号：pytest failed: tests/test_auth.py::test_token_expiry
• 编译输出：[任务候选] 修复test_token_expiry | 优先级:高 | 置信度:0.92

B. 代码仓库变更

• 原始信号：Review comment "this regex might not handle unicode input"
• 编译输出：[任务候选] 增强正则表达式以处理unicode | 优先级:中 | 置信度:0.78

C. 运行时观测

• 原始信号：ERROR rate spike +350% in payment-service (last 5min)
• 编译输出：[任务候选] 调查payment-service错误率突增 | 优先级:紧急 | 置信度:0.95

D. 协作系统事件

• 原始信号：Slack message "@bot 这个接口文档和实现不一致"
• 编译输出：[任务候选] 对账API文档差异 | 优先级:低 | 置信度:0.65

Google ADK的四层上下文栈——感知层的工程参照

Working Context (工作上下文)
  → 当前任务聚焦上下文，类比工作记忆
Session / State (会话态)  
  → State记录"什么是真的"，Events记录"说了什么"
  → 关键洞察：History ≠ State
Memory (跨会话记忆)
  → 长期、压缩、可搜索
Artifacts (制品)
  → 外部文件句柄模式，按需加载

三级过滤器架构：L1硬规则（CI红标等）→ L2置信度过滤（LLM评估）→ L3人工确认（新类型任务首次）

2.2 组织层——四大原则的深层逻辑

原则一：每个Agent背后必须有负责人

Nature（2025）："我们需要人-AI Agent关系中的问责制。" McKinsey（2025）："Accountability by design。"

梯度责任方案：

• 实时级：L3新类型任务需负责人确认
• 批次级：每周Agent结果抽检
• 校准级：每月能力评估 + 更新AGENTS.md

AGENTS.md作为"免疫系统"——以错误驱动编写，每当Agent犯错，新增一条约束规则。

原则二：管理Agent只做管理

Harness Engineering教训：Agent同时承担管理和执行时，工具数15→500，推理质量骤降。最终通过linter强制依赖方向压回15。

原则三：员工Agent负责专业执行

能力声明必须包含：能做什么、不能做什么、已知弱项。

原则四：共享Agent必须有人治理

Frontiers（2024）：团队信任的建立需要显式治理。无治理→"公地悲剧"。

2.3 涌现层——最野心勃勃也最证据薄弱的假设

假设：积累足够"任务→Agent→结果"三元组后，涌现超越预设的协作模式。

诚实声明：读遍20+篇Multi-Agent论文和综述，没有看到任何受控实验展示"沉淀→涌现新型协作"的因果链。类比存在（推荐系统协同过滤、蚁群算法信息素、K8s调度优化），但类比不是证据。

---

3. 业界对比

CAAO在七范式中的位置

范式	代表	环境感知	治理内嵌	CAAO距离
Star/Supervisor	AutoGen, Deep Agents	❌	弱	组织层同构
Chain/Pipeline	LangGraph, MetaGPT	❌	无	感知层可增强
Mesh/Peer	CAMEL, FREE-MAD	❌	无	需全部三层
Dynamic/Adaptive	AMAS, REDEREF	❌	无	涌现层同向
Handoff/Swarm	OpenAI SDK, Google ADK	❌	弱	组织+感知层
Platform/Network	OpenAgents Network	❌	无	可作基础设施
Consensus/Ensemble	Spotify, AI NeuroSignal	❌	无	可作子机制

没有任何现有范式将"环境感知→自动发现任务"作为一等设计目标。

逐框架对标

维度	LangGraph	CrewAI	Google ADK	AutoGen	CAAO
环境感知	外部触发	外部触发	外部触发(面向任务)	外部触发	内建感知层
治理机制	无	无	弱(Transfer)	无	四大原则
学习能力	Checkpoint	无	Memory Service	无	路径沉淀
任务来源	人定义	人定义	人触发	人启动	环境自动发现

---

4. 工业实践

Stripe Minions：周1300+PR无人值守，前提严格——收敛任务+Buleprint防护+人工最终审查。无人值守≠无人负责。

OpenAI Codex：五月百万行零手写。但审查时间同步膨胀→协调不自动化，Agent越多人的负担越重。

Harness Engineering：推理"三明治"（确定前校验→LLM推理→确定后校验，66.5%成功率）。熵治理——清理Agent吞吐量必须与生成吞吐量成正比。

---

5. 关键挑战

挑战一："涌现"一词承载了不切实际的期待

严格意义上的涌现=不可从组件行为线性推出。但如果沉淀只是让分配变得更好，那是优化，不是涌现。建议改用"数据驱动的协作进化"。

挑战二："10分钟阈值"是拍脑袋的数字

任务的"可自主执行性"是三个变量的乘积：Agent可靠度 × 人类审查成本 × 任务可逆性。建议改为"最小人工确认粒度"可配置参数。

挑战三：实证数据匮乏

涌现层假设目前仅有类比推理，无Agent系统实验数据支撑。在完成受控实验之前，只能作为探索性假设存在。

---

6. 实施路线图

• Phase 0（0-3月）：操作化定义 + MVP原型（CI/CD→任务候选→人工确认→Agent执行）
• Phase 1（3-9月）：感知层落地（四层上下文栈 + 三级过滤器 + CI/CD集成）
• Phase 2（6-15月）：组织层建设（角色体系 + AGENTS.md规则库 + 三明治闭环）
• Phase 3（12-24月）：涌现层探索（积累10000+三元组 + 对照实验）

