从模型推理到持续工作：Agent 的运行架构（国标制定思路解析之二）

国标《智能体数据处理安全要求》的制定汇集了各方面的意见和建议。本系列围绕标准制定中的关键问题，介绍前期预研和基础逻辑，展开交流讨论。本篇从 Agent 的运行架构入手，说明模型推理如何组织为实际工作，为分析数据处理安全要求建立技术基础。

Agent 的运行架构将模型推理、工具操作与任务状态组织为连续的工作过程。运行系统连接模型与工作环境，取得任务材料，将模型判断转化为操作，再依据执行反馈调整后续动作。等待、中断或新指令到来时，系统利用已保存的进度接续工作，使一次次模型推理围绕同一目标展开。

以整理研讨会报名为例。用户要求系统核对报名名单、处理重复记录、形成通知草稿，并在新增报名后持续更新。完成这项工作，系统需要读取报名记录、识别字段含义、确定去重规则、核验整理结果并保存处理进度。报名记录既可能存于业务系统，也可能散落在多个表格文件中，或只能通过网页查看。工作目标相同，系统进入工作环境的接口不同，执行路径也随之分化。

按照进入工作环境的方式，Agent 的常见执行路径包括：业务能力调用、计算环境作业和应用界面操作。三者各有工作对象、动作形式与反馈机制，也可在同一任务中组合衔接。六项运行功能说明任务怎样被接收、执行和接续；三类执行路径说明系统怎样进入工作环境；控制、持续、协作和部署四项安排进一步解释国内常见 Agent 产品与开源实现的架构组合。

一、从一次推理到持续工作的运行循环

Agent 通过反复执行与核验，将模型判断落实为工作结果。模型接收上下文输入后，可生成文本、代码、计划或动作请求；运行系统负责调用工具执行操作，再将执行反馈送回模型，作为下一轮判断的依据。模型由此能够依据工作环境的实际变化持续推进任务。

在前述的报名整理任务中，模型先提出“读取报名表”的动作请求；运行系统定位相应工具，传入文件路径或表格标识，获取内容后组装下一轮上下文。模型识别出重复记录后，进一步提出筛选条件或生成去重脚本。工具执行完毕，系统结合模型判断与程序检查核验名单，据此决定继续处理、修正规则或生成通知草稿。任务沿着“取得当前情况、判断下一步、执行操作、接收实际反馈、更新任务状态”的执行循环持续推进。

执行反馈决定后续走向。查询可能遇到记录缺失，脚本可能报错退出，页面可能要求补充信息，用户也可能中途修改要求。运行系统需据此重试操作、调整方法、等待输入或终止任务，使下一轮模型推理建立在最新的环境反馈之上。

任务完成通过对目标要求的逐项检查来判断。接口返回值、程序退出状态与页面提示，分别提供业务请求、程序运行和界面操作的反馈。系统将这些反馈与任务的完成条件对照：名单覆盖目标范围，重复记录按既定规则处理，通知草稿采用最新信息。对操作结果与整体目标的连续核验，将局部动作组织成完整的工作过程。

持续工作同样包含等待与接续。系统可能等待用户确认去重规则、等待文件下载完成，或等待新增报名记录。运行系统需要记录等待原因与当前进度，在条件满足后恢复执行。因此，执行循环与任务状态必须协同运作：执行循环负责向前推进工作，任务状态负责记录工作已推进的位置及后续所需的条件。

二、运行架构：六项功能如何配合

从功能上看，Agent 的运行过程可拆解为六项：任务与事件入口、任务运行与调度、上下文组织、模型推理、工具与执行环境，以及任务状态、历史与记忆。这六项功能连接任务要求、模型判断、实际操作与执行反馈。具体产品按任务需要合并或分开实现这些功能，并配置事件触发、任务恢复与长期记忆等能力。

（一）任务与事件入口：接收输入并判定任务归属

任务与事件入口负责接收用户的初始目标、补充材料与后续修改，也可接收定时触发指令或外部系统事件。用户在对话窗口输入指令是常见入口；新增报名、邮件回执或代码审查意见，同样可以作为启动或接续任务的触发条件。

