ALL INTELLIGENCE
腾讯技术工程 (微信公众号)T2·Agents

Multi-Agent Collaboration Bottleneck Shifts from Models to Context Flow

Original title: 多Agent协作的下一场竞争,不在模型,而在上下文
42AI Score

The article argues that collaboration is fundamentally about transferring context rather than exchanging messages, and that context loss compounds multiplicatively once multiple agents join the loop. Using its internal tool Siboot as an example, the author proposes redesigning group-chat collaboration around context flow, isolation and hand-off. It remains a product-philosophy essay without verifiable technical parameters or benchmark data.

Full Report

Contents11 sections

Siboot 的协作产品哲学

AI 时代,人和 Agent 到底怎么协作? 聊聊产品设计的底层逻辑——上下文如何在群里流动、隔离、接力。 我们做了一个司内工具Siboot ,讲讲我们如何重构 AI 时代的群聊。

一、先问一个被跳过的问题:协作到底在传递什么?

我们习惯把协作理解成"发消息"。

于是过去二十年,所有协作工具都在优化发消息这件事:IM 让消息更快,邮件让消息更正式,在线文档让消息能被多人同时编辑,会议软件让消息能带着表情和语气。

但如果你把镜头拉远一点会发现,消息只是载体,真正在两个人之间流动的,是上下文——

你为什么做这个决定、你考虑过哪些方案、你排除了什么、你现在卡在哪一步、你手里有哪些材料、这件事的边界在哪。

消息是上下文被压缩、编码、说出口之后的产物。你说出来的,永远比你脑子里的少。听的人再解码一遍,又少一层。

协作的全部难题,本质上都是上下文在传递过程中的折损问题。

人类社会用了几千年来对抗这种折损:我们发明了会议纪要、需求文档、复盘、对齐、周报——这些动作没有一个在"生产价值",它们全都在搬运上下文、对齐上下文、补齐上下文。

举个每天都在发生的例子:

产品和研发开了一小时会,敲定了一个方案。散会后,产品要写一份需求文档,把刚才聊透的东西再落成文字;研发回去还要跟没参会的组员同步一遍;测试同学没参与,只能等文档出来再从头理解一次。 这一小时会议里真正产生的价值,可能就是那几个关键决策。但为了让这几个决策流动到每个相关的人脑子里,团队又额外付出了写文档、开同步会、反复答疑的成本——而且每传一手,都会丢一点、变一点形。

这在"人和人"的时代是可以忍受的。因为折损虽然存在,但链路短,而且人有常识、会脑补、能追问。

问题是,这个时代结束了。

二、当 Agent 上桌,折损开始按乘法叠加

Agent 变强之后,一个很自然的做法是:把它塞进人已经熟悉的工作流里,让它能被 @、能回消息、像个同事。

这一步是对的。人不需要搬家,Agent 就能拿到人类上下文生产最密集的地方。

但它只解决了"Agent 进场",没有解决"Agent 进场之后,上下文怎么流动"。

看一个真实到每个人都经历过的场景:

你让你的 Agent 写了一版竞品分析。它写完,你先读一遍、消化,然后把结论转述给协作的同事:"大概就是 A 比我们强在 X,我们的机会在 Y。" 同事按他的理解,再讲给他手上的 Agent,让它据此出一版方案。他的 Agent 产出结果,同事再读一遍、再转述回来给你。 一圈下来,最初那份竞品分析里的细节——那些你的 Agent 明明分析到了、但你转述时觉得"太细就没提"的部分——在第二个 Agent 眼里,从一开始就不存在。

一条任务链,上下文被编码-解码了四次。每一次都是一道有损压缩。

单人时代,折损是加法:讲一遍,损一点。 人-人-Agent 时代,折损是乘法:每多一个协作节点,就多一层转述;每多一层转述,前面所有的损耗都被继承下来,再叠加一层新的。

而且更糟的是——人被卡在了链路中间当中继器。

Agent 算得再快,也要停下来等你把上下文"翻译"给下一个人、下一个 Agent。你越忙,整条链路越堵。你不是在协作,你是在给一群比你算得快的东西当传声筒。

这才是多 Agent 协作真正的天花板。不是模型不够强,是上下文的流动方式还停留在"为人转述"设计的旧范式里。

三、两条路:让 Agent 学会转述,还是让大家共享上下文

面对这个问题,行业里其实分出了两条路。

第一条路:让 Agent 更像人。 教它把工作成果打包成一段漂亮的总结,@ 给下一个人或下一个 Agent,像同事之间发消息一样。

这条路很顺,因为它不改变任何人的习惯。但它没触碰问题的根:只要还靠"总结-转述-再理解",折损就还在,只是把搬运的活从人手里挪到了 Agent 手里。你依然是在用通信来共享上下文。