---

7. 结论与证据强度

层次	核心主张	证据强度
感知层	环境信号→任务候选	中——有工程参照，缺大规模数据
组织层	四大原则优于无治理协作	中——工业案例支持，缺对照实验
涌现层	沉淀→超越预设协作	低——仅有类比推理

CAAO最大的理论贡献：将"组织感知力"显式化为可研究架构层——补全了七大多Agent范式的共同盲区。

最大的实践风险：在证据不足时过早承诺"涌现"。

实现这个过程的第一步，不是写更多的架构文档，而是搭建一个MVP，收集第一组真实的"任务→Agent→结果"数据。看看它到底教会我们什么——而不是我们已经相信什么。

---

参考文献

1. AutoPipelineAI (2025). arXiv:2606.06662 2. CrewAI (2024). GitHub 3. Edison-A-N (2026). Multi-Agent架构全景调研 4. Frontiers (2024). Human-agent collaboration 5. Google (2025). Context-aware multi-agent framework 6. Google Cloud (2026). Agentic AI architecture 7. Harness Engineering (2025). Agents in practice 8. LangGraph (2024). Documentation 9. McKinsey (2025). Accountability by design 10. MetaGPT (2024). GitHub 11. Microsoft (2024). AutoGen 12. Nature (2025). Accountability in AI agent relationships 13. OpenAI (2024). Swarm 14. Mansuy (2025). Google ADK Architecture 15. Springer (2023). GoOrg 16. SWE-agent (2024). Princeton NLP 17. Wei et al. (2025). Multi-Agent Debate. ACL 18. Wu et al. (2025). MAS Through MCP. arXiv:2504.21030 19. 百行代码 (2026). LLM Agent组织模型设计

---

> 研究方法：文献综述 + 框架分析 + 对比分析。基于20+篇来源。 > AI辅助声明：AI辅助完成文献检索与初稿。所有论点经人工审核。 > 诚实边界：涌现层目前仅有类比推理而无Agent系统实证。

《迷雾森林中的觉醒灯塔：上下文如何点亮AI代理的proactive之路》

我漫步于AI的密林深处，目睹无数代理手持锋利推理之刃，却在数据迷雾中屡屡失足。它们或对“销量”一词茫然无措，或在用户刚错过末班车时沉默不语。直到我翻开三卷指引——CASO本体的形式化地图、Atlan元数据的四维罗盘，以及ContextAgent感官觉醒的先锋实验——方才悟得：上下文，实乃智能之魂魄也。无它，代理虽强，犹困兽犹斗；有它，则凡器亦可化身忠仆，于无声处递上解渴之泉。

🌱 本体的基石：CASO如何为观测世界立下第一块界石

CASO全称Context Aware System Observation Ontology，乃2019年Irstea（后并入INRAE）团队所创，旨在为上下文感知系统的观测全过程提供标准化的描述语言。它不只记录“发生了什么”，更要刻画“在何种情境下、以何种方式、经何种处理而被感知”。正如古人立圭表以测日影，CASO为现代AI代理筑起一座可互操作的知识灯塔。无论传感器如何更迭、上下文如何流转，凡涉及观测的实体、过程、特征，皆可在此本体中找到安身之所。夫本体者，非僵死之表格，乃活的语法。借由它，分散的感知数据得以被系统性地编织成可查询、可推理的经纬，为后续企业级与感官级实践奠定互信根基。

🧭 元数据的四维罗盘：企业为何40%代理项目将折戟沉沙

当我读到Atlan文章中Gartner的预言——2027年前40% agentic AI项目将被取消——心头一凛。MIT研究更指出，95%企业AI试点ROI为零。根源何在？非模型不智，乃结构化上下文之匮乏。代理拿到精美提示词，却无权访问企业内部不断演化的业务定义、血缘关系与治理规则，遂如新官上任而不知衙门规矩，动辄触雷。

Atlan将上下文拆解为四维罗盘，精准对应人类经验：

• 结构维（Structural）：定义“销量”究竟是毛利、净利还是确认收入，如同为每个名词标注精确词典。无此，代理便在巴别塔中自说自话。
• 操作维（Operational）：揭示数据管道当前是否滞后、是否已弃用，如同为每条河流标注实时水文。
• 行为维（Behavioral）：记录分析师真正常用哪些表、哪些指标被高频验证，如同窥见组织心智地图。
• 时间维（Temporal）：保留历史版本与有效窗口，让“昨日之销量”与“今日之定义”泾渭分明。

缺一维，则代理必陷三重困境：冷启动时如赤子无乳，需团队耗月手工填词典；验证瓶颈如永无止境的科举，千个用例仍靠人工核对；复制难题则如每建一城便重修一次城墙，上下文永不复用。Atlan以知识图谱为解，80+连接器持续喂养“活的”上下文层，令代理在推理时可即时查询，而非死记硬背。

