OoderAgent · ApexOS流程驱动的超级智能体

从 ooderAgent 框架到 Apex OS 操作系统，以场景引擎为内核、以技能为原子、以意图分发为 OS 大脑、以记忆体为进化引擎的分布式智能体体系。

目录

1. 智能体的本质：强交互与记忆积累
2. 产品脉络：从 ooderAgent 到 Apex OS
3. superAgent 范式：编排器智能体与浮动上下文
4. 核心架构推导：superAgent + agent-os = ooderAgent apexos
5. 意图分发：OS 的大脑 / NLP 的核心入口
6. Agent 独立闭环：场景即技能
7. 无限记忆：记忆体存储图
8. 外部跳转与阶段总结：harness loop 子任务
9. Human 关键点把控
10. 技能生态与南向协议
11. SSE 事件驱动闭环
12. 真正的超级智能体

1智能体的本质：强交互与记忆积累

在讨论 apexos 之前，先回答一个根本问题：什么让一个系统成为"智能体"，而不是"带 LLM 的工具"？

核心命题：智能体的意义和价值，在于强交互。记忆越积越厚，智能体才能越用越聪明。一次性的问答只是工具，能持续积累、能被随时回溯、能在关键点与人协作的，才是智能体。

这意味着真正的智能体必须具备两个长期能力：

① 强交互（Strong Interaction） 不是单向输出，而是在关键决策点主动征询人类意见，把人类判断纳入流程闭环。交互越精细、越在关键节点，智能体的可信度越高。这与 Apex OS 的"软件即伙伴"理念一脉相承——传统软件是"人适应软件"，AI 时代软件是"软件适应人"。

② 记忆积累（Memory Accumulation） 每次流程执行都不从零开始——历史上下文、业务数据、决策轨迹都被持久化为记忆体，LLM 可随时增强读取，形成越用越聪明的飞轮。Apex OS 内置 RAG 与场景组持久化，正是这一能力的工程化。

而 superAgent 就是流程驱动的智能体。流程（Workflow / 场景）既是能力的载体，也是记忆的骨架，也是交互的脚本。apexos 要做的，就是把"流程驱动"这一范式工程化为一个可运行的操作系统。

2产品脉络：从 ooderAgent 到 Apex OS

要理解 apexos，必须先厘清 ooderAgent 与 Apex OS 的关系。二者并非竞品，而是"引擎与整车"的共生关系。

ooderAgent技术框架 · V8 引擎P2P 分布式架构（End/Route/MCP）Skill 技能原子化 · 可版本可审计A2UI 结构化 UI 组件SceneGroup 协作环境"灵魂：智能调度与能力抽象"Apex OS企业级操作系统 · 整车SceneEngine SDK 场景引擎四级用量统计（公司-部门-用户-模块）GraalVM 原生镜像 128MB 启动南向协议 · 企业级安全治理"躯体：商业可用与工程落地"封装复杂性 · 补齐企业短板ooderAgent 是 Apex OS 的灵魂，Apex OS 是 ooderAgent 的躯体

图 1 · ooderAgent 与 Apex OS 的共生关系

2.1 ooderAgent：AI 世界的"物理定律"制定者

ooderAgent 是一个纯粹的技术框架，定义 AI 如何像软件一样被构建、被调度、被信任，解决"从 0 到 1"的底层逻辑问题。核心特征：

• P2P 分布式架构：引入 End Agent（终端）、Route Agent（路由）、MCP Agent（管理）三层网络拓扑，从底层协议支持断网运行、边缘计算与 NAT 穿透。
• 能力的原子化：创造 Skill 概念，AI 能力不再是不可控的 Prompt，而是可版本化、可审计、可复用的标准化代码单元。
• 交互的重构：提出 A2UI，让 AI 输出从纯文本变为结构化 UI 组件。

