Maka 专家团Expert Team设计落地指南从 WorkBuddy/QoderWork 逆向调研到 agent-catalog 多智能体实现【免费下载链接】makaApache Maka (Incubating) is a high-performance agent workspace that keeps a complete record of everything it did.项目地址: https://gitcode.com/GitHub_Trending/mak/maka导读本文是 maka-agentApache Maka中专家团 / 数字同事Expert Team / Digital Colleague功能的调研与实现方案主体来自仓库归档文档 expert-team-plan.md。方案以两款已安装的商业 AI 工作台WorkBuddy 与 QoderWork的逆向结论为参照将专家 带身份覆盖人格的 subagent、专家团 一个 lead 星型编排多个 member subagent、专家中心 远程 plugin 市场、数字同事 雇佣专家的持久化助理外壳这一套模型一一映射到 maka-agent 现有的agent-catalog、spawnChildAgent多智能体运行时、技能市场与 Deep Research 人格注入四条底座上。读完本文你将掌握专家/专家团的领域数据模型EXPERT.md、运行时注入与编排协议、UI 落点以及一套 P0–P4 的分期落地路线。1. 调研结论两款对标产品怎么做的1.1 WorkBuddy完整的专家中心 数字同事最值得抄WorkBuddy 把专家拆成两个不同层次不要混为一谈专家 / 专家中心Expert Center—— 一个市场目录托管 331 个专家人格、13 个分类数据托管在腾讯 COS。运行时行为如下通过 manifest形如https://acc-1258344699.cos.accelerate.myqcloud.com/workbuddy/expert-marketplace/expert_center.json拉取目录并行拉取internalExpert.json/externalExpert.json合并企业内/外部专家隔离缓存到~/.workbuddy/app/cache/experts/sha256 cacheFormatVersion:2每个专家 一个plugin bundlezip 懒加载解压人格来自一个agent markdownpromptFile 头像 PNGexpertType分两种agent285 个单人格与team46 个即专家团。数字同事 / 云助理Digital Colleague—— 用户自建的持久化助理它雇佣hire一个专家/专家团作为能力来源拥有自己的昵称头像高级配置专家/仓库/资料库/模型可绑定 IM 渠道QQ/微信/飞书/钉钉、云端运行、被 、被定时调度。这是把专家产品化的外壳。注意WorkBuddy 的collab-*模块是人与人的工作区协作与专家无关。专家条目 schema关键字段id, categoryId, displayName{en,zh}, profession{en,zh}, description{en,zh}, promptFile, # COS 相对路径指向人格 md如 /plugins/content-creator/agents/content-creator.md avatar, # /avatars/ContentCreator.png defaultInitPrompt{en,zh}, # 召唤后自动注入的第一条消息 quickPrompts[{en,zh}], # 组合框里的建议起手 prompt tags[{en,zh}], # 能力标签 chip expertType: agent|team, agentName, plugin, # 指向 plugin 内的 subagent id isOPC, operationalTag, visibility, author, members[] # 仅 team 有专家团team的结构——就是 orchestrator→worker 多智能体members: [ { id, displayName, profession, avatar, promptFile, role: lead | member } ]team 顶层的agentName/promptFile指向lead每个 member 有自己独立的人格 md运行时lead 作为唯一对话 agent通过Agent工具subagent_type member.id派生 member 子代理协作协议写在 lead 的人格 prompt 里TeamCreate建团只能 lead 做→ 顺序/并行调度成员 → 成员回传采用星型拓扑所有跨成员信息经 lead 中转成员之间不直连lead 不模拟成员输出、只汇总没有服务端 router——编排完全靠 lead 的人格 prompt跑在本地 Claude-Code 式 subagent runtime 上。人格 md 格式不内联在 manifest激活时才拉取YAML frontmatter markdown body。frontmattername, description, color(强调色), emoji, vibeteam lead 额外maxTurns:200body 是强身份覆盖模板 CRITICAL IDENTITY DIRECTIVE你是 X 且只是 X绝不暴露底层模型Role Definition / Core Capabilities / 内置 Skill 使用场景自动触发的技能/ Final Identity Reminder。持久化sqlite~/.workbuddy/workbuddy.dbsessions表带expert_id / expert_locale / expert_runtime_identity人格快照manifest 变了会话也钉住/ expert_marketplaceautomations也带expert_id定时任务可绑专家。1.2 QoderWork没有专家团但有可借鉴的分层QoderWork没有命名人格选择器但它的三层结构值得参考层单元说明人格/性格awareness/SOUL.md等 soul-presets果断/沉稳/高效/贴心单 agent 身份调优能力打包Plugin专家套件 Skills Commands Connectors(MCP)装一个角色的整个工具箱最接近专家运行时编排Sub-agentsagents/*.mdAgent(subagent_type,...)