入口通过任务归属将新信息送入相应的工作过程：新增报名关联正在维护的名单，“暂缓发出通知”调整对应任务的后续安排。DeepSeek Harness 团队提出的 Super-agent 架构设计，将外部事件的过滤、归属判断与路由组织为持续运行机制；其中的“路由”，就是将事件分发给负责该项任务的执行单元。〔1〕

（二）任务运行与调度：安排推理、操作与等待

任务运行与调度负责管理任务的推进次序：何时调用模型、何时执行工具、如何接收反馈，以及何时暂停、恢复或结束。当任务包含相互独立的环节时，调度系统可安排并行执行；当后续步骤依赖前序结果时，则安排等待。

模型可参与制定计划、选择工具与评估结果，运行系统则负责落实这些判断。模型提出读取文件请求后，运行系统依据当前可用工具与权限发起操作；若文件暂不可用，系统则记录异常并组织后续处理。模型的动态判断与程序设定的执行条件在此结合，共同决定任务的推进方式。

面对复杂工作，调度还需维护多个子任务之间的依赖关系。例如，名单核对与通知草稿起草可分别开展，但草稿中的最终人数必须等待名单核对完毕才能填入。调度系统据此安排子任务的先后次序、并行执行与结果交接。

（三）上下文组织：筛选并组装本轮推理材料

上下文是模型在单次推理中实际接收的材料，涵盖当前指令、相关历史、检索结果、工具返回内容及必要的工作记录。系统能够访问哪些信息，取决于其连接的资源与权限；其中哪些信息进入本轮推理，则由上下文组织决定。

例如，工作目录中保存了完整的报名原表，但模型在编写处理脚本时只需读取字段名称与少量样本；待核查异常记录时，再按需读取对应条目。长篇材料同样可以保存在上下文之外，先向模型提供摘要与定位信息，需要时再读取原文。DeepSeek Harness 的 Spill 机制展示了这种做法：外置长文本时，存储服务保存调用方提供的完整内容，并返回定位信息与读取提示；由调用方决定在本轮上下文中保留哪些预览内容。〔2〕

因此，上下文组织承担着材料的筛选、组装与更新职责。工具返回新结果后，系统需决定哪些内容直接进入下一轮推理、哪些写入工作记录、哪些留待后续按需读取，从而确立模型每一轮判断的信息依据。

（四）模型推理：依据当前材料形成判断与动作请求

模型依据当前上下文理解任务，提出计划、生成内容、选择动作或评估结果。文本整理、屏幕理解与复杂任务规划，均可由接入相应环节的模型承担。

运行系统通过接口调用模型。DeepSeek Harness 的公开架构将模型适配、工具注册、会话日志与 Agent 循环组织为可配置组件。〔3〕WorkBuddy 也提供了独立的模型配置功能。〔4〕 模型由此成为运行架构中的推理组件，可与不同的工具和执行环境灵活组合。

同一模型接入不同工具、获取不同材料，所能完成的工作随之不同。模型可以提出“查询报名记录”“运行去重脚本”或“打开报名页面”等动作请求，具体操作则由运行系统交由工具执行，从而将模型判断与实际动作衔接起来。

（五）工具与执行环境：使操作作用于工作对象

工具将模型的动作请求转化为实际操作，如查询业务记录、读写文件、运行程序，或获取屏幕画面并控制界面。执行环境则提供操作发生的运行条件，包括本机操作系统、云端沙箱、浏览器会话或远程业务服务（其中，云端沙箱是隔离的计算环境，供任务在其中运行程序与处理文件）。

以“生成通知草稿”为例，系统可以调用邮件服务的草稿接口，在工作目录中生成文档，或打开邮件应用界面填入内容。三者目标相同，操作入口、动作形式与反馈方式各有特点。工具连接工作环境的方式，确定了系统采取的执行路径。