2.2 Apex OS：企业落地的"最后一公里"

Apex OS 是基于 ooderAgent 内核发行的商业版操作系统，解决"从 1 到 N"的工程化问题：

• 封装复杂性：通过 SceneEngine SDK 提供可视化场景管理，用户只需关注业务，无需关心底层 P2P 通信。
• 补齐企业短板：引入四级用量统计（公司→部门→用户→模块），解决企业最头疼的成本分摊问题。
• 极致工程优化：GraalVM 原生编译，128MB 内存启动，具备在路由器、工控机等边缘设备运行的能力。

官方定位：Apex OS 是新一代

AI 原生应用操作系统，对标 Spring Cloud，目标是成为 AI 时代的微服务治理标准。核心创新是 SceneEngine（2.3.x ~ 3.0.3）实现"场景即技能"，1 周构建智能化系统，效率提升 14 倍。SceneEngine 3.0.3 已发布至 Maven 中央仓库，Java 应用只需一行

<dependency>

即可引入多轮对话、Function Calling、RAG 等商业级 LLM 能力，技术栈要求 Java 8+ / Maven 3.6+，与 Spring Boot 无缝集成。开源协议 MIT，基于 Java 21 + Spring Boot 3.4.x。

2.3 3+1 场景架构与一核两翼三链

ooderAgent 2.3 提出 "3+1 场景架构"，将 AI 原生应用的复杂性抽象为四个层次：三层基础能力（云原生协作 + 知识协作 + 智能协作）+ 一层业务封装（场景）。这是 Apex OS"场景即技能"的架构根基——业务场景继承三层基础能力，无需重复造轮子。

3+1 场景架构

• 1 云原生协作：服务发现 / 弹性伸缩 / 安全合规 / 可观测性
• 2 知识协作：语义检索 RAG / 知识图谱 / 术语标准化
• 3 智能协作：意图理解 / 动态工作流编排 / LLM 智能决策
• +1 场景引擎：业务功能智能封装与编排

一核两翼三链架构

• 一核：核心抽象层（网络 / 安全 / 协作）
• 两翼：南向服务层 + 北向服务层
• 三链：SkillsFlow 引擎链 + 数据中心链 + 工具链飞轮
• 能力中心层：规范 / 分发 / 管理 / 监测 / 协同

2.4 产品矩阵与三档部署

ooderAgent 提供完整产品矩阵，覆盖个人开发者到企业级场景：

Apex OS 提供三档部署版本，按硬件资源弹性选择：

内嵌 SQLite 使部署极其轻量，无需复杂数据库环境配置；GraalVM 原生编译让 128MB 内存启动成为可能，具备在路由器、工控机等边缘设备运行的能力。

3superAgent 范式：编排器智能体与浮动上下文

superAgent（超级智能体）是行业正在收敛的架构范式。其本质是：一个中央编排智能体作为用户的单一入口，把复杂请求分解为子任务，路由到背后一组专业化的子智能体执行。

superAgent编排器智能体单一入口 · 浮动上下文分解 + 路由 + 汇聚用户单一入口浮动上下文Shared Session Memory子智能体 A设计子智能体 B建模子智能体 C测试 harness三大支柱：编排（Orchestration）· 上下文管理（Context Management）· 统一接口（Unified Interface）解决"单体臃肿"与"专业智能体迷宫"两难

图 2 · superAgent 编排器架构与浮动上下文

3.1 superAgent 解决的两难困境

企业在构建 Agent 架构时常陷入两难：单体智能体（一个"全能"Agent）上下文臃肿、治理困难、执行不透明；专业智能体迷宫（多个孤立专业 Agent）体验割裂、用户需在多个界面切换、上下文丢失。superAgent 通过层级编排统一这两端。

3.2 superAgent 的三大支柱

3.3 行业案例：Airtable Superagent 的"完整执行可见性"

Airtable 于 2026 年初发布 Superagent，其核心创新与 apexos 的设计高度契合：编排器保持对整个执行旅程的完整可见性——初始计划、执行步骤、子智能体结果全部可见，形成 Airtable 创始人 Howie Liu 所说的"a coherent journey"（连贯旅程）。子智能体聚合清洁结果回传，不污染主编排器上下文，这与 apexos 的"阶段总结 + 上下文整理 + 转交"机制完全一致。

