Feature Request: CoPaw Agent Teams —— 自然语言驱动的自进化多智能体协作团队

# Feature Request: CoPaw Agent Teams —— 自然语言驱动的自进化多智能体协作团队

## 一、问题背景 & 动机

### 1.1 当前 CoPaw 的多智能体能力现状

CoPaw 1.0 已经支持“在同一实例内运行多个独立智能体工作区，实现工作与生活的身份隔离及复杂任务的异步协作”，基于 AgentScope 框架与 ReMe 记忆机制构建了多智能体基础设施。智能体之间支持并行运行、独立配置，并可进行异步通信与协作。

这是一个很好的基础，但目前的协作模式存在以下局限性：

**1. 团队创建是“手动挡”**
用户需要手动创建每个智能体工作区，手动为每个智能体配置角色和提示词。这意味着用户必须先想清楚需要什么角色、每个角色做什么，再逐个创建。对于复杂任务，这一过程耗时且认知负担重。

**2. 团队生命周期是一次性的**
创建的工作区无法以“团队”为单位持久化保存。每次处理新任务时，如果任务类型与之前类似，用户无法一键复用之前打磨好的团队配置，只能重新手动创建。

**3. 智能体角色是静态的**
每个智能体的角色和提示词在创建后基本固定，不会随着任务的执行和反馈而自我优化。如果某个角色（比如“代码审查员”）在实践中发现更好的审查策略，无法自动沉淀到该角色的提示词中，也无法被后续相似任务复用。

**4. 缺少领导-成员的层级协作架构**
当前 CoPaw 的智能体之间是平级的“异步协作”关系，缺少一个领导智能体来负责任务的自动拆解、角色分配、进度监控和结果整合。

### 1.2 行业参考与可行性验证

本需求并非凭空设想，已有多个成熟的产品和开源项目验证了其可行性：

| 参考来源 | 核心能力 | 与本需求的对齐点 |
|---------|---------|----------------|
| **Claude Code Agent Teams** | 支持多个 Claude 实例并行工作，每个智能体拥有独立上下文窗口，通过共享任务列表和邮箱系统进行智能体间直接通信 | 领导智能体 + 成员智能体的层级架构、智能体间直接通信、并行执行 |
| **HKUDS/ClawTeam** | 港大开源的蜂群智能协作框架，支持 Leader Agent 自动组建子 Agent 团队，分配任务、监控进度、协调结果，无需人工微观管理 | **自然语言自动组队**、自组织协作、Leader 调度架构 |
| **个人博主（老金，结尾有文章链接）agent-teams-playbook Skill** | 216 行提示词实现了“说句‘拉个团队’就能自动组队、自动分工、自动验收”，证明自然语言驱动团队组建完全可行 | 自然语言触发团队创建、自动角色分配、质量把关 |

其中，**ClawTeam** 尤其值得 CoPaw 团队关注。它由港大数据智能实验室（HKUDS）开源，定位为“框架无关的多智能体协调 CLI 工具，让 AI 智能体能够自主组织成团队——分配任务、相互通信、协调工作并合并结果，而无需人工微观管理”。ClawTeam 采用六层解耦架构（基础设施层、通信层、智能体层、编排层、应用层、监控层），支持三层持久记忆（工作记忆、情景记忆、语义记忆）和智能任务编排。考虑到 CoPaw 本身基于 AgentScope 框架且对标 OpenClaw 生态，ClawTeam 的架构设计具有很强的参考和集成价值。

### 1.3 用户痛点总结

作为 CoPaw 的用户，我希望：
- 用自然语言描述一个任务后，CoPaw 能**自动判断需要什么角色**并组建团队，而不是我手动一个一个创建
- 组建好的团队能**长期保存**下来，下次有类似任务直接调用
- 团队里的每个 Agent 能在实践中**不断优化自己的角色和提示词**，越用越聪明
- 后期可以**动态添加或删除团队成员**，不断优化团队结构