（六）任务状态、历史与记忆：保存进度并支持跨轮次与跨任务使用

在持续工作中，四类信息承担着不同职能：

• 上下文

  界定模型“这一轮看到了什么”；

• 任务状态

  记录工作“进行到哪一步”（包含当前目标、进度、待办事项、已完成操作与中间成果），用于接续同一任务；

• 执行历史

  保存此前“怎样走到这里”（包含交互与调用过程），供系统或用户回查；

• 长期记忆

  沉淀后续任务“还可以参考什么”（如反复使用的格式要求与稳定的工作偏好）；此外，项目资料与工作文件则承载任务所使用的原始材料及生成产物。

运行系统可从任务状态、执行历史与长期记忆中按需提取内容，组装为新的上下文，以继续当前任务或启动新任务。

WorkBuddy 的记忆功能体现了跨任务的信息复用机制：系统从会话中提取事实、偏好、人物关系与跟进事项等信息，并在后续对话或任务中，将与当前请求相关的记忆作为背景参考载入。〔5〕 任务状态承载当前进度，长期记忆供后续任务复用信息。产品依据配置和任务需要安排记忆的提取、保存与载入。

六项功能共同组织 Agent 的运行过程：入口接收任务与事件，运行系统组织上下文并调用模型推理，再将动作请求交由工具在执行环境中操作工作对象；执行反馈回到运行系统，进入后续判断与状态更新。身份、权限与部署位置贯穿全过程：账号身份关联操作主体，权限确定可用对象与动作，部署位置确定模型服务、执行资源与状态存储所在的环境。

三、三类执行路径：围绕不同工作接口组织执行

三类执行路径的核心差异，在于系统如何观察工作环境、如何表达动作，以及如何接收反馈。业务能力调用围绕业务对象与功能接口展开，计算环境作业围绕文件与程序运行展开，应用界面操作则围绕页面状态与界面交互展开。

（一）业务能力调用型：围绕业务对象调用现成功能

业务能力调用型 Agent 直接调用业务系统已开放的功能接口，将任务目标转化为查询、创建、修改或提交等业务操作。联系人、报名记录、云文档与日程是其操作的业务对象；接口参数指明对哪些对象执行何种操作，返回值则说明请求的处理结果。

假设报名记录保存在提供查询接口的表格系统中，Agent 可先调用接口获取指定活动的报名记录，读取姓名、联系方式与报名状态，识别重复项后，再调用写入接口生成整理后的名单与通知草稿。每次调用均需明确指定业务对象（查询哪张表、读取哪些字段、将草稿写入何处），并在调用后通过返回值或重新读取业务状态来核验操作效果。

飞书企业工作伙伴调用飞书技能的过程体现了这一路径。其公开文档列出了发消息、读写云文档、操作多维表格、发邮件等技能；智能体通过关联的飞书应用调用这些能力，并按具体技能支持的方式配置“应用身份”或“用户身份”。〔6〕 已开放的功能、调用身份与相应权限，共同确定一次业务调用可操作的对象和动作。

此类路径将动作直接表达为具有业务含义的操作，便于系统围绕对象标识、字段与状态组织上下文，并将调用记录与相应业务对象关联起来。系统据此调用业务平台已开放、且当前身份获授权使用的功能。

执行路径按动作在任务中承担的作用分类。“创建日程”直接调用现成业务功能，属于业务能力调用；“运行脚本批量处理文件”组合文件读写与程序步骤，属于计算环境作业。两类路径都可以通过程序接口实现，其工作过程分别围绕业务功能和计算环境展开。

（二）计算环境作业型：通过文件操作与程序运行形成产物

计算环境作业型 Agent 依托一个能够读取材料、编辑文件并运行程序的计算环境推进工作。它将任务转化为命令、脚本或文件编辑操作，再依据程序输出与文件变化决定下一步。工作进度由目录中的输入文件、运行程序、中间结果与最终产物共同承载。

当报名信息分散在多个 Excel 或 CSV 文件中时，Agent 可先读取表头字段与样本数据，编写并运行数据清洗与比对脚本，检查异常输出后，生成整理名单与通知草稿文档。其中，规则明确的批量计算交由程序执行，字段含义识别、异常情况解释与草稿文本起草则由模型参与完成。程序运行与模型推理通过工具调用与结果反馈交替推进。