对 apexos 的印证：Airtable Superagent 采用多模型协作（OpenAI / Anthropic / Google 按子任务切换），印证了"编排器 + 专业子智能体"是行业收敛方向。apexos 的 AgentEventBridge + 阶段总结转交机制，正是这一范式在企业级操作系统层的工程化落地，并进一步增加了 Human-in-loop 与记忆体存储图两个支柱。

4核心架构推导：superAgent + agent-os = ooderAgent apexos

把第 2、3 章合流：superAgent（能力范式）与 agent-os（操作系统基础设施，即 Apex OS）合二为一，最终归结到 ooderAgent apexos。

superAgent能力范式编排器 + 浮动上下文子智能体层级编排Human-in-loop 强交互长期任务 · 子流程 loop"会做什么"agent-os (Apex OS)操作系统基础设施SceneEngine 场景引擎Skill 技能化 + VFS 发现P2P 分布式（End/Route/MCP）南向协议 + 四级用量统计"如何运行"+合二为一ooderAgent · apexossuperAgent 能力 × Apex OS 基础设施= 流程驱动的超级智能体无限记忆 · 强交互 · 可演进

图 3 · superAgent 与 agent-os 合流推导出 ooderAgent apexos

合二为一的本质：superAgent 回答"智能体应该具备什么能力"，agent-os 回答"这些能力如何在工程上稳定运行"。apexos 的贡献是把两者焊接成同一个运行时——场景即技能，流程即智能体，能力与基础设施不再分离。

5意图分发：OS 的大脑 / NLP 的核心入口

意图分发流程是 apexos 的操作系统大脑，也是整个 NLP 交互的核心入口。它正是 superAgent 编排器角色在 apexos 中的具体落地——所有自然语言输入的第一站都流向这里，由它决定"该交给哪个场景智能体处理"。

意图分发superAgent 编排器OS 大脑 · NLP 入口动态读取场景地图用户自然语言"从 t_user 开始建模"阶段总结回传子流程终结后转交Human 决策用户选择继续推进list_scenes → LLM 匹配 → get_detail → switch_sceneRAD 设计场景rad-sceneDBFirst 建模场景dbfirst-buildBPM 编排场景bpm-scene通用问答NONE → chat 场景三类输入 × 动态场景地图 → 路由到目标场景智能体（或通用问答降级）

图 4 · 意图分发作为 OS 大脑与 superAgent 编排器

5.1 程序化管道：绕过 FC-Loop 断链

关键设计决策：用程序化管道替代 LLM 自驱动的 FC-Loop。LLM 仅承担"单次意图匹配"职责，工具调用由 Java 代码串行驱动，从根本上消除 while(hasToolCalls) 在 LLM 文本回复时退出导致的链条断裂。

四步管道：list_scenes（动态读取所有场景）→ 关键词预路由 + LLM 兜底匹配（双机制）→ get_detail（读取步骤详情含 guardConfig）→ switch_scene（创建场景实例启动目标智能体）。无匹配时降级到通用问答场景。

5.2 动态场景地图：场景即技能的注册表

所有场景智能体通过场景定义统一注册，构成意图分发地图的"节点清单"。这正对应 Apex OS 的"场景即技能"理念——新增场景只需在 VFS 的 process-def/<sceneId>/definition.json 中注册，list_scenes 工具自动读取喂给 LLM，无需改意图分发代码。这就是"动态读取智能体信息构建分发地图"的落地。

5.3 DeepSeek 缓存优化

意图分发场景的 System Prompt 采用"固定基础 + 动态领域 hints"分层结构。固定部分 ≥64 tokens 触发 DeepSeek 前缀缓存，首轮场景列表启动后缓存不变，命中率告警阈值 0.3，连续 3 次低命中触发告警。这是 OS 大脑在工程上的性能保障。