## 二、功能需求详述

### 2.1 核心功能：自然语言自动创建团队

**用户故事：** 作为用户，我希望通过一句自然语言描述任务，CoPaw 能自动分析任务复杂度、拆解子任务、生成所需的角色团队，并自动创建对应 Agent，而无需我手动逐个配置。

**示例用户输入：**
> “帮我做一个竞品分析：分析 Notion、Obsidian 和 Logseq 三个笔记产品在知识管理功能上的差异，整理成一份对比报告。”

**系统应自动完成：**
1. **任务分析**：解析任务类型（竞品分析）、领域（知识管理软件）、输出要求（对比报告）
2. **角色规划**：自动规划所需角色，例如：
- 队长（Team Lead）：统筹分析流程、分配任务、整合最终报告
- 产品调研员：负责收集各产品的功能信息和用户评价
- 数据分析师：负责对比分析各产品在知识管理维度上的差异
- 技术撰稿人：负责将分析结果撰写成结构化的对比报告
3. **Agent 创建**：为每个角色自动生成初始系统提示词（System Prompt），包含角色定位、专业领域、输出规范
4. **团队注册**：将整个团队作为一个持久化实体注册到系统中

**设计要点：**
- 团队创建过程应向用户展示规划的角色和分工，让用户有机会确认或调整
- 支持“一键接受”或“编辑后创建”
- 整个流程应通过一次对话交互完成，而非多次表单填写

### 2.2 核心功能：团队持久化管理

**用户故事：** 作为用户，我希望创建好的团队能够长期保留在系统中，除非我主动删除；每个团队应被视为一个可复用的“组织资产”。

**具体要求：**

**a. 团队实体化存储**
- 每个 Agent Team 应作为一个独立实体存储，包含：
- 团队 ID 和名称（可由用户自定义）
- 团队成员列表及每个成员的角色配置
- 团队创建时间和最后使用时间
- 团队元数据（如擅长任务类型、历史执行记录统计）
- 存储格式建议：JSON/YAML 配置文件，支持版本控制，便于导出和迁移

**b. 成员 Agent 持久化**
- 每个 Agent 应持久化保存其：
- 系统提示词（System Prompt）的当前版本及历史版本
- 独立的记忆状态（基于 CoPaw 现有 ReMe 机制扩展）
- 与团队其他成员的协作上下文
- 单个 Agent 可同时属于多个团队，互不干扰

**c. 团队生命周期管理**
- **长期保留**：团队创建后默认永久保存，用户主动删除时才清除
- **团队列表**：提供 CLI 命令（如 `copaw teams list`）或 Web Console 界面查看所有已创建的团队
- **团队调用**：支持通过自然语言调用已存在的团队（如“让我的竞品分析团队来分析一下飞书文档和腾讯文档”）
- **团队克隆**：支持基于现有团队克隆新团队，作为迭代起点
- **团队导入/导出**：支持团队配置文件的导入导出，便于团队分享和跨实例迁移

### 2.3 核心功能：Agent 角色自进化

**用户故事：** 作为用户，我希望团队中的每个 Agent 能够在执行任务的过程中不断优化自己的角色定义和提示词，从而在后续任务中表现更好，而不需要我手动去调整。

**具体要求：**

**a. 提示词自我优化机制**
- 在每次任务执行后，系统应收集以下反馈信息：
- 用户对输出的满意度（显式评价或隐式信号，如是否要求重做）
- 任务执行效率（耗时、Token 消耗）
- 角色间的协作摩擦点（如信息传递不畅导致的重复工作）
- 基于收集的反馈，Agent 的提示词应进行针对性优化，例如：
- 添加更明确的输出格式要求
- 补充被遗漏的领域知识锚点
- 调整与其他角色的协作边界

**b. 优化策略设计**
- **基于反思（Reflection-based）** ：任务完成后，由领导智能体或专门的分析智能体对执行过程进行复盘，生成角色优化建议
- **版本管理**：每次优化生成新版本的提示词，同时保留历史版本，支持回滚
- **用户可干预**：优化建议应先提交给用户确认，用户可选择采纳、修改或拒绝
- **跨任务学习**：一个角色在任务 A 中学到的最佳实践，应能迁移到任务 B 中

**c. 技术可行性参考**
已有学术研究验证了此类机制的可行性：研究表明，赋予智能体自主对弈（self-play）能力并使其主动探索不同提示词组合，可以构建出性能媲美甚至超越专家手工编写提示词的系统。斯坦福的 ACE（Autonomous Context Evolution）方法也证明，通过让上下文反复生成、反思并编辑自己的提示，可以实现自我完善的系统，无需模型重新训练。此外，MARS（Multi-Agent Adaptive Reasoning with Socratic Guidance）框架展示了通过多智能体架构实现自动化提示词优化的可行路径。