腾讯 WorkBuddy Enterprise 的文件与脚本任务是这一路径的典型实例。其公开文档区分了两种任务模式：本地任务可使用本机文件、软件与内网资源，云端任务则在隔离沙箱中运行。〔7〕 材料的读取、加工与成果生成，均围绕各自所在的计算环境展开。

TRAE 的 SOLO 模式则展示了编程场景下的同类机制。其官方文档将需求理解、代码生成、测试运行与成果预览组织为连续开发过程，并提供编辑器、文档、终端与浏览器等工具；系统据此生成和修改代码、运行测试，用户也可通过变更视图核查修改结果。〔8〕

办公文档处理与软件编程呈现出一致的执行机制：二者均通过操作文件、运行程序、核验产物推进工作。计算环境使系统能够按任务组合文件处理与计算步骤，在执行过程中生成并检查所需产物。

同时，处理后的数据、编辑中的文档与测试结果本身就是接续任务的起点。运行系统将这些工作产物与任务目标、当前进度及待办事项关联起来，才能在中断恢复后准确识别已完成的工作与待接续的位置。

（三）应用界面操作型：观察界面并通过交互推进任务

应用界面操作型 Agent 从屏幕图像或页面结构中获取当前状态，执行点击、输入、滚动与页面切换等交互动作，再观察动作引发的界面变化。应用面向人类用户呈现的页面与控件，直接成为系统感知环境并实施操作的接口。

在报名整理任务中，Agent 可打开报名管理网页，选择目标活动，设置筛选条件并点击下载名单，随后切换至文档或邮件应用界面填入通知草稿。每一轮循环中，系统均需识别当前页面状态、定位可操作控件、判断上一步交互是否生效，并据此决定下一项动作。观察与交互交替进行，期间出现的弹窗、报错提示或页面跳转都会直接改变后续操作。

智谱 Open-AutoGLM 的 Phone Agent 提供了这一路径的开源实现。它通过视觉语言模型理解手机屏幕截图，调用设备控制工具执行触摸与输入操作，并内置敏感操作确认与人工接管机制。〔9〕 模型提出的界面动作经工具执行后，更新后的屏幕画面即成为下一轮推理的输入。

在浏览器场景中，系统还可利用网页的结构化元素信息。字节跳动开源的 Agent TARS 支持通过图形用户界面（GUI）、文档对象模型（DOM）或混合策略控制浏览器。〔10〕 GUI 模式依赖视觉界面呈现与坐标交互，DOM 模式则读取网页元素的结构信息，系统可结合二者识别页面状态与可操作对象。

此类路径通过应用已有的页面与控件，把界面交互纳入 Agent 的工作范围。页面布局、登录状态、弹窗与跳转过程共同构成执行时的环境。系统通过再次观察目标位置、草稿内容和名单范围，核验操作效果并选择后续动作。

表1　三类执行路径的架构差异

注：分类针对任务中的具体执行方式，同一产品可组合使用其中多种机制。

四、国内产品的组合实现：在同一任务中衔接三种路径

一项复杂工作往往跨越多种执行路径，由运行系统维护目标与进度的连续性。业务系统提供结构化记录，计算环境承担批量清洗与计算，应用界面完成最终的排版编辑或草稿填写。跨路径协作需要将前一环节的产物与状态交接至后一环节，并在各环节核对工具权限、执行资源与实际结果。

WorkBuddy 的连接器（Connector）体现了这种组合机制。其公开文档说明，连接器在接入并获授权访问外部服务后，可支持数据查询、服务调用、文件管理与消息通知等操作。〔11〕 原本围绕工作目录与程序运行展开的任务，由此能够调用外部业务系统的现成功能。Agent TARS 同时提供浏览器操作、工作区文件操作和通过模型上下文协议（MCP）接入外部工具的能力。〔10〕 MCP 为工具、资源与提示模板等提供统一的连接和交互方式，接入的具体服务与工具则提供相应的业务能力。

