2026 年 10 月 9 日，由华为 2012 实验室、华为云与高校、企业开发者联合构建的开源 AI Agent 平台 openJiuwen 发布并开源企业级 AgentOS，把多智能体协同、自演进、算力亲和与企业级安全可靠能力打包进统一底座。它要解决的不是单个智能体够不够强，而是从演示到生产的四道坎：任务链路长、多智能体配合低效、业务经验无法沉淀、算力投入涨而效率不涨。代码以 Apache 2.0 协议托管在 GitHub 与 AtomGit，含分布式智能体运行时、jiuwenswarm 工作与编码智能体、Conch 智能体沙箱、智能体接入网关四个组件，支持单机与集群部署，运行在 openEuler 或 Ubuntu 上。
一、从演示到生产：企业智能体的四道坎
智能体进入企业已走过概念验证阶段，但演示效果与生产应用之间仍有落差。openJiuwen 团队把这道落差归纳为四类问题：复杂任务链路长，单个智能体难以独立完成，多个智能体又缺少配合机制；业务经验难以沉淀，同样的坑反复踩；算力投入不断增加，运行效率未必同步提升；此外还有数据权限、安全隔离与异常恢复，决定企业敢不敢把真实业务交出去。
这四件事的共同点是：都不是模型能力问题，而是运行系统问题。企业级 AgentOS 的定位正由此而来——把开发、运行与管理贯穿成一套系统能力，而非再造一个更强的单体智能体。
二、多智能体原生：让复杂任务有序协作
AgentOS 用蜂群协同与工作流编排组织任务：支持拆解、分工与并行执行，把调研、分析、撰写等环节编排成流水线，并允许人在关键决策点介入。协同不再是模型自由发挥，而是可被调度的结构。
这一层有量化记录。蜂群智能体 JiuwenSwarm 在智能体综合能力基准 PinchBench 上取得 94.2% 综合得分，平均 Token 消耗降低 34.8%；长期对话评测集 LOCOMO 上记忆准确率为 85%。此前 23 位不同专科 AI 专家协同会诊、昇腾算子开发的多角色分工，也验证过同一套机制。
三、自演进原生：把经验沉淀成可复用资产
企业场景里最贵的往往不是第一次做对，而是每次都要重做。AgentOS 依托执行轨迹、用户反馈与记忆机制，支持智能体优化技能与协作方式，把有效的方法沉淀为可复用能力。
配套的 Swarm Skills 机制把团队协作的最佳实践、SOP 与角色搭配标准化封装，让跑通的智能体团队成为可复制的「团队级技能」，并通过 Hub 流通。对企业来说，这意味着系统价值随使用时长累积，而非每次部署从零开始。
四、算力亲和与企业级运行底座
成本与稳定是另一组约束。AgentOS 通过软硬协同、资源调度与推理优化提升算力效率，公开数据包括 Prefix Cache 命中率提升 20% 以上、TTFT 下降 15%，并适配国产算力环境。
安全侧提供多租户隔离、安全沙箱、权限管理与安全护栏，约束数据访问与工具调用，并以故障恢复支撑长任务运行。这四项回答同一个问题：当智能体连续跑几小时甚至几天，企业能否放心。
五、插件化架构与 Agentic Hub：能力按需组合
AgentOS 把模型调用、工具调用与记忆管理做成插件，按需加载、可扩展。面向开发者的北向生态中，技能、连接器、插件、专家与专家团五类资产可组合，通过 Agentic Hub 发布与共享。
这套设计的商业含义是分工：伙伴把行业方法与系统连接打包成自己的资产，不必重复开发通用底座；企业侧获得可插拔的选型空间，不必被单一供应商锁定。
六、一体机与落地样本
技术能力也通过硬件形态交付。华为全联接大会 2026 发布的基于 Jiuwen AgentOS 的一体机开源 Agent 加速平台，内置统一 Agent 网关、分布式运行底座与 WorkSwarm 工作台，据大会信息可实现小时级端到端私有化部署，再通过开放插件接入业务系统、本地知识库与行业模型。
规模方面，openJiuwen 已收获 40K+ Star、650+ 贡献者，累计下载超 300 万，完成 50+ 行业落地，覆盖金融、制造、政务、电信等 10+ 场景。南方电网基于该底座开发设备「数字医生」，准确率超 90%、评价时间缩短至分钟级。
七、企业该准备的三件事
| 准备项 | 常见做法 | 更稳妥的做法 |
|---|---|---|
| 选型 | 先上平台 | 先拆流程 |
| 权限 | 上线后补 | 写进上线清单 |
| 经验 | 每次从零调 | 选可沉淀架构 |
| 算力 | 只看峰值 | 看单位任务成本 |
一是先盘场景再选底座，把流程拆成可验证环节，别用「上一个智能体平台」代替业务目标；二是把权限与审计写进上线清单，明确智能体能访问哪些系统、谁能终止它；三是留下可迁移的经验资产，优先选支持技能沉淀与插件复用的架构。
一道科技在杭州为企业做 AI 大模型定制与 数据挖掘时观察到，多数项目止步于演示的原因不是模型不够强，而是数据边界没划清、经验没有沉淀机制。开源底座的价值正在于把工程问题标准化。
常见问题（FAQ）
区别在于层次。普通框架解决的是如何把一个智能体跑起来，提供模型调用、工具接入与提示编排；企业级 AgentOS 解决的是如何让一群智能体在生产环境持续可靠地跑，额外提供多智能体蜂群协同、自演进记忆、算力亲和调度、多租户隔离、安全沙箱、权限护栏与故障恢复，并把这些能力插件化，通过 Agentic Hub 让技能与经验资产可流通复用。
主要省下重复摸索的成本。AgentOS 依据执行轨迹、用户反馈与记忆机制优化智能体的技能与协作方式，把跑通的方法沉淀为可复用能力，并通过 Swarm Skills 把团队协作的 SOP 与角色搭配标准化封装。效果是同一套系统在多次运行后越用越强，而不是每次任务都从零开始调提示词。
取决于任务是否天然需要分工。若业务流程本身就跨多个角色与系统，例如调研—分析—撰写、检测—诊断—派单，多智能体协同能明显降低人工串接成本；若只是单一环节的问答或生成，单体智能体更经济。建议先用开源底座在一个闭环流程里跑通，验证权限、成本与经验沉淀三项机制后再扩大范围。