工作伙伴与工作小队：让多个 AI 分工协作

一、一个人干，还是一支小队干

前面讲的任务，大多是一个智能体从头包到尾。可真实工作里，复杂一点的事往往需要不同专长配合：有人查资料、有人算数据、有人写、有人挑错。豆包工作把这种分工做成了两种形态。

工作伙伴是单个、具有明确专业方向的 AI 角色，你按任务需要请对口的那一个。 工作小队是多个不同角色组成的小组，围绕同一个目标分头干活、最后汇总。

判断要不要动用它们，看任务的复杂度。单一技能就能完成、产出一种东西的活，用默认任务模式最直接。当一件事天然包含多种性质不同的子任务、而且你希望它们并行推进、互相补位时，伙伴和小队的价值才体现得出来。为简单任务硬凑一支小队，只会增加沟通和核对成本。

工作伙伴可以理解为带着专业背景来上班的同事。官方预置的角色包括：

还支持企业自定义专属伙伴。实际可用的清单以你客户端里列出的为准。

添加和调用的路径仍在左侧「技能·连接器·伙伴」入口：进入伙伴区域，浏览各角色的专长说明，把常用的加入，发起任务时指定由哪个伙伴承担，或在过程中追加。每位伙伴都可以自定义人设、专长和可调用的技能与连接器。

举个实际例子。同样是分析一份销售表，让数据分析师来做，它会更自然地先核对字段口径、再做分组统计、最后指出异常项和可能原因，而不是只给一段泛泛的描述。

选伙伴的原则和现实中找人一样：看它的专长是否正好匹配这件事最核心的要求。

当一件事需要多种专长环环相扣，就轮到工作小队上场。它的本质是把一个大目标拆成若干有先后关系的子任务，交给不同角色并行或串行完成，再把各自产出汇总成一份完整成果。

你扮演的是项目经理：说清总目标、定好每个角色负责什么、约定最终交付标准，具体执行由小队推进。

组建一支小队按下面的步骤：

以做一份竞品分析为例，能看清小队是怎么协作的。

你布置总目标后，调研类角色先去收集各竞品的功能、定价、用户评价等一手信息，形成资料底稿；数据分析师接着从这些资料里提炼对比维度，做功能矩阵和优劣势判断；撰稿角色据此组织成结构完整的分析报告；最后由偏审校的角色检查数据是否前后一致、结论是否都有材料支撑。

你在几个关键节点介入：确认调研范围、拍板对比维度、审阅最终结论。其余的搬运和初稿由小队完成。

每个环节由最擅长的角色承担，出错时也容易定位是哪一环，回头让对应角色修正，不必整篇重来。

相比让一个智能体一口气写完，这种分工的好处是每个环节都由最擅长的角色承担，出错时也更容易定位是哪一环的问题，回头让对应角色修正即可，不必整篇重来。

角色越多不等于效果越好，几个原则能帮你避开常见的混乱。

分工要互斥。 别让两个角色重复收集同样的资料，否则既浪费额度又可能产生互相矛盾的版本。

交付标准要在一开始统一。 各角色都用同样的单位、同样的命名、同样的模板，汇总时才不会拼出一份风格割裂的东西。

关键判断仍要由你把关。 小队擅长执行和整理，但涉及取舍、结论和对外口径的部分，需要你基于对业务的理解来定。

先用小队跑通一个中等复杂的任务，熟悉它的协作节奏，再逐步交给它更大的项目，比一上来就组织一支庞大队伍稳妥得多。