沿用报名整理的假设任务，系统可先通过业务能力调用获取原始报名记录，随后在计算环境中运行脚本完成去重与核对，最后通过应用界面操作将整理结果填入目标系统并生成通知草稿。在路径切换时，运行系统需要保留或交接材料与产物位置、已经完成的步骤，以及仍需检查的结果等信息。任务状态将跨越不同接口的操作与同一目标和进度关联起来，供后续步骤继续采用既定的目标与去重规则。

沿任务各环节的实际执行方式分析产品，可以识别其路径组合：处理本地表格时采用计算环境作业，更新日程时调用业务能力，操作网页时使用界面交互。产品的工作范围和执行过程，由这些路径及其切换关系具体呈现。

五、同类架构的进一步分化：控制、持续、协作与部署

三类执行路径回答了系统“通过什么工作接口采取行动”。在此之上，采用同一执行路径的系统仍会在四个架构维度上进一步分化：谁来决定下一步（控制方式）、工作如何跨越时间接续（持续方式）、多个执行单元如何配合（协作方式），以及各项功能在何处运行（部署方式）。

（一）控制方式：预设流程与运行中动态选择的分配

在控制方式上，预设流程在运行前规定执行节点、先后次序与条件分支，模型在指定节点内承担意图识别、内容生成或局部判断；动态选择则由模型根据当前上下文与执行反馈，在运行过程中选择工具和参数。

阿里云百炼的 Flow Agent 平台同时提供了这两种应用形态：工作流应用（Workflow）通过可视化节点预先编排多步骤任务流；智能体应用（Agent 2.0）则将知识检索、MCP 等能力封装为工具，由模型在运行中自主决定调用时机与顺序（其中知识检索也可配置为每次请求在模型首次推理前固定执行一次）。〔12〕〔13〕 二者的核心差异，在于步骤间的执行关系有多少在运行前静态锁定，又有多少留待运行时动态生成。

实际系统中，两种控制方式常结合使用：由外层程序规定任务入口、身份校验与结束条件，由模型在局部环节动态选择检索材料、处理异常与生成内容的方法。业务能力调用、计算环境作业与应用界面操作，均可嵌入不同程度的控制安排之中。

（二）持续方式：在任务循环、状态保存与事件接续之间推进工作

Agent 通过三个层次的机制推进和接续工作：
 1. 任务内循环：在单次运行中围绕目标反复执行与核验；
 2. 状态保存与恢复：将任务状态持久化保存，在中断或等待后恢复执行；
 3. 事件关联与接续：当外部新事件到达时，判定其归属并唤醒对应任务继续推进。

任务内循环由循环控制推进，状态保存与恢复依托持久化记录，事件关联与接续则通过任务归属判断和事件路由实现。具体产品通过这些机制的配置与组合，形成各自的持续工作方式。

Kimi Work 的 Goal 模式体现了围绕单一目标的任务内循环机制。根据官方文档，Goal 模式单次运行上限为 24 小时，系统依据当前状态与目标之间的差距持续迭代执行，用户可在运行中随时中断或补充指令。〔14〕 在报名整理场景中，这类机制围绕名单核对与草稿生成组织工具操作，将实际产物与完成条件对照，据此继续处理、调整步骤或结束任务。

事件关联与接续机制将稍后到达的新增报名接回原有任务。DeepSeek Harness 团队在 Super-agent 架构探索中，结合事件过滤、任务分派与订阅机制组织跨时间的持续工作：初始事件经评估后确定任务归属，已经建立订阅关联的后续事件则可直接路由至对应的 Worker，即承担具体任务的执行单元。〔1〕

持续运行通过状态恢复与进展检查处理异常。程序中断或外部服务暂时不可用时，系统利用持久状态恢复上下文；重试停留在同一错误上时，系统根据实际反馈调整步骤。进展检查持续比较当前产物与任务目标，为继续、调整或等待提供依据。

