核心判断

单体Agent拼的是聪明，多Agent拼的是管理。

白皮书解读

01

QwenPaw + AgentTeams

各司其职，各有定位

先搞清楚两个产品的关系。

AgentTeams联手QwenPaw，打造企业级多Agent协作 & Harness工程模式。

QwenPaw是什么？

是面向个人的智能助理。

在小模型、安全机制、多智能体协同、记忆管理方面做了深度优化。

目标：成为真正可控、稳定的个人智能助理。

AgentTeams是什么？

是直接面向企业，作为企业的Agent团队。

采用Manager - Team Leader - Workers协作架构。

专注企业内的人和Agent（QwenPaw）、Agent和Agent之间的协作场景，以及Agent模式下的驾驭工程落地场景。

两者的共同目标：

共建更智能、更安全、更规范、更易用的多智能体基础设施。

具体包括什么？

• • 提升Agent不同构建方式的一致性体验
• • 优化人和Agent、多Agent间的协作体验
• • 加强Agent运行过程中的系统支持
• • 从单体编排到网络化协同
• • 从黑盒执行到全程透明，再到Agent自进化
• • 从自持凭证到零信任治理

一句话总结：QwenPaw是单兵作战的精锐，AgentTeams是指挥协同的司令部。

02

三层架构

运行时+协作层+治理层

AgentTeams的整体架构三层。

运行时层：Runtime-neutral。

已支持QwenPaw、OpenClaw、Hermes。

OpenClaw只是其中之一。

这一层解决的问题是：不管你用什么Agent框架，都能接进来。

不是又造一个轮子，是让现有的轮子都能在这个平台上跑。

协作层：Manager–Workers。

Team / Team Leader、Matrix通信、共享存储与HITL控制点。

这一层解决的问题是：多个Agent之间怎么配合、怎么分工、怎么沟通。

不是简单的任务分发，是真正的团队协作。

治理层：Observable · Governable。

多Agent与人类协作，可观察、可治理、可扩展。

这一层解决的问题是：怎么管、怎么控、怎么保证安全和合规。

这才是企业级和玩具级的分水岭。

为什么说从HiClaw升级到AgentTeams，是让名字回到项目的本质？

因为HiClaw听起来像是又一个Claw（OpenClaw），但实际上它不是。

它不是又一个Agent运行时，是让Agent们组成团队的地方。

改名叫AgentTeams，定位一下子就清楚了。

03

企业级能力才是硬骨头

安全治理+统一管理+可观测

多Agent落地企业，最难的是什么？

不是编排，是治理。

LLM调用统一治理。

11项能力，每一项都是企业刚需：

1. 1. Agent（消费者）认证
2. 2. Agent大脑切换
3. 3. Agent Fallback
4. 4. LLM服务多API Key加密管理
5. 5. Agent Token配额管理
6. 6. Agent交互安全管理
7. 7. AI安全护栏
8. 8. Agent推理结果语义缓存
9. 9. Agent联网搜索
10. 10. Agent可观测
11. 11. Agent工具精选