派生真·多智能体plugin-creatorskill 原话Skill 是一件工具Plugin 是一个角色的整个工具箱。按角色/行业分类电商/产品/法务/财税ai-slidesLegoKit 是教科书式orchestrator→worker 流水线6 个命名 subagentresearcher/designer/reviewer/notes-writer硬性委派边界单轮多 tool_use 块并行产物落盘 JSON 指针交接回传指针不回传大 payload可借鉴的具体做法Markdownfrontmatter 的 agent 按description自动路由单轮 fan-out 等待 fan-in不要后台 detach每个 worker 入口自校验性格 preset用AskUserQuestion引导自建专家。2. maka-agent 现有可复用底座三块几乎现成maka 后端主轴见 ARCHITECTURE.md为Desktop/TUI/Headless → SessionManager → AgentRun → Model Tool Runtime → 事件日志 → 投影。存储是文件/JSON无 sqlite。下表逐项给出关注点、复用/扩展方式与仓库位置关注点复用/扩展位置专家人格注入mode:标签 prompt fragment照抄 Deep Researchapps/desktop/src/main/system-prompt-main.ts已有childInstructionseampackages/core/src/deep-research.tsmode:deep_research先例专家带工具作用域的专业 agent扩展BUILTIN_AGENT_DEFINITIONS每条已带systemPromptpackages/runtime/src/agent-catalog.ts、packages/runtime/src/subagent-tools.tsagent_spawn/SessionManager.spawnChildAgent专家目录 按需安装克隆 managed/bundled 技能目录packages/runtime/src/managed-skill-sources.ts、packages/runtime/src/bundled-skill-catalog.generated.ts、packages/runtime/src/skills.tsinstall→skill.lock.json→baseline→update diff专家定义文件格式复用 SKILL.md frontmatter 解析packages/runtime/src/skills-metadata.tsparseSkillFrontMatter专家选择器 中心 UI克隆市场/内置/已安装三 tabpackages/ui/src/skills-panel.tsx、packages/ui/src/nav-selection.ts、packages/ui/src/session-sidebar-nav.tsx、packages/ui/src/module-pages.tsx专家聊天界面普通会话 expert 标签packages/ui/src/chat-view.tsx、packages/ui/src/composer.tsx非 UI 一致性CLI/headless共享 runtime prompt builder自动继承packages/cli/src/cli-system-prompt.ts、packages/cli/src/runtime-host-cli-context.ts关键判断maka 的agent-catalog.ts每个AgentDefinition带id/name/description/systemPrompt/tools/permissionMode与 WorkBuddy 的专家 带人格的 subagent结构同构→ 单专家直接落在这里。从源码看内置定义如LOCAL_READ_AGENT_DEFINITION只读探索与WEB_RESEARCH_AGENT_DEFINITION仅 WebSearch已经展示了人格 工具作用域的组合方式见 agent-catalog.ts。maka 的 subagent runtimespawnChildAgentagent_spawn工具父子 AgentRun与 WorkBuddy team 的lead 通过 Agent 工具派生 member结构同构→ 专家团直接落在这里。packages/runtime/src/subagent-tools.ts中定义了AGENT_SPAWN_TOOL_NAME agent_spawn等子代理工具族subagent-tools.ts。maka 的技能市场远程/内置目录 contentSha256 install/lock/update是专家中心目录现成模板只差一个sourceType:remoteHTTP 拉取。⚠️ 约束worktree 隔离的子代理目前fail closed没有 worktree executor。AgentDefinitionAvailability中明确存在workspace_isolation_unavailable状态与worktree_child_executor运行时依赖agent-catalog.ts因此专家团 member 第一阶段先用非隔离子代理跑。3. 推荐方案3.1 数据模型专家 一份EXPERT.mdSKILL.md 同族一个专家一个目录EXPERT.md frontmatter 人格 body--- id: content-creator displayName: { zh: 文博凯, en: Kai } profession: { zh: 内容创作专家, en: Content Creator } description: { zh: ..., en: ... } category: 06-ContentCreative avatar: avatar.png color: teal # 强调色借 WorkBuddy expertType: agent # agent | team allowed-tools: [...] # 声明式不授予PermissionEngine 仍是权威 quickPrompts: [{ zh, en }] defaultInitPrompt: { zh, en } # team 专用 members: - { id, displayName, profession, promptFile, role: lead|member } --- 身份指令 Role / Capabilities / 内置技能触发场景 身份提醒复用parseSkillFrontMatter扩字段。