（三）协作方式：多执行单元的分工、核验与结果汇合

多 Agent 协作架构将一项复杂任务拆解给多个执行单元。各执行单元拥有独立的任务目标与上下文，分别推进各自循环，再通过结果汇报、产物交接或共享状态汇合成最终成果。各单元既可调用同一模型，也可按分工配置不同模型；协作架构改变的是任务边界、上下文隔离与协调关系的组织方式。

MiniMax Agent Team 采用了 Leader、Worker 与 Verifier 的三角色分工：Leader 负责拆解与组织任务，Worker 负责执行具体子任务，Verifier 负责核验执行结果；其 Team Engine 通过状态机协调执行与核验流程，一旦核验未通过，即唤醒相应执行节点继续修改。〔15〕 在报名整理假设场景中，系统可据此将名单去重、草稿起草交由不同 Worker 并行处理，再由 Verifier 对照完成条件统一检查，并将修改意见退回对应执行单元。

DeepSeek Harness 团队提出的双层架构，将“跨任务协调”与“单任务执行”分开组织：上层 Router 承接用户交互并协调任务间的高层联系，下层 Worker 在各自上下文中推进具体任务，Worker 内部还可继续派生子任务或组建团队。〔1〕 这一设计衔接面向用户的连续对话与后台多任务的并发执行。公开的 dsh-superagent-prototype 以编码任务为研究场景，通过任务会话、独立工作目录、事件订阅与状态恢复机制组织任务执行。〔16〕

结果汇合与状态同步将多个执行单元组织为同一项工作。统筹节点获取子任务进度、可交接产物和外部要求变化，并沿任务依赖关系传递产物与修改指令。各执行单元由此围绕共同目标衔接各自的执行循环。

（四）部署方式：分别定位推理、调度、执行与存储

模型推理、任务运行与调度、工具执行、持久任务状态存储四个环节可以部署在相同或不同的位置。例如，工具在用户本机操作文件，模型推理与任务调度运行在云端，持久任务状态保存于云端数据库。分别定位这四个环节，就能呈现产品的资源配置与跨端交互关系。

WorkBuddy Enterprise 的项目文档列出两种执行模式：本地任务使用本机文件、软件与内网资源，云端任务在隔离沙箱中执行。自定义模型的支持范围为本地任务；模型配置文档及通用版配置文档提供第三方云端模型服务和本机 Ollama 模型的接入选项。〔7〕〔4〕 任务模式确定工具执行环境，实际接入的模型服务确定推理位置。结合产品版本、任务模式与模型配置，可以具体描述两者的部署关系。

DeepSeek 的 Super-agent 架构探索展示了运行计算、持久化状态与执行环境三者分离的设计：运行计算推进 Agent 循环，持久化状态保存任务进度，执行环境可以保留在用户设备上，由远端运行系统按需调用；模型推理服务的位置作为另一项部署信息单独确定。〔1〕 任务推进、具体操作与状态保存，由此可以分别依托不同的基础设施。

持续与接续以任务状态可恢复、执行资源可用、操作条件有效为运行基础。使用本机资源时，用户设备在任务运行或定时触发时保持在线且可接入；使用已托管的云端资源时，任务在相应云端环境中继续执行。状态记录、资源连接和有效的登录态与权限，共同支持任务跨越中断继续推进。

六、按产品查看架构组合

图11按照上述框架，对照 11 个国内产品、平台应用类型与开源实现。三项执行路径列呈现系统进入工作环境的方式，四项架构安排列说明其控制、持续、协作与部署机制。将这些维度放在同一张图中，可以观察同类执行路径如何形成不同的产品组合。

比较以具体版本和模式为单位：WorkBuddy 桌面版与 Enterprise 分行列示，百炼 Workflow 与 Agent 2.0 分别归类，TRAE 对应个人版 IDE 窗口内的 SOLO 模式。各路径按实际配置组合使用，接入服务、安装插件与开启功能等条件列在对应单元格中。图例中，●表示公开资料明确支持，◆表示接入或配置后支持，○表示公开资料支持状态待确认；持续列分别列示任务内循环、会话恢复、定时触发和事件接续等机制。〔17〕〔18〕〔19〕〔20〕〔21〕〔22〕

