蚂蚁近期宣布开源 Avernet，定位于支撑多智能体协作的基础平台，并披露其已在内部多个业务场景中完成实践。对于关注人工智能、软件开发与企业数字化的团队而言，这类平台化能力的开源，释放出多智能体应用正从单点试验走向工程体系建设的信号。
今日技术观察 点击查看原文> 01 背景速览 从公开信息看，Avernet 被描述为面向多智能体协作的底层平台，目标是为复杂任务分工、调度与协同提供统一支撑。相关披露提到，该方案已在内部 12 个业务场景中得到应用，任务完成率超过 90%。这说明行业讨论的重点，正在从单一模型能力，延伸到多角色协作、流程编排和系统稳定性等更偏工程实践的问题。 02 趋势影响 这一动向对行业趋势有一定启发。随着大模型能力逐步商品化，企业竞争点可能不再只是“接入了哪个模型”，而是能否围绕模型构建可靠的任务流、权限边界和协作机制。多智能体框架如果能够降低开发门槛、提升任务拆解与执行效率，可能会推动 AI 应用从演示型产品进一步走向可持续运营的业务系统。 03 企业应用启发 对企业应用来说，值得关注的不只是开源本身，而是背后的方法论：如何把复杂任务拆成可管理的子任务，如何定义不同智能体的职责，以及如何将协作过程接入现有业务系统。无论是在客服、运营辅助、研发支持，还是流程自动化场景，企业都需要评估这类平台是否便于与自身数据、权限体系和审计机制集成，而不是仅看单次任务表现。 04 合规观察 与此同时，合规与风险控制仍然是落地中的关键环节。多智能体协作意味着更长的执行链路和更多中间环节，数据泄露、越权调用、错误决策传递以及结果不可追溯等问题都可能被放大。对于涉及客户信息、业务核心数据或自动执行动作的场景，企业在引入相关框架时，应同步关注权限隔离、日志留存、人工复核和安全测试等基础能力。 05 开放讨论 围绕这一进展，有几个问题值得继续讨论：多智能体平台真正提升的是开发效率、任务成功率，还是业务可控性？企业在引入开源协作框架时，应该优先验证哪些指标？当 AI 系统逐步接入真实业务流程后，组织治理、责任划分与安全边界又应如何同步升级？ 公开来源参考 蚂蚁开源Avernet，为多智能体协作搭建“操作系统”！内部跑通12大业务、任务完成率超90%