第二条路,反过来:不靠通信共享上下文,而是靠共享上下文来通信。

这句话是整件事的转折点,值得拆开讲。

人为什么必须"说出来"别人才懂?因为人的想法锁在自己脑子里,不说出来没有第二条通路。

但 Agent 不一样。它做过什么、改了哪个文件、生成了什么产物、任务跑到第几步——这些本来就是可以被实时记录、也可以被另一个 Agent 直接读取的结构化状态。

把这些东西压成一段聊天记录,再让下一个 Agent 从消息里去"猜"人类想表达什么,是一种倒退。能直接读的东西,不该被重新翻译成人类包装过的语言,再让机器去逆向解码。

所以真正的解法不是优化转述,是消灭转述:让协作的各方——人也好、Agent 也好——站在同一份实时的上下文之上。不是把上下文从一个脑子搬到另一个脑子,而是让它从一开始就摆在一个大家都能看见的地方。

协作不再是"我把我知道的告诉你",而是"我们看着同一个现场一起干"。

四、Siboot 的答案:群是场,Topic 是焦点,@ 是接力

想清楚了上面这层,Siboot 为什么长成现在这样,就不是产品选型问题,而是被逻辑推出来的必然结果。

我们没有做一个"能调用 Agent 的工作台",我们做的是一个让人和 Agent 共享同一个工作现场的空间。这个空间的三个核心构件,各自解决上下文的一个环节。

1. 群:共享上下文的"场"

群不是一个聊天窗口,是一个持续在场的上下文容器。

在 Siboot 的群里,人说的话、Agent 做的事、产生的文件、跑起来的任务——都沉淀在同一个空间里,对所有成员(人和 Agent)实时可见。

这意味着:一个新任务被抛进来时,群里的 Agent 不需要你重新交代背景。上周的决策、昨天的结论、刚才那份文档,它本来就"在场",本来就看得见。

场景:一句话就能接住的需求 周五下午,用户在项目群里随口发了句:"麦林炮手 Agent 那个头像挺带感的,是自动生成的吗?" 群里的产品 Agent「曦曦」看到了。它不需要你把"我们在做什么产品、这个头像功能归谁、之前讨论过没有"再讲一遍——这些上下文它一直都在群里看着。它直接判断这是个有价值的信号,顺手就把它登记成了一条需求,还带上了原始出处。 你要做的,只是看一眼它登记得对不对。你没有当任何一秒的传声筒。

你不再需要为每一次协作重新组装上下文。上下文不是被传递进来的,它一直就在这里。 这是对"通过共享上下文来通信"最直接的落地——群就是那个被共享的上下文本身。

2. Topic:上下文的聚焦与隔离

但共享有一个天敌:噪音。

一个群什么都往里装,很快就变成一锅粥。人会被淹没,Agent 更会——它会把闲聊、跑题、临时插话全都当成上下文吃进去,然后给你一个被污染的判断。

Topic(话题线程)就是为此存在的。它是上下文的管理单元:每一个议题独立成线,相关的人、相关的 Agent、相关的材料收拢在一条线里,跟其他议题的噪音物理隔离。

场景:为什么同一个群要拆成好几条 Topic 一个二十人的项目大群,同一个上午可能在并行聊三件事:新版本的告警策略、一个线上 BUG 的复盘、下季度的规划方向。 如果全糊在一个消息流里,人得靠翻记录考古,Agent 更惨——你让研发 Agent 去跟进那个 BUG,它的上下文窗口里却塞满了"规划方向"和"告警策略"的讨论,判断很容易被带偏,Token 也白烧。 拆成三条 Topic 之后,跟进 BUG 的 Agent 只活在"BUG 复盘"这条线里。它看到的每一条上下文都跟这件事相关,注意力不被稀释,成本也花在刀刃上。

这件事的深层价值不在"界面整洁",在于它让上下文变得可界定——

  • 对人:你点进一个 Topic,看到的是这件事的完整脉络,不用在几百条消息里考古。
  • 对 Agent:它的上下文窗口不再被无关信息稀释。Topic 边界,就是 Agent 的注意力边界,也是它的成本边界——每一个 Token 都花在这件事上,而不是花在理解"隔壁那个不相干的话题"上。

如果说群解决了"上下文在哪",那么 Topic 解决了"哪些上下文属于这件事"。多 Agent 协作能不能不崩,很大程度上取决于你能不能把上下文切干净。 这是最容易被忽略、但最致命的一环。