该函数位于 skills-metadata.ts内部调用validateSkillMetadata提取allowedTools / requiredTools / requiredCapabilities并保留name / description——EXPERT.md只需在此之上扩展profession / category / avatar / color / expertType / members / quickPrompts / defaultInitPrompt等字段复用技能的 install/lock/baseline/update 生命周期install →skill.lock.json→ baseline → update diff目录内置bundled-expert-catalog.generated.ts复用既有 bundled 技能目录的种子流程见 bundled-skill-catalog.generated.tsmanaged~/.maka/experts/id/EXPERT.md后续加sourceType:remote拉远程 manifestCOS 那套落地可参考 managed-skill-sources.ts。3.2 运行时单专家 vs 专家团单专家expertTypeagent给会话打mode:expert:id标签 →system-prompt-main.ts按标签 gate 出人格 fragment经childInstruction边界注入继承权限/隐私/工作区约束照抄 Deep Research 的mode:deep_research路径。召唤时把defaultInitPrompt作为首条消息注入quickPrompts渲染成起手按钮。专家团expertTypeteamlead 作为对话 agentmode:expert:teamId lead 人格lead 人格 prompt 里写 orchestrator 协议TeamCreate→派发→回传星型member 作为AgentDefinition注册进 cataloglead 用现有agent_spawn派生subagent_typemember.id。不后台 detach单轮 fan-out 等待 fan-in借 Qoder 教训member 回传落盘 指针借鉴 QoderWorkai-slides的 JSON 指针交接回传指针不回传大 payload。3.3 UI导航nav-selection.ts加{section:experts}session-sidebar-nav.tsx加专家团/同事入口module-pages.tsx加ExpertsPage专家中心克隆 skills-panel.tsx 的市场/内置/已安装三 tab 分类过滤 搜索 卡片召唤专家聊天就是普通 chat-view.tsx 会话带 expert 标签 头像 color强调色借use-expert-theme思路light/dark 感知。3.4 分期落地阶段交付复用P0 单专家 MVPEXPERT.md格式 内置目录 mode:expert:注入 专家中心 UI 召唤即聊Deep Research 注入路径、技能目录/UI、agent-catalogP1 专家团team schema lead orchestrator 人格 member 子代理派发非隔离 团队卡片spawnChildAgent/agent_spawn、subagent runtimeP2 数字同事持久化助理外壳自建昵称/头像/雇佣专家/配置仓库·资料库·模型 定时调度会话标签、scheduled-task-storeP3 远程专家中心 分享sourceType:remote拉 COS 式 manifest 缓存校验 自建专家导出/导入安全扫描managed-skill-sources 远程化、lock/sha256P4可选IM 绑定 / 云端 / 协作绑 IM 渠道、云端运行、 数字同事需新连接层评估3.5 待拍板的分叉点专家人格的落点a纯 overlay 标签会话 人格 fragment最轻先做vsb数据驱动AgentDefinition 带独立工具作用域/权限重给真·工具受限同事。建议 P0 走 (a)P1 team member 走 (b)。专家团 member 隔离先接受非隔离共享 cwd还是先补 worktree executor建议先非隔离P1 后再评估隔离注意当前 worktree 子代理 fail closed 的约束。目录来源先只做内置 本地 managedP0远程 COS 式 manifest 放 P3还是一开始就上远程4. 一句话总结WorkBuddy 的专家 带身份覆盖人格的 subagent专家团 一个 lead 星型编排多个 member subagent专家中心 COS 上的 plugin 市场数字同事 雇佣专家的持久化助理外壳。这套模型和 maka-agent 的agent-catalog人格 subagent spawnChildAgent多智能体 技能市场目录/安装/锁 Deep Researchmode 注入四块现有底座几乎一一对应可分 4~5 期低风险落地。延伸阅读本文是调研与规划稿配套的实现记录见 expert-team-implementation.md更广泛的多智能体调度背景可参考 multi-agent-scheduling.md 与 agent-swarm.md。【免费下载链接】makaApache Maka (Incubating) is a high-performance agent workspace that keeps a complete record of everything it did.项目地址: https://gitcode.com/GitHub_Trending/mak/maka创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考