Hugging Face发布CoworkOS：推动人机协作迈向自动化新阶段

摘要：Hugging Face推出了一款名为CoworkOS的通用型智能体协作框架，旨在解决人机协作在复杂任务中的高要求与长周期决策挑战。CoworkOS采用三层架构，将任务策略与执行管理分离，支持模型直接执行或委托给子智能体，并引入层次化工作空间与持久化语义记忆机制以保持跨会话的连续性。在12个基准测试和6类实际应用中，CoworkOS表现出色，尤其在GLM-5.3驱动的Qwen3.6-35B-A3B模型的后训练自动化中，模型性能显著提升。

---

1. 核心架构与机制

CoworkOS采用三层架构设计：

• 策略层（Strategy Layer）：负责任务分解与决策，包括动作选择、任务委托和结果验收。
• 执行层（Execution Layer）：管理任务的实际执行过程，维护状态和反馈信息。
• 应用层（Application Layer）：提供人机协作的接口，支持文档、演示文稿、CAD模型和Blender场景的实时协作与修改。

通过这种设计，CoworkOS能够实现任务的高效分解与执行，同时确保人机协作的灵活性和可操作性。

2. 关键技术创新

• 层次化工作空间（Hierarchical Workspaces）：通过层次化结构组织任务和资源，支持复杂任务的细粒度管理和跨会话的连续性。
• 持久化语义记忆（Persistent Semantic Memory）：记录关键决策和长期任务日志，确保在中断后能够快速恢复工作状态。
• 子智能体（Subagents）：支持任务的直接执行或委托给子智能体，实现同步或异步的任务处理。

3. 工程权衡与性能表现

CoworkOS在设计上平衡了任务复杂性与系统效率。其三层架构虽然增加了系统的复杂性，但通过模块化设计提高了可维护性和扩展性。在实际应用中，CoworkOS在多个基准测试中表现出色，尤其是在处理长周期任务和复杂协作场景时，显著优于现有的智能体框架。

例如，在使用GLM-5.3作为后端模型对Qwen3.6-35B-A3B进行RSI驱动的自动化后训练中，模型在八个基准测试中的平均得分从33.19提升至42.95，提升幅度达到9.76分。这一结果展示了CoworkOS在提升AI模型性能方面的潜力。

4. 开发者落地与部署建议

对于开发者而言，CoworkOS的模块化设计使其易于集成到现有的AI工作流中。以下是一些部署建议：

• 任务分解与分配：利用CoworkOS的策略层进行任务分解，并根据任务复杂度选择合适的执行方式（直接执行或委托给子智能体）。
• 人机协作接口：充分利用应用层提供的协作接口，实现高效的文档、演示文稿和CAD模型协作。
• 持久化存储与恢复：使用层次化工作空间和持久化语义记忆机制，确保任务状态的连续性和可恢复性。

5. 未来展望

CoworkOS的推出标志着人机协作向更高效、更智能的方向迈进。未来，随着AI技术的不断发展，CoworkOS有望在更多领域得到应用，并推动AI智能体在复杂任务处理中的进一步发展。

---

消息来源：Hugging Face Daily Papers (2026-11-02)

—— 完 ——

主题标签： #Hugging Face 关注 #CoworkOS 关注 #人机协作 关注 #智能体框架 关注 #RSI 关注