🔄 上下文工程三重炼金术：从静态文档到动态生命体

Atlan提出“上下文工程”非一次性文档堆砌，而是三层活法。第一层捕获与结构化：自动发现表列、AI草拟描述、专家认证、入库业务词汇表。第二层动态装配：代理需SQL时，系统实时拼合schema、血缘、术语与相似历史查询，Anthropic所谓“just-in-time”轻量引用，避免上下文崩塌（context collapse）——迭代中关键细节如沙漏细沙悄然流失。第三层反馈闭环：正确结果强化上下文，错误则成修正信号。久而久之，上下文资产非折旧，反成复利。曾有保险客户借此将一年上线周期压缩至一月，足见其力。

👁️ 感官的低语：ContextAgent如何让代理在开放世界主动倾听

若企业元数据是组织记忆，那么ContextAgent论文则将记忆延伸至肉身之外。2025年arXiv:2505.14668v1提出ContextAgent——首个融合大规模可穿戴感官上下文（egocentric视频、音频）的proactive LLM代理。它不再坐等用户发令，而是持续感知开放世界：用户刚到公交站却见尾灯远去，代理已从视觉听觉中提取“错过公交”这一多维上下文，结合历史persona（习惯、偏好），预测“需要出行协助”，随即调用实时班次工具与备选交通工具，悄无声息递上方案。

此举突破两大旧藩篱：其一，从封闭桌面UI（截图、键盘）走向开放感官世界；其二，从纯LLM直接推理升级为“先思后行”工具增强推理器。该推理器经高级推理模型蒸馏的轨迹微调，真正做到“think before act”。实验表明，在ContextAgentBench（1000样本、9日常场景、20工具）上，proactive预测准确率提升达8.5%，工具调用准确率提升6.0%，F1-score更增7.0%。较之规则基或纯提示基代理，ContextAgent如一位朝夕相伴的隐形管家，知你所见、闻你所闻、忆你所习，于你开口前已备好答案。

🌉 三脉交汇：本体、元数据与感官如何共织一张觉知之网

CASO提供形式化词汇表，让观测过程可被精确描述与共享；Atlan将此表转化为企业级可查询基础设施，解决规模化落地之痛；ContextAgent则将基础设施延伸至个人可穿戴感官层，实现真正proactive与unobtrusive服务。三者非孤立技术栈，而是一脉相承的进化阶梯。无CASO之规范，感官数据将成孤岛；无Atlan之治理，企业代理将重蹈40%取消覆辙；无ContextAgent之感官突破，proactive仍困于桌面一隅。合而观之，方见上下文真正威力：它让代理从“会说话的鹦鹉”进化为“懂你心意的影子”。

> 上下文崩塌（context collapse） 指在多轮迭代推理中，早期关键约束或细节因上下文窗口压缩而逐渐被遗忘或稀释的现象。犹如长途跋涉者途中丢弃地图，最终只剩模糊方向。ContextAgent与Atlan均强调动态、增量式上下文更新与反馈强化，正是为对抗此顽疾。

🚀 未来之路：隐私、规模与对齐的共生考验

然前路仍多荆棘。可穿戴感官带来隐私雷区——谁有权持续“看”与“听”？企业上下文图谱需在开放共享与商业机密间走钢丝。规模化后，上下文版本演化若无成熟治理，复制难题将卷土重来。更深层者，代理越 proactive，越需对齐人类真实意图，而非表面行为。CASO可扩展以纳入伦理约束，Atlan的治理标签可延伸至感官数据，ContextAgent的reasoner则需持续蒸馏更安全推理轨迹。三者携手，方能让觉醒不致异化。

🌌 尾声：灯塔已亮，路在脚下

我合上三卷材料，窗外夜色已深。AI代理的迷雾并未散尽，但三束光已然交织成网——本体之严谨、企业之落地、感官之灵动。未来属于那些懂得“先给代理一双慧眼与一颗慧心”，而非只塞提示词的智者。上下文不在云端，而在你我呼吸的空气里，在每一次被看见、被记住、被善待的瞬间。

当代理真正学会在你错过公交前递上下一班时刻表，在你开口问“销量”前已知你指净利时，我们或可真正说：智能，已从工具进化为伴侣。

参考文献

1. Irstea (INRAE). Context Aware System Observation Ontology (CASO). https://irstea.github.io/caso/OnToology/ontology/caso.owl/documentation/index-en.html (2019, rev. 1.2.0).

2. Winks, Emily. Context-Aware AI Agents: Why 40% Fail Without Metadata. Atlan, 2026-03-25. https://atlan.com/know/context-aware-ai-agents/.

3. Yang, Bufang et al. ContextAgent: Context-Aware Proactive LLM Agents with Open-World Sensory Perceptions. arXiv:2505.14668v1, 2025.

4. LangChain. State of Agent Engineering Survey (as cited in Atlan article). 2025.

5. Anthropic. Research on just-in-time context engineering and context collapse mitigation (as referenced in context-aware agent literature). 2024-2026.