CoworkOS:Scaling Agent Coworkers for Real-world Automation

一句话概括

CoworkOS 把「任务策略」与「执行管理」拆开，用三层运行时支撑长周期协作代理，在 12 个基准和 6 类真实应用中与 Codex 等前沿代理应用竞争，并在持续工作案例中把 8 个基准的平均分从 33.19 提升到 42.95。

协作代理正把人与 AI 的协作推向真实世界自动化，产出软件、设计等交付物。这类生产力工作有双重压力：既要高质量完成复杂任务，又要在长周期内持续监控与决策。现有方法难以同时满足这两点，作者将其视为开放挑战。

核心设计是职责分离。模型决定动作、委派与验收；运行时维护状态与反馈。这样策略与执行管理互不纠缠。

架构分三层，支持直接执行，也支持同步或异步委派给子代理，且职责边界稳定。

共享应用层让人与代理查看并修改同一份演进中的文档、演示文稿、CAD 模型与 Blender 场景。人类介入因此有两条通道：对话，或直接改动工作产物本身。

为维持跨代理、跨会话的连续性，CoworkOS 引入分层工作区（hierarchical workspace）与持久语义记忆（persistent semantic memory）。工作文件、关键决策与长任务日志因此可共享、可复用，中断后可恢复。

在 12 个基准、6 类真实应用中，CoworkOS 与 Codex、DeepSeek Harness 等前沿代理应用相比具备竞争力。

持续工作案例中，CoworkOS 以 GLM-5.3 为骨干，对 Qwen3.6-35B-A3B 做 RSI 驱动的自动化后训练。5 轮之后，模型在 8 个基准上的平均分由 33.19 升至 42.95，提升 9.76。

作者认为，这为通用协作代理智能提供了一条有意义的路径。

这篇工作的价值可能不在单点能力，而在「运行时」这层抽象。把策略与执行管理分开，长任务的失败更容易定位：是决策错了，还是状态与反馈没接住。

共享应用层是另一个值得注意的设计。人类介入不限于对话，还能直接改文档与模型，这贴近真实协作习惯，也绕开了纯文本接口的信息损耗。

分层工作区加持久语义记忆，针对的是长周期工作的老问题：上下文断裂。若这套机制可靠，代理的「交接班」成本会明显下降。

案例中的自动化后训练值得关注。它把代理框架当作持续工作的执行者，而非一次性工具，这更接近「代理同事」的定位。

摘要未给出各基准的具体分数与对比细节，竞争力结论缺少可核验的量化支撑。

案例只报告平均分，未说明 8 个基准各自的增益分布，也未给出方差或重复次数。

RSI 驱动后训练的具体机制、数据来源与算力开销，摘要未给出。

分层工作区与持久记忆的检索精度、冲突处理与隐私边界，摘要未给出。

人类直接修改产物后，代理如何感知并吸收这些改动，摘要未给出。

开源情况与复现条件，摘要未给出。