3. @:接力,但不搬运上下文

有了共享的场和干净的焦点,最后一件事是接力——把一件事从一棒交到下一棒。

在很多产品里,接力等于"打包 + 转述":我把我这段的成果总结一下,发给你或你的 Agent,你再从这段总结里理解我做了什么。这又回到了折损的老路。

在 Siboot,接力就是最朴素的一件事:在一条 Topic 里,@ 下一个人或下一个 Agent。

关键不在 @ 这个动作,而在被 @ 的人和 Agent,本来就站在这条 Topic 的完整上下文里。你不需要把前因后果打包给它——它一进来,看到的就是这件事从头到尾的原始现场,不是你压缩过两道的"结论"。

场景:三个 Agent 在一条 Topic 里把需求跑上线 曦曦把上面那条"头像自动生成"的需求想清楚后,在一条专门的 Topic 里 @ 了研发 Agent「小鲁班」。 小鲁班没有收到一份"需求摘要",它看到的是这条 Topic 里完整的讨论:用户原话、曦曦的判断、要做成什么样、边界在哪。它据此拉分支写代码,写完在同一条 Topic 里 @ 验收 Agent「小燕子」。 小燕子看到的同样是全链路的真实状态——需求怎么来的、代码改了什么,不是被转述两手之后的版本。它复核、跑用例、补上验收记录,再 @ 真人来拍最后一板。

整条链路里,没有任何一次"把上下文从一个脑子搬到另一个脑子"。@ 只负责喊下一棒进场,上下文早就在 Topic 里等着它了。人只在最后出现一次:验收。

这就是"接得上彼此的工作"的真正含义:不是把结果转述给下一棒,而是让下一棒直接站进同一个现场。 折损,在这里被降到接近于零。

群、Topic、@ 三者合起来,构成了一条低折损的上下文流水线:上下文在场(群)→ 上下文聚焦(Topic)→ 上下文接力(@)。这不是三个功能的堆叠,是同一个协作哲学的三个切面。

五、还差一维:Agent 得会管自己的文件,才谈得上"自迭代"

到这里,我们讲的都是横向的事——此刻,大家怎么站在同一个现场里一起干。

但协作还有一个纵向的维度:时间。

一条 Topic 讨论完,会沉底;一次会话结束,热的上下文会慢慢变冷。今天群里吵得热火朝天的那个决策,三个月后还有没有人记得、Agent 还引不引得出来?如果答案是"忘了",那所谓的"共享上下文"就只是一次性的——用完即焚,攒不下东西。

人是怎么解决这件事的?我们有笔记本、有文件夹、有 Wiki、有归档。我们把流动的对话,沉淀成可以反复调取的结构化资产。一个靠谱的同事,不只是当下反应快,更是"这事儿他那儿有记录、有沉淀、越干越门儿清"。

Agent 要成为真正的同事,也必须过这一关:它得有自己的文件系统,并且知道怎么整理它。

这件事被严重低估了。很多人以为 Agent 的记忆问题靠"更大的上下文窗口"就能解决——把所有历史都塞进去不就行了?但这既烧钱又低效,而且窗口再大也装不下一个团队几个月的全部信息。真正的解法,和人一样:不是把所有东西都记在脑子里,而是把它们分门别类地写下来,需要时再精准地取回来。

这恰恰是"共享上下文来通信"在时间轴上的延伸——热的上下文在群和 Topic 里实时共享,冷的上下文在文件系统里结构化沉淀。两者接起来,Agent 才既活在当下,又长着记性。

分享下我们的实践,我捏了个产品 Agent 叫曦曦,她有一块属于自己的云盘。云盘里,是一套有规矩的结构:

  • 一个收件区(inbox):群里冒出来的新反馈、新想法,先扔进这里暂存,不让它们散落丢失。
  • 一份事实与决策记录(notes):项目背景、已经拍板的决策,沉淀在这里。下次讨论,她不会"忘了上次说过什么"。
  • 需求与 BUG 的独立档案:每一条需求、每一个 BUG 都是一个独立文件,有编号、有来源、有状态。它们从群聊里的一句话,变成了可以被跟踪、被检索、被去重的资产。
  • 分层的报告目录:日报、周报、月报,各自归位。

而更关键的,不是"AI员工有这些文件夹",而是AI员工知道怎么维护它们——

AI员工有一套定时任务,每隔一段时间自动醒来:去把群里的新消息拉下来、判断哪些是有价值的信号、登记成需求或 BUG、更新决策记录、该写日报的时候把这一天的进展落成文档。新登记一条需求前,AI员工会先在已有档案里检索一遍,命中相似的就补充进去,而不是建一条重复的。