图11 阅读说明

1. 图中依据截至2026年11月1日的官方文档与公开代码，展示所选11个产品、模式和实现的执行机制与架构组合。

2. 版本、权限与配置共同确定各项功能的使用方式；部署按公开信息分别定位模型推理、任务调度、工具执行与状态存储。

3. MiniMax Code的Computer Use适用于本地交互会话，子任务、定时任务和即时消息（IM）会话除外；Agent Team 的 Worker 按子任务支持的工具能力执行。〔21〕

4. DeepSeek 一行依据公开编码研究原型（dsh-superagent-prototype）的现有实现；云端运行计算、独立数据库与端侧执行环境的完整三分离方案属于架构设计。〔16〕

5. 启用 Subagent 后，TRAE 的 SOLO 内置 Agent 按子智能体配置的工具权限调用相应执行单元。〔19〕

结语

Agent 的运行架构把模型推理、外部工作环境与任务状态连接为持续互动的闭环。六项功能说明任务从输入、判断到执行和接续的组织过程；三类执行路径说明系统如何作用于业务对象、计算环境和应用界面；控制、持续、协作与部署四项安排说明这些功能和路径怎样组成具体产品。

沿任务运行过程，可以依次追踪系统取得的材料、模型使用的上下文、工具执行的动作、生成的工作产物以及保存的任务状态。这些环节及其连接具体呈现了数据进入、流转、组合与留存的位置。运行架构由此把 Agent 的能力描述落实为可追踪的工作过程，也为后续分析个人信息保护与数据安全问题建立了技术依据。

参考资料

〔1〕DeepSeek Harness 团队：《Super-agent 设计探索：迈向更自主的 Agent 系统》，2026年10月31日，第2、3、5、6节。https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg

〔2〕DeepSeek，Spill Storage。https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/subsystems/spill.md

〔3〕DeepSeek，DeepSeek Harness Architecture。https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/architecture.md

〔4〕WorkBuddy：《模型配置》。https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Model

〔5〕WorkBuddy：《记忆》。https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Memory

〔6〕飞书企业工作伙伴：《飞书身份》。https://aily.feishu.cn/hc/1u7kleqg_kzf5gv50?_lang=zh

〔7〕腾讯云，WorkBuddy Enterprise：《项目》，“选择任务模式”等部分。https://cloud.tencent.com/document/product/1831/138797 另见 Enterprise 模型配置（https://cloud.tencent.com/document/product/1831/134445）。项目页将自定义模型的支持范围列为本地任务，并以“AI推理均在云端”概括两种任务模式；模型配置页另列 Ollama 本地部署。具体部署关系结合任务模式、模型提供者及服务地址确定。

〔8〕TRAE：《SOLO 模式概览》。https://docs.trae.cn/ide_solo-mode 补充依据：工具面板（https://docs.trae.cn/ide_tool-panel）。

〔9〕智谱，Open-AutoGLM README。https://github.com/zai-org/Open-AutoGLM/blob/main/README.md 补充依据：动作处理实现（https://github.com/zai-org/Open-AutoGLM/blob/main/phone_agent/actions/handler.py）；使用示例（https://github.com/zai-org/Open-AutoGLM/blob/main/examples/basic_usage.py）。

〔10〕字节跳动，Agent TARS 官方仓库，“Agent TARS”部分。https://github.com/bytedance/UI-TARS-desktop 补充依据：Agent TARS 核心说明（https://github.com/bytedance/UI-TARS-desktop/blob/main/multimodal/agent-tars/core/README.md）；会话保存与恢复实现（https://github.com/bytedance/UI-TARS-desktop/blob/main/multimodal/tarko/agent-server/src/core/AgentSession.ts）。所引核心说明与会话实现对应 Agent TARS；UI-TARS Desktop 为同一仓库中的另一实现。MCP 协议范围另见 MCP Architecture（2025-06-18版规范）（https://modelcontextprotocol.io/specification/2025-06-18/architecture）。