6Agent 独立闭环：场景即技能

当意图分发把任务路由到某个场景智能体后，该智能体必须独立完成自己擅长的业务：构建独立上下文、编排技能、与用户交互、调用协作——形成闭环交付。这是 superAgent 能力范式的核心，也是 Apex OS"场景即技能"的落地。

图 5 · 场景智能体独立闭环的四要素模型

6.1 独立上下文：6 层 ContextLayerManager

SceneEngine 注入 ContextLayerManager，为每个场景实例维护 6 层上下文，按"加载成本递增、访问频率递减"分级装载：

ContextCompressor 在上下文超阈值时由 LLM 增强压缩提取关键事实；这是上下文层的"短期记忆"，与第 7 章的"长期记忆体"共同构成完整记忆体系——正是 superAgent 的"浮动上下文"。

6.2 技能编排：三级目录与热插拔

工具体系分两级：场景级技能通过 getAvailableTools(ChatContext) 返回专用技能集；流程级技能从 VFS definition.json 的 flowToolIds 映射，整个场景生命周期内可用。这对应 Apex OS 的三级目录安全基石：/available → /installed → /active，不激活不污染、可追溯、可回滚，从架构上根治安装风险。

对确定性链条用程序化管道绕过 FC-Loop；对开放式推理保留 FC-Loop 让 LLM 自主决策。技能执行结果回写到 EPHEMERAL 层供后续活动消费。

7无限记忆：记忆体存储图

这是 apexos 区别于"带 LLM 的工具"的根本所在，也是 superAgent"浮动上下文"的长期化形态。场景实例历史 + 完整上下文 + 业务数据 + 事件事实共同构建了强大的记忆体存储图，实现智能体的"无限记忆"——LLM 可随时增强读取，越用越聪明。

记忆体存储图（Memory Graph）— 无限记忆UnifiedVFSManager — 记忆体持久化主干scene-def · scene-inst · checkpoints · knowledge · events · facts · 场景组持久化场景实例历史· 场景实例状态· 活动执行轨迹· Token 流转记录· 检查点快照完整上下文· 6 层 ContextLayer· 对话历史· 决策轨迹· 压缩后关键事实业务数据· 表结构 / 字段· 生成的代码· 组件配置· 视图方案事件事实· AgentFactStore· SSE 事件归档· 跨进程可追溯· 审计日志KnowledgeFlywheel 知识飞轮生产 → 入库 → 消费 → 反馈 闭环LLM 增强读取随时按需检索 · RAG · 上下文回灌反馈回流：消费经验反哺记忆体，形成越用越聪明飞轮

图 6 · 记忆体存储图：四源汇聚 + 飞轮 + LLM 增强读取

无限记忆的含义：不是无限大的上下文窗口，而是无限可检索的记忆体。LLM 的上下文窗口有限，但通过记忆体存储图 + RAG 检索 + ContextCompressor 压缩，智能体可以"记住"任意长的历史，按需把相关片段回灌到上下文。短期记忆（6 层 ContextLayer）+ 长期记忆（VFS 记忆体图）共同实现"无限记忆"。

7.1 记忆体的四类来源

• 场景实例历史：场景实例的状态机、活动执行轨迹、Token 流转、检查点快照——记录"做过什么、怎么做的"。
• 完整上下文：6 层 ContextLayer 的全部内容，包括对话历史、决策轨迹、ContextCompressor 压缩后的关键事实——记录"当时怎么想的"。
• 业务数据：表结构、字段、生成的代码、组件配置、视图方案——记录"产出了什么"。
• 事件事实：AgentFactStore 持久化的 SSE 事件、跨进程可追溯的审计日志——记录"发生了什么"。