### 2.4 核心功能：团队的动态增删与迭代

**用户故事：** 作为用户，我希望在团队创建后，能够随时添加新成员、删除冗余成员或调整角色分工，让团队不断演进以适应新的任务需求。

**具体要求：**

**a. 成员管理**
- **添加新成员**：
- 自然语言方式：“给我的竞品分析团队加一个 UI/UX 体验评测员，专门分析产品界面和交互体验”
- 手动方式：在 Web Console 或配置文件中直接添加
- **删除成员**：
- 支持从团队中移除某个角色
- 如果该成员同时属于其他团队，应仅移除团队关联而非删除 Agent 本身
- **修改角色**：
- 支持调整某个成员的角色定义和提示词
- 修改后应能立即在下一次任务中生效

**b. 团队结构迭代**
- **团队版本管理**：每次对团队的修改（增删成员、调整角色）可记录为团队的新版本
- **性能对比**：支持对比不同版本团队在同一任务上的表现差异，帮助用户决策最优团队配置
- **智能推荐**：基于任务执行数据，系统可主动推荐团队结构优化建议（如“检测到代码审查环节耗时过长，建议增加一名审查员分担负载”）

**c. 操作接口**
- **CLI 命令**：
- `copaw teams add-member --role `
- `copaw teams remove-member `
- `copaw teams update-role --new-prompt `
- **自然语言接口**：
- “给 XX 团队加一个 XX 角色”
- “把 XX 团队里的 XX 角色删掉”
- “把 XX 团队里 XX 角色的定位从 A 改成 B”

### 2.5 补充功能：多智能体协作机制

为实现上述团队功能，还需要底层协作机制的支持：

**a. 领导智能体（Team Lead）**
- 每个团队应有一个领导智能体，负责：
- 接收用户任务并进行任务拆解
- 将子任务分配给合适的成员智能体
- 监控各成员的执行进度
- 协调成员间的信息传递和冲突解决
- 整合各成员的输出形成最终结果

**b. 智能体间通信机制**
- 成员智能体之间应能直接通信，而非仅向领导汇报
- 通信内容应包括：
- 任务进展同步
- 信息共享（如调研员发现的关键信息可传递给分析师）
- 请求协助
- 成果评审

**c. 共享上下文与任务追踪**
- 团队应有共享的任务列表，记录各子任务的状态和依赖关系
- 成员智能体应能查看与自己相关的任务进展
- 支持任务的自助领取（self-claim）机制

## 三、技术建议

### 3.1 架构参考

建议参考 **HKUDS/ClawTeam** 的架构设计思路：
- 六层解耦架构确保模块职责清晰且可独立复用
- 去中心化的文件系统架构，所有状态存储在本地目录，无需依赖外部数据库
- 三层持久记忆机制（工作记忆 + 情景记忆 + 语义记忆），确保跨会话的关键知识不丢失

### 3.2 与 CoPaw 现有架构的集成建议

CoPaw 已有的技术基础为 Agent Teams 功能的实现提供了良好条件：

| CoPaw 现有能力 | 如何复用/扩展 |
|---------------|-------------|
| **AgentScope 智能体框架** | 作为多智能体协作的底层引擎，扩展其 A2A 机制以支持智能体间直接通信 |
| **ReMe 记忆机制** | 扩展为三层记忆架构，支持团队级共享记忆和各角色独立记忆 |
| **多智能体工作区** | 从“独立隔离的工作区”升级为“可协作的团队成员”模式 |
| **控制台管理界面** | 新增“Agent Teams”管理面板，展示团队列表、成员配置和执行记录 |

### 3.3 实现路径建议（分阶段）

| 阶段 | 目标 | 交付物 | 预计时间 |
|------|------|--------|---------|
| **Phase 1: MVP** | 自然语言自动创建团队 + 团队持久化存储 | 基础 Agent Teams 功能，支持用自然语言创建团队并保存配置 | 2-3 周 |
| **Phase 2: 协作增强** | 领导智能体调度 + 智能体间通信 | 完整的 Team Lead → Teammates 层级架构，智能体间可直接通信 | 2-3 周 |
| **Phase 3: 动态管理** | 团队的增删成员 + 团队版本管理 | 成员动态管理 CLI + 自然语言接口 | 1-2 周 |
| **Phase 4: 自进化** | 提示词自我优化机制 | 基于反馈的提示词自动优化，版本管理与回滚 | 2-4 周 |

