当AI Agent的能力越来越强，能写代码、画图、调用工具，甚至执行长程任务，一个新的瓶颈浮出水面——它们仍然像一个个孤立的个体，彼此之间缺乏协作与知识传承。近日，由清华00后博士薛传奕创立的奇点逃逸完成千万级种子轮融资，其正在研发的AI原生团队协作操作系统Nexus，试图让人、Agent、任务、知识和工具在同一份“组织状态”中持续协作，并从每一次协作中实现自进化。这一科技动态引发了行业对AI进入组织方式的深度思考。
从“个人助手”到“组织成员”：Agent协作的断裂与重构
想象一个典型的研发团队：产品经理把需求交给一个Agent梳理，程序员让另一个Agent修改代码，运营则用第三个Agent制定发布方案。几小时后，每个Agent都完成了自己的部分，但团队发现，没人知道其他Agent做过什么、为什么那样做，哪些结论已被确认，哪些变化会影响后续任务。于是，人被迫重新成为信息中转站，复制对话、补充背景、核对版本、拼接结果，甚至把同一件事向不同Agent重复解释。
这就是薛传奕所说的“协作断层”。现有的AI产品大多围绕会话组织信息，一段对话结束，Agent对任务的理解、执行依据和失败经验往往也停留在那段会话中。当任务跨越不同模型、不同成员和不同时间周期，团队不得不反复重建上下文。薛传奕认为，解决这个问题的关键不是让所有Agent同时开始工作，而是先让它们面对同一份事实。
Nexus从组织状态而非单次对话出发。人、Agent、任务、知识和工具被表示为相互关联的对象；一项工作不再只是一段自然语言指令，还包含目标、负责人、依赖关系、权限、当前状态、执行证据和验收结果。在这样的系统中，产品、研发和运营不是分别与三个互不相识的Agent对话，而是围绕同一项工作持续推进。新加入的Agent可以理解前序任务发生了什么，找到相关决策和上下游依赖。这正是AI Agent技术从个人工具走向组织协作的关键一步。
自进化：让Agent从真实任务中学习，而非静态规则
如果Agent只是被预设提示词和工作流，那么它面对动态变化的组织环境时就会显得僵硬。一个项目的目标可能被修改，工具会更新，成员会变化，新的约束随时出现。昨天有效的任务拆解方式，今天未必仍是最优选择；一个Agent在某次任务中犯过的错误，也可能在另一段会话里再次发生。当系统无法消化这些反馈，“长期运行”就只是不断累积规则，Prompt越来越长，Workflow越来越复杂，人工维护成本随之上升。
奇点逃逸认为，真实协作提供了自进化所需的高质量反馈。与静态数据不同，组织任务中天然存在目标、约束和结果。人的修正说明哪里出现了偏差，验收判断给出结果是否可用，失败记录揭示任务拆解、上下文或工具调用中存在的问题。这些信号不是抽象的偏好，而是与具体工作过程绑定的因果证据。
在Nexus的设计中，自进化被概括为三个环节：真实反馈驱动、独立评测、治理采用。系统可以根据反馈提出候选改进，例如调整上下文组织方式、模型路由、任务拆解或工作流配置。但这些变化不会直接进入真实生产环境，而要先通过独立评测，比较效果、稳定性、成本和风险，再由治理机制决定采用、限制、拒绝或回滚。这种机制与系统自由改写自己有本质区别——自进化的前提不是赋予Agent无限自主权，恰恰是建立更严格的证据和治理边界。对于许多AI创业公司而言，这种兼顾灵活性与安全性的设计思路值得借鉴。
图结构：让组织和智能在同一张“工作图”中对话
Nexus选择“图结构”作为底层组织方式，这是其与众不同的核心设计。在Agent系统内部，目标、规划、专业能力、执行、记忆、工具和验证可以成为不同节点。改进发生在哪里、影响哪些能力，能够被定位和追踪。新Agent和新工具也可以作为节点接入，而不必重写整个系统。在组织层面，人员、Agent、任务和知识又形成另一张相互连接的工作图。Agent的观察边界不再局限于一段对话，而是可以在授权范围内理解相关人员、历史决策、上下游任务和可调用资源。
两层图结构连接起来，协作反馈才可能指向具体的能力节点，经过验证的改进也才能重新进入具体工作。这意味着，单个Agent的功能很容易随着模型升级被追平，但组织在持续使用中积累的状态、对象关系、评测基线和协作策略，却是一种不同于模型参数的数据资产：它不只记录答案是什么，还记录一项工作为什么这样完成。
这种设计正在重塑科技公司对AI协作的认知。过去，企业采购AI工具往往只看单点能力，比如AI画图生成设计稿、抠图处理素材，但这些工具之间缺乏组织层面的关联。Nexus试图让所有AI能力成为组织的“节点”，人可以通过AI工具导航快速找到合适的Agent，并让它们在同一张图上协作。
从融资到落地：AI原生协作系统的行业影响
奇点逃逸本轮融资由星连资本与水木创投联合领投，奇绩创坛跟投。薛传奕本科、博士均在清华大学就读，研究方向覆盖强化学习与多智能体，曾在NeurIPS等顶会发表论文，实习期间参与自动驾驶算法研发与实车部署。这种学术与产业结合的背景，让他们的技术路线兼具理论深度和工程可行性。
薛传奕把Nexus的长期方向概括为“AI时代的组织基础设施”。这并非一个关于AI取代多少人的故事，而是更接近另一种变化：当组织中出现越来越多非人类智能，原有的软件和协作方式需要被重新设计。协作与自进化不是两条平行路线，也不是先后发生的两个阶段——Agent只有具备自进化机制，才能适应组织的动态环境；只有进入真实生产环境，它的能力才能被释放，并在持续反馈中积累新的智能。
从行业角度看，这一科技动态预示着AI Agent正从“单体智能”迈向“群体智能”。对于企业数字化转型而言，企业数字化转型不再只是流程自动化，而是让AI真正成为组织的一部分。未来，我们或许会看到更多科技公司采用类似图结构的协作系统，让AI Agent像人类同事一样，拥有组织身份、历史记忆和持续学习能力。
当Agent学会“复盘”：一种新的组织智能形态
如果Nexus的理念得以实现，那么未来团队的工作方式将发生根本性变化。产品经理不再需要同时打开多个对话窗口，而是面对一个统一的协作空间；研发人员不再需要手动同步代码变更，Agent会自动理解上下游依赖；运营团队则能基于历史决策快速调整策略。
更重要的是，每一次协作都会产生反馈，这些反馈经过独立评测后，会转化为Agent的“经验”。这就像人类团队定期复盘，但Agent的复盘更系统、更可追溯。当系统能够回答“为什么要改、改了什么、是否真的更好、有没有损害原有能力，以及出现问题时能否撤回”时，AI才真正进入组织的责任体系。
这种形态对AI创业公司尤其有吸引力。许多初创团队资源有限，希望用AI加速产品迭代，但往往面临工具碎片化、知识难以沉淀的问题。Nexus提供了一种可能：让AI Agent成为团队的一部分，而不是游离在外的工具。当然，技术落地仍面临挑战，比如如何平衡自治与可控、如何保证数据隐私、如何让人类管理者信任AI的决策。但无论如何，这个方向已经开启了一扇新的大门。
对于普通用户而言，你或许很快就能通过AI诗词生成创意文案，或者用艺术签名设计个性化签名，而背后支撑这些功能的，可能正是类Nexus的协作系统——它让不同AI服务之间不再“各说各话”，而是围绕你的需求协同工作。