你注意到了吗——这套动作,和一个尽职的人类同事整理自己工作台的方式,几乎一模一样。区别只在于,AI员工不会累,不会忘,也不会因为周五下午犯懒就跳过归档。

正是因为有这套"会自己整理的文件系统",AI员工才谈得上"自迭代": AI员工今天做的判断会沉淀成明天的依据,这个月的需求会长成下个季度的背景知识。AI员工不是每天早上重新出生的金鱼,而是一个有连续记忆、会越干越熟的同事。

为什么这件事对"人-人-Agent 协作"是刚需

放到协作层面看,这一维的价值更清楚:

  • 对人:你不用再当 Agent 的"外置硬盘",天天提醒它"上次我们定的是这个""那个文档在哪"。它自己存着、自己取。
  • 对 Agent 之间:一个 Agent 沉淀下来的结构化档案,是另一个 Agent 可以直接读取的上下文源。今天曦曦写的需求文档,明天别的 Agent 接手时直接就能看懂来龙去脉——又是一次"共享上下文来通信",只不过这次跨越的是时间。
  • 对团队:Agent 的文件系统是白盒、可治理的。它整理得对不对、沉淀了什么、有没有偷懒,人可以随时打开看、随时纠正。这跟"黑盒记忆"是两回事——你能管的记忆,才是能托付的记忆。

所以,一个 Agent 值不值得当同事,除了看它当下反应多快,还要看一件容易被忽略的事:它会不会整理自己的东西。 不会整理的 Agent,聊得再热闹,也只是个高级聊天机器人;会整理的 Agent,才是那个"你放心把事交给它、下次它还记得"的团队成员。

六、那人去哪了?——人的位置反而更清楚了

到这里一定有人会问:上下文都共享了、Agent 之间自己接力了,那人是不是被架空了?

恰恰相反。人从"中继器"里被解放出来,回到了他本该在的位置。

过去人被困在链路中间,大量精力花在搬运、转述、补充解释、对齐同步——这些都是低价值的胶水劳动。它们之所以存在,只是因为上下文没法自己流动,需要有个人在中间倒腾。

回到上面那条需求:从"用户群里一句随口的话",到"测试环境 URL 摆在你面前",整个过程里人只动了两下——开头确认这个需求值得做,结尾验收这个功能能不能上。 中间所有的搬运、转述、同步,都被系统吃掉了。

当上下文能够共享、能够接力,剩给人的,是机器给不了的四件事:

  • 定目标:这件事到底要解决什么,值不值得做。
  • 做判断:方案对不对、取舍合不合理、结果能不能接受。
  • 划边界:什么能做、什么不能碰、红线在哪。
  • 做验收:最后拍板的那一下,责任落在人身上。

这四件事,没有一件是"搬运信息"。它们全是判断和责任——而判断和责任,恰恰是人区别于工具的地方。

所以 Siboot 想做的,从来不是"用 Agent 替代人",也不是"让人更会用 Agent"。是重新分配人和 Agent 在协作链路里的位置:让 Agent 承接上下文的流动和执行,让人回到目标、判断、边界和验收。

人-人-Agent 协作的理想态,不是人指挥一群机器,也不是机器取代人,而是大家站在同一个共享的工作现场上,各自做自己最该做的事,中间没有传声筒。

七、结语:协作工具的下一场竞争,在上下文层

这些年 AI 产品的能力曲线很陡:从单点问答,到 Agent 执行,到多 Agent 协作。大家都在卷模型、卷工具、卷 Agent 数量。

但我们越做越确信一件事——当每个 Agent 都足够强之后,胜负手不在单个 Agent 有多能干,而在这些 Agent 和人之间,上下文能不能低折损地流动起来。

模型决定了每个节点有多强,上下文管理决定了整个网络能不能协同。前者是算力问题,后者是产品问题,也是 Siboot 选择死磕的地方。

协作的本质,从第一天起就是共享上下文。 只是在人的时代,我们用转述凑合了几千年。 到了人-人-Agent 的时代,凑合不下去了—— 所以我们干脆把它重做了一遍。

群是场,Topic 是焦点,@ 是接力,文件是记性。 前三件让上下文在此刻低折损地流动,最后一件让它跨越时间沉淀下来——横向共享,纵向沉淀,一个协作网络才算真正立起来。

底下那条主线只有一句话:

别再让人给 Agent 当传声筒。让大家,看着同一个现场,一起干;让每一次协作,都变成明天还取得回来的沉淀。

最后说句心里话。AI 工具目前还远不是最终形态——很多地方我们自己也还在摸,怎么让小白用户也能快速捏一个更好的AI员工,哪些该 Agent 干、哪些该人拍板、边界在哪,都还有大片模糊地带没走清楚。分享下我们的实践经验,欢迎一起讨论交流~。

跳转微信打开