### 3.4 数据存储方案

建议采用以下存储结构：
```
~/.copaw/agent_teams/
├── teams/
│ ├── {team_id}/
│ │ ├── team.yaml # 团队元数据、成员列表
│ │ ├── versions/ # 团队版本历史
│ │ └── execution_logs/ # 任务执行记录
│ └── ...
├── agents/
│ ├── {agent_id}/
│ │ ├── config.yaml # Agent 配置和当前提示词
│ │ ├── prompt_versions/ # 提示词历史版本
│ │ └── memory/ # 基于 ReMe 的记忆数据
│ └── ...
└── shared/
└── team_memory/ # 团队共享记忆
```

## 四、验收标准

- [ ] 用户可通过自然语言描述任务，CoPaw 自动分析并规划出所需的角色团队
- [ ] 用户确认后，系统自动创建对应的 Agent 并将团队持久化保存
- [ ] 创建后的团队在用户主动删除前永久保留，可通过 CLI 或 Web Console 查看
- [ ] 支持调用已保存的团队执行新任务
- [ ] 每个 Agent 的角色提示词可在任务执行后基于反馈进行自我优化
- [ ] 提示词优化有版本管理，支持用户确认和回滚
- [ ] 支持通过自然语言或 CLI 为已有团队添加新成员
- [ ] 支持通过自然语言或 CLI 从团队中删除成员
- [ ] 领导智能体能自动拆解任务、分配子任务、监控进度和整合结果
- [ ] 成员智能体之间能直接通信和协作

## 五、补充说明

### 5.1 竞品对比参考

| 功能维度 | CoPaw 现状 | Claude Code Agent Teams | ClawTeam | 本需求目标 |
|---------|-----------|------------------------|----------|-----------|
| 多智能体协作 | ✅ 支持隔离工作区 | ✅ 领导-成员架构 | ✅ 蜂群自组织 | ✅ 领导-成员 + 自组织 |
| 自然语言组队 | ❌ 需手动创建 | ⚠️ 部分支持 | ✅ 自动组建 | ✅ 全自动 |
| 团队持久化 | ❌ 无团队概念 | ❌ 会话级生命周期 | ⚠️ 部分支持 | ✅ 永久保留 |
| 角色自进化 | ❌ 静态提示词 | ❌ 不支持 | ❌ 不支持 | ✅ 自主优化 |
| 动态增删成员 | ❌ 不支持 | ⚠️ 手动配置 | ⚠️ 手动配置 | ✅ 自然语言驱动 |

### 5.2 为什么这个功能对 CoPaw 特别重要

CoPaw 的定位是“个人 AI 助理”“数字员工”，其愿景是让 AI 从聊天伙伴进化为能够主动干活的数字搭档。从这个定位出发，“单个 AI 干活”的能力天花板是有限的。真正让 AI 成为“数字员工”甚至“数字团队”，需要让 CoPaw 具备组建和管理 AI 团队的能力。

Agent Teams 功能的加入，将使 CoPaw 从“一个能干活的 AI”升级为“一个能组建并管理 AI 团队的平台”——这是从工具到生态的质变。

## 六、相关资源

- **Claude Code Agent Teams 官方介绍**：https://addyosmani.com/blog/claude-code-agent-teams/
- **HKUDS/ClawTeam GitHub**：https://github.com/HKUDS/ClawTeam
- **老金的 agent-teams-playbook Skill**：https://juejin.cn/post/7606128564415103003
- **Self-Optimizing Multi-Agent Systems for Deep Research**：BAI 论文，证明自主对弈与提示词探索可构建高质量多智能体系统
- **MARS: Multi-Agent Adaptive Reasoning for Automated Prompt Optimization**：多智能体架构实现自动提示词优化的学术参考

**提交者备注：**

作为 CoPaw 的早期用户，我非常期待看到这个功能的实现。如果团队认为这个功能体量较大，建议可以先实现 Phase 1（自然语言创建 + 持久化）作为 MVP，后续逐步迭代。

另外，**ClawTeam** 的架构与 CoPaw 的技术栈（Python + AgentScope + ReMe）有很强的互补性，建议团队可以考虑与 ClawTeam 进行技术对接或架构借鉴，甚至探索集成方案，将 ClawTeam 的蜂群编排能力引入 CoPaw 生态。

希望配套同时增加魔法命令式团队切换（Magic Command /agent）

描述：提供一个类似于 compact 命令的轻量级切换方式，无需调用大模型，快速响应用户指令。用户可以通过 /agent leader（假设已经创建了领导者这个角色） 命令，将自己的对话窗口直接切换到对应角色的上下文环境中，与该特定成员进行沟通或直接下达指令。用户可以通过IM通道来切换agent。