每个Agent根据职责、职能可以有不同的LLM，可以基于Agent维度做精准管控——限流、Token配额、安全。

这是什么概念？就是企业里不同部门、不同角色的人，能用的模型、能花的预算、能碰的工具，都不一样。

Agent也一样。

企业级Skill/MCP安全统一管理。

这是另一个硬骨头。

开发一个AI应用或者做现存业务的AI增强，AI Agent需要和大量现存业务做交互。

MCP虽然是统一的协议，但将现存业务重构为MCP Server的成本非常高。

而且目前支持的开发语言有限，像Go、PHP都没有对应的MCP SDK。

怎么办？

AgentTeams的思路是：网关做协议转换。

注册在MSE Nacos中的现存业务服务（SpringCloud服务、Dubbo服务、Go服务）不需要做任何改变。

在MSE Nacos中新增特定命名规范的配置文件，用MCP规范对现存业务的接口进行描述。

通过云原生API网关（MCP网关），MCP Client侧自动发现由传统服务转换来的MCP Server。

一句话：零代码改造，把老服务变成MCP Server。

这才是真实企业环境里的解法——不是让业务系统来适应Agent，是让Agent来适配业务系统。

AgentTeams Market：三层资源资产。

从原子技能到整编团队：

• • Skill市场——原子化的技能插件（如GitHub检索、日历读取）
• • Agent模板——预装好特定Prompt和Skill的垂直领域数字员工（如前端工程师、数据分析师）
• • Team模板——包含"Manager +多个协同Worker"的整编数字团队配置
• 

双轨技术底座：

• • 开源版：无缝接入agency-agents，社区驱动，冷启动极快
• • 商业/企业版：基于Nacos AI Registry构建，企业级AI资产治理

开源搞社区，商业搞安全。

两条腿走路，兼顾繁荣与可控。

04

引擎可插拔

不绑定任何框架

AgentTeams有一个很重要的设计理念：协议级解耦，消除Agent框架绑定。

统一的语言。

无论是Manager还是Worker，所有Agent间的沟通全部基于标准的Matrix协议。

底层透明。

AgentTeams不与任何单一Agent框架强绑定。

你的核心资产——协作流程——永远沉淀在平台层。

引擎热插拔。

目前完美支持双擎驱动：

• • QwenPaw：自研，强在综合任务规划与执行，适合复杂逻辑拆解，而且比较轻量
• • OpenClaw：在特定自动化操作和领域场景有其他的需求，可以选择使用

“混编团队”。

极致的灵活性：允许用OpenClaw作为Manager统筹全局，同时指派QwenPaw作为Worker完成具体任务，反之亦然。

跨引擎协作：不同底层实现的Agent能够在同一个协作底座内无缝沟通，共享上下文。

面向未来的无限扩展能力。

理论上只要封装好Channel Plugin接入Matrix，未来随时可以平滑接入Claude Code、QoderWorker或企业内部自研的手搓Agent。

积木式可拔插架构，彻底解耦的协作底座。

这意味着什么？

意味着你不用担心技术选型押错宝。

今天用QwenPaw，明天想换Claude Code，协作流程不用改，Team配置不用变，治理规则不用重新建。

换的只是引擎，资产全部保留。

这对企业来说，太重要了。

部署形态三级跳从极客桌面到企业级全托管不同阶段不同选择

最后，看看AgentTeams的部署形态演进。

三级跳，对应不同的用户和阶段。

第一级：开源单机版——极速验证。

部署形态：极简Docker容器化打包，All-in-One镜像。

运行环境：适配任何安装有Docker的算力节点（个人PC、云服务器ECS、无影云电脑）。

目标客群：个人开发者、极客玩家、早期架构验证者。

核心价值：零门槛极速拉起，5分钟在本地体验OPOC多Agent协同。

第二级：云上企业版（PaaS）——高可用、强合规的解耦部署。

部署形态：基于阿里云CADT（云速搭）模板的"一键拉起"能力，核心组件深度解耦。

运行环境：核心组件完美映射至阿里云高安全、高SLA产品。

目标客群：有弹性扩缩容需求、强数据合规与灵活扩展要求的中大型企业。

核心价值：享受云原生基础设施的极致稳定与安全防护，满足企业级IT审计与权限管控和灵活扩展需求。

第三级：阿里云独立产品——全托管、开箱即用、解放生产力。

部署形态：阿里云一方产品形态，底座完全对用户透明的全托管服务。

运行环境：阿里云全托管免运维环境。

目标客群：所有类型的用户（从小白用户到大型企业业务团队）。

核心价值：零运维成本，聚焦业务逻辑本身，按量或订阅付费，开通即享最高安全级别的数字员工集、可观测大盘、Agent调优等。

从极客/验证，到企业/合规，再到全民/生产。

三级跳，每一级都有明确的定位和价值。

企业可以根据自己的阶段和需求，选择合适的形态。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】