7.2 KnowledgeFlywheel：知识飞轮闭环

记忆体不是被动存储，而是通过 KnowledgeFlywheel 形成"生产→入库→消费→反馈"的飞轮闭环。智能体在执行中产出的知识自动入库，下次执行时优先消费已有知识；消费效果反馈回飞轮，优化知识质量。这是"越用越聪明"的工程实现，也是 Apex OS 内置 RAG 的进阶形态——把企业私有文档转化为 AI 的永久记忆。

8外部跳转与阶段总结：harness loop 子任务

这是 apexos 协作机制最精妙的设计，也是 superAgent 层级编排的具体落地：当前场景执行到某节点时，不是简单调用外部工具，而是分阶段总结、整理上下文、转交给意图分发流程，由意图分发流程二次选择启动新的子流程，子流程终结完毕后再返回当前场景继续。最常见的应用是 harness 检测 → loop 子任务。

当前主场景（智能体 A）阶段 N 执行① 分阶段总结② 整理上下文③ 转交意图分发挂起 · 等待⑥ 恢复④ 意图分发（superAgent 编排器）— 二次选择读取转交的上下文 + LLM 重新匹配 → 启动新子流程例：检测到质量问题 → 选择 harness 测试智能体⑤ 子流程（智能体 B）— harness 检测 loop测试用例执行检测问题修复终结loop 修复直到通过终结完毕返回主场景主场景挂起 → 子流程独立闭环 → 终结后上下文回传 → 主场景恢复继续

图 7 · 外部跳转与阶段总结：harness loop 子任务的完整时序

8.1 为什么不是"直接调用工具"，而是"转交意图分发"？

这是 apexos 与普通工具调用架构的根本区别，也是 superAgent 层级编排的精髓。普通工具调用是"主流程内嵌调用"，工具是主流程的从属；而 apexos 的外部跳转是"主场景挂起 + 子流程独立闭环"：

• 子流程是独立的场景智能体，有自己的上下文、技能集、交互闭环，不被主场景上下文污染。
• 意图分发二次选择让路由决策集中在 superAgent 编排器，而不是分散在各业务场景里硬编码。新增能力时只需注册新场景，主场景无需感知。
• 阶段总结 + 上下文整理保证转交的信息是结构化的，子流程能准确理解"要我做什么"；终结后的回传也是结构化的，主场景能准确理解"子流程做完了什么"。

8.2 harness 检测 loop 的典型应用

典型场景：设计智能体完成组件生成后，需要质量验证。

1. 设计智能体执行到"质量验证"节点 → 分阶段总结当前产出（生成了哪些组件、字段映射等）
2. 整理上下文为结构化 payload → 转交意图分发
3. 意图分发大脑读取 payload，二次选择匹配到 harness 测试智能体
4. harness 智能体独立闭环执行：测试用例 → 执行检测 → 问题修复 → loop 直到通过
5. harness 智能体终结完毕，回传测试报告与修复记录
6. 设计智能体恢复，读取回传结果，进入下一阶段

对应 SSE 事件：QUALITY_LOOP_RETRY / QUALITY_LOOP_PASSED / QUALITY_LOOP_MAX_EXCEEDED / QUALITY_LOOP_COMPLETED。

9Human 关键点把控

智能体的价值在强交互。apexos 通过 HumanConfirmTool 把"人"嵌入流程闭环，在关键决策点主动征询人类意见——不是事后审批，而是流程内的必要节点。这正对应 superAgent 的 Human-in-loop 支柱。破坏性操作前必须触发 human_confirm（项目硬约束）。

5 级交互级别 × 3 种确认类型 — 关键点把控矩阵0 AUTO_ALLOW自动放行1 MICRO_SUGGEST轻量建议2 DIFF_PREVIEW差异预览3 EXPLICIT完整确认卡（默认）4 AUTO_DENY自动拒绝← 信任度递增 / 干预度递增 →3 种确认类型CONFIRM确认 / 拒绝例：是否继续生成代码CHOICE多选项选择例：选择要构建的表INPUT文本输入例：输入页面名称智能体调用 HumanConfirmTool → SSE human_confirm 事件 → 前端确认卡 → POST /build-confirm 回传 → 智能体继续默认超时 120 秒；超时行为由 interactionLevel 决定