〔11〕WorkBuddy：《连接器》。https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Connector

〔12〕阿里云百炼：《Flow Agent 概述》。https://help.aliyun.com/zh/model-studio/flow-agent-introduction

〔13〕阿里云百炼：《新版智能体应用（Agent 2.0）》。https://help.aliyun.com/zh/model-studio/new-single-agent-application

〔14〕Kimi，Goal Mode。https://www.kimi.com/en/help/kimi-work/goal-mode

〔15〕MiniMax，MiniMax Agent Team: Built for Long-Running Tasks and Continuous Evolution，2026年5月27日。https://www.minimax.io/blog/minimax-agent-team-long-running-1779893953

〔16〕DeepSeek，dsh-superagent-prototype README。https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/README.md 补充依据：领域与事件模型（https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/001-domain.md）；执行机制（https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/003-execution.md）；部署说明（https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/006-deployment.md）。

〔17〕飞书企业工作伙伴补充资料：了解企业工作伙伴（https://aily.feishu.cn/hc/1u7kleqg_ef4valfx）；技能使用（https://aily.feishu.cn/hc/1u7kleqg_nto2bybm）；MCP接入（https://aily.feishu.cn/hc/1u7kleqg_73ahi33a）。

〔18〕WorkBuddy 与 Enterprise 补充资料：WorkBuddy 简介（https://www.codebuddy.cn/docs/workbuddy/Overview）；权限与沙箱（https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Permission-Modes）；Agent Browser（https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/WorkBuddy-Zero-Cost-Skill-Top-10/Agent-Browser）；专家（https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Expert-Center）；定时任务（https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Automation-Guide）；Enterprise 专家（https://cloud.tencent.com/document/product/1831/134393）。

〔19〕TRAE 当前窗口、模式与扩展资料：快速开始（https://docs.trae.cn/ide_get-started-with-trae）；MCP（https://docs.trae.cn/ide_model-context-protocol）；连接飞书（https://docs.trae.cn/ide_connect-trae-to-feishu）；Browser Use（https://docs.trae.cn/ide_browser-use）；Plan、Spec 与 Goal（https://docs.trae.cn/ide_built-in-workflows）；Subagent（https://docs.trae.cn/ide_subagents）；内置与自定义模型（https://docs.trae.cn/ide_models）。

〔20〕Kimi Work 补充资料：Overview（https://www.kimi.com/en/help/kimi-work/overview）；FAQ（https://www.kimi.com/en/help/kimi-work/kimi-work-faq）；Plugin Center（https://www.kimi.com/en/help/kimi-work/plugin-center）。

〔21〕MiniMax Code 当前产品资料：产品与运行条件（https://agent.minimax.io/about）；Welcome（https://agent.minimax.io/docs/code/welcome）；MCP Servers（https://agent.minimax.io/docs/code/agents/mcp）；Computer Use（https://agent.minimax.io/docs/code/desktop/computer-use）；Agent Team（https://agent.minimax.io/docs/code/agents/team）；自定义模型（https://agent.minimax.io/docs/code/account/byok）。

〔22〕阿里云百炼 Workflow 补充资料：工作流概述（https://help.aliyun.com/zh/model-studio/workflow/introduction）；脚本节点（https://help.aliyun.com/zh/model-studio/workflow/script-node）；智能体群组节点（https://help.aliyun.com/zh/model-studio/workflow/agent-group-node）。

产品资料核验日期：2026年11月1日。

文章索引

数据保护官（DPO）社群主要成员是个人信息保护和数据安全一线工作者。他们主要来自于国内头部的互联网公司、安全公司、律所、会计师事务所、高校、研究机构等。在从事本职工作的同时，DPO社群成员还放眼全球思考数据安全和隐私保护的最新动态、进展、趋势。2018年5月，DPO社群举行了第一次线下沙龙。沙龙每月一期，集中讨论不同的议题。目前DPO社群已超过400人。关于DPO社群和沙龙更多的情况如下：