图 8 · Human 关键点把控：5 级 × 3 类交互矩阵

关键点把控的本质：Human 交互不是"打断了智能体的自主性"，而是把人类判断作为流程的一等公民。智能体越能在关键点主动征询，可信度越高；记忆体记录下人类每次决策，下次遇到相似场景时智能体可以参考历史选择——这就是强交互与记忆积累的交汇点，也是 superAgent 区别于"自动脚本"的关键。

10技能生态与南向协议

apexos 的"超级"不仅来自单点能力，更来自其背后的技能生态与安全治理。这是 Apex OS 作为企业级操作系统的核心竞争力。

10.1 SkillCenter 能力中心：去中心化技能生态

能力中心（Agent SkillCenter）是 AI 技能管理平台，提供技能全生命周期管理：智能注册、高效执行、实时监控、自动扩缩。它基于 P2P 去中心化网络，支持节点发现、技能分发、端到端加密通信与故障容错。ooderAgent 能力库已包含 137+ 标准化技能，分布在 7 大层级：

SkillCenter 的核心价值：通过多中心设计构建"能力枢纽 → 能力分发 → 能力落地 → 能力协同"的完整闭环，直击 AI 应用落地的三大核心痛点：

• 不确定性：AI 生成能力天然"朝秦暮楚"，SkillCenter 通过 Remote Skills 远程技能服务，将确定性问题的输出抽象为标准化结果服务，在 AI 道德约束之外搭建一层"法律式"规则约束层，确保稳定可控。
• 可控性：三级目录 /available → /installed → /active 让技能不激活不污染、可追溯、可回滚，从架构上根治安装风险。
• 规模化：让分散、个性化的 skills 能力在统一体系中实现调度、分发与管理，成为 AI 能力从技术走向实际场景的核心桥梁。

7 大技能层级

• SPI 基础层（4）— 统一接口、服务发现
• 驱动层（37）— LLM/IM/媒体/支付集成
• 系统层（32）— 核心系统服务
• 能力层（24）— 可复用基础能力
• 场景层（16）— 业务场景封装
• 业务层（11）— 业务逻辑处理
• 工具层（10）— 辅助工具

多驱动矩阵

• LLM 驱动（8）：DeepSeek/OpenAI/通义/文心/火山/Ollama
• IM 驱动（4）：钉钉/飞书/企微/个人微信
• 媒体发布（5）：头条/公众号/微博/小红书/知乎
• 支付驱动（3）：支付宝/微信支付/银联
• 系统核心：auth/config/workflow/rag/knowledge/messaging

10.2 南向协议与北向协议：解决权限悖论

南向协议是 Apex OS 的核心安全创新，守护企业 LLM 与个人 LLM 的可信交互，解决开发者安全需求（隔离）与用户便利需求（协作）之间的"权限悖论"。南向协议由 4 个子协议构成，覆盖智能体协作的全链路：

配套的北向协议面向上层管理：DomainManagement（域管理）、ObservationProtocol（立体观测）、CloudHostingProtocol（云托管）。A2A 协议（Agent-to-Agent）定义智能体之间消息传递的格式和语义，是 P2P 协作网络的通信基础。通过 SceneGroup 与 RBAC 实现"默认隔离，按需协作"。

10.3 四级用量统计与场景组持久化

Apex OS 引入 ooderAgent 原生不具备的四级用量统计（公司→部门→用户→模块），精细化追踪 Token 消耗，解决企业最头疼的成本分摊问题。场景组持久化让场景状态自动保存与恢复，保证业务连续性——这正是"无限记忆"在企业治理层面的体现。

11SSE 事件驱动闭环

apexos 规定所有 SSE 事件必须统一为 FLOW_* 六层分类体系（项目硬约束），且每个事件必须有前端独立监听器消费，禁止无消费事件。这是 superAgent"统一接口"支柱的落地——智能体的每一步都对人可见、可干预。

CONNECT连接生命周期sse_open/close/errorLLM_OUTPUTLLM 输出流llm_chunk/doneTOOL_CALL技能调用tool_start/resultFLOW场景编排flow_step/routeWORK业务产出work_done/confirmHARNESS验证闭环harness_step/close_loop事件驱动的闭环交付时序CONNECTLLM_OUTPUTTOOL_CALLFLOWWORKHARNESS阶段总结节点在阶段切换时推送，用户选择继续后进入下一阶段禁止无消费事件 · 破坏性操作前必须 human_confirm

图 9 · SSE 事件六层分类与闭环交付时序

12真正的超级智能体

回到开篇的命题：智能体的意义和价值在强交互，记忆越积越厚才能更聪明；superAgent 就是流程驱动的智能体。apexos 把这个命题工程化为一个可运行的操作系统。

apexos 的四句话总结：

• 意图分发地图解决"找谁做"——superAgent 编排器，OS 大脑，NLP 核心入口。
• 场景即技能解决"怎么做"——每场景智能体自洽四要素，独立闭环交付。
• 记忆体存储图解决"记得住"——无限记忆，越用越聪明。
• 强交互 + 协作三模式解决"一起做、把关键"——Human-in-loop，阶段总结转交。

四者合一，superAgent 与 agent-os 合二为一，ooderAgent apexos 实现真正的超级智能体。

未来演进方向

① Agent 能力市场与动态发现

基于 SkillCenter 去中心化 P2P 网络，意图分发地图不再仅读本地 VFS，而是从分布式能力市场动态发现可用智能体，真正实现"按需接入"。

② Agent 编排可视化与可观测性

基于场景实例的 Token 流转和 AgentEventBridge 的事件订阅关系，前端实时绘制智能体协作拓扑图，结合四级用量统计形成分布式 Trace。

③ 知识飞轮驱动的智能体自演化

KnowledgeFlywheel 已具备"生产→入库→消费→反馈"闭环。下一步让智能体根据反馈自动优化 guardConfig 与 contextLoadPolicy，实现智能体级别的自我迭代。

④ 多智能体并行编排

SceneEngine 已支持 AND_SPLIT / AND_JOIN。未来一个意图可同时触发多个智能体并行执行，最后汇合结果，大幅缩短复杂任务端到端时延。

参考资料

• 构建AI原生时代的智能协作新范式——从OoderAgent到Apex Agent OS
• 推荐一款 面向企业级应用的开源AI Agent 操作系统Apex OS
• 集成 ooderAgent SceneEngine 3.0.3 — 一句话引入，商业级 LLM 能力即刻可用
• AI原生应用架构指南：深入理解ooderAgent 2.3场景引擎（3+1 场景架构）
• OoderAgent 2.2 企业级 AI 能力分发与自动化协作框架白皮书（一核两翼三链 / 南向北向协议）
• OoderAgent：零部署构建AI Agent能力生态（137+ 技能 / 7 大层级）
• OoderAgent Nexus 版本分支正式提交 — SkillCenter 多中心设计核心四问
• 引擎与整车：深度解析 Apex OS 与 ooderAgent 的共生关系
• 技能化与智能协作：ooderAgent 重构 AI 原生软件范式
• 能力中心 (Agent SkillCenter)：开启AI技能管理新时代
• Salesforce: AI Superagents — Orchestration / Context Management / Unified Interface 三大支柱
• Airtable Superagent: 完整执行可见性，子智能体聚合不污染主编排器上下文
• Supervisor-Worker 分层智能体架构：L3 全局编排 / L2 领域调度 / L1 原子执行
• ByteDance DeerFlow 2.0: Open-Source Framework for Long-Term SuperAgents

ooderAgent · apexos · 流程驱动的超级智能体

关键概念：SceneEngine · Skill · SceneGroup · IntentDispatch · ContextLayerManager · KnowledgeFlywheel · AgentEventBridge · 南向协议 · A2UI