阿里云“万有无界”开启公测：多角色 Agent 开始进入企业项目空间

阿里云企业级人与 Agent 协作平台“万有无界”于 2026 年 9 月 2 日开启公测，企业用户和个人用户均可通过官网注册体验。平台目前可调用阿里最新旗舰模型 Qwen3.8-Max，但它真正想解决的问题并不是“再做一个聊天机器人”，而是把多个 Agent、企业员工、项目流程和工作产出放进同一个可治理的项目空间。

这不是让一个 Agent 包办一切

“万有无界”是一个多角色 Agent 协作工作台，核心定义是：通过多个拥有不同职责的 Agent，围绕同一个项目进行分工、接力和成果沉淀。它与当前常见的单 Agent 工作模式不同，后者通常是用户提出一个目标，由一个 AI 在单次会话中完成尽可能多的步骤。

单 Agent 模式适合写一份总结、生成一段代码或快速分析一张表，但面对市场调研、产品发布、制造流程设计、影视项目策划这类跨环节任务时，问题很快会暴露出来：谁负责拆解任务？谁能看到上一阶段的结果？哪些判断经过了人工确认？最终文件应该归谁所有？如果所有上下文都挤在一个聊天窗口里，项目越复杂，越难追踪和复用。

万有无界的思路，是把复杂任务拆给不同职责的 Agent，再由项目机制把它们组织起来。用户可以在项目空间中创建群聊，让多个 Agent 围绕同一个目标接力工作；过程中产生的文档、表格、方案和其他文件，则自动进入资产库，而不是停留在某个聊天记录里。

这套设计的价值不在于“同时开了几个机器人”，而在于把 AI 的工作过程变成了一个可观察、可分派、可验收的项目流程。对于企业来说，这比单纯追求某个模型在一次问答中的表现更接近真实生产环境。

“小万”和“小有”分别扮演什么角色

万有无界内置两个主 Agent，分别承担个人总助理和项目经理的职责。

| Agent | 归属对象 | 核心职责 | 更适合的场景 | |---|---|---|---| | 小万 | 用户个人 | 作为个人总助理，理解用户需求并协助处理任务 | 个人信息整理、任务跟进、日常工作辅助 | | 小有 | 项目空间 | 作为 PMO Agent，依据 SOP 规划任务、分配成员、推动进展和组织复盘 | 跨部门项目、流程化协作、阶段性交付 |

“小万”更像用户身边的长期助手，“小有”则更像一个项目经理。PMO Agent 是项目管理办公室智能体，主要负责把目标转化为任务、节点、责任人和前后置条件，而不是只负责生成文字。

项目启动后，“小有”可以依据企业或项目预设的 SOP 模板动态规划任务，并将任务分派给人类成员和 Agent 成员。SOP 是标准作业流程，用于描述一项工作应该经过哪些步骤、需要哪些输入、由谁验收。这样的安排意味着，Agent 不再只是被动等待用户逐句提示，而是能够嵌入一套已有的工作流程中。

不过，不能把“小有”理解为完全自动化的项目负责人。官方介绍强调，人员可以在关键节点进行验收和纠偏，Agent 也需要在授权边界内行动。换句话说，平台的定位更接近“人机共同推进项目”，而不是把项目交给 AI 后完全不管。

项目空间是平台的核心容器

项目空间是万有无界组织协作的基本容器，负责把群聊、成员、任务和资产归拢到同一个项目上下文中。它解决的是企业使用 AI 时最容易被忽略的上下文问题：信息应该属于哪个项目，谁有权访问，哪些成果可以被后续工作继续使用。

平台中的 Agent 会话分为单聊和群聊两种形态。单聊适合用户直接向某个 Agent 提出问题或获取专项帮助，群聊则用于多个 Agent 围绕同一任务协同推进。两者的区别并不只是界面上的聊天人数不同，而是对应了“专项处理”和“项目协作”两套工作方式。

当一个产品团队要做新品发布时，市场分析 Agent 可以负责整理竞品和用户反馈，内容 Agent 可以基于分析结果制定传播方案，设计类 Agent 可以生成视觉方向，项目经理 Agent 则负责安排依赖关系和交付节点。人类成员不必反复把前一阶段的结果复制到下一次对话里，项目空间可以作为共享上下文和成果容器。

资产库则承担企业知识沉淀的角色。资产库是用于自动保存和检索项目产出的文件与资料集合，目标是让一次协作生成的结果成为后续项目可以调用的数字资产。对企业而言，这一点比“本次回答是否精彩”更重要，因为真正产生复利的不是一次性文本，而是可复用的流程、模板、判断依据和交付物。

平台试图补上 Agent 的四个企业能力

万有无界与普通 AI Agent 的关键区别，在于它为 Agent 增加了长期身份、组织记忆、权限边界和协作机制。四者共同构成了企业级 Agent 与个人聊天助手之间的分水岭。

第一，长期身份让 Agent 不再是每次对话都从零开始的临时角色。一个负责市场分析的 Agent，可以在组织允许的范围内保持相对稳定的职责、行为方式和工作上下文；一个项目经理 Agent，则可以围绕具体项目持续推进任务，而不是每次重新解释自己的工作目标。

第二，组织记忆让项目中的判断和决策有机会被保存下来。官方介绍称，项目中的决策与判断依据可以按照项目留存，并在授权范围内被其他项目引用。这意味着企业积累的不只是文件，还包括“为什么这样做”的背景信息。

第三，权限边界决定了 Agent 能看到什么、调用什么以及能把结果交给谁。平台允许管理员定义记忆、资产和工具的可用范围，Agent 只能在受控边界内行动。这是企业落地 Agent 时必须面对的现实：模型能力越强，越需要限制它接触的数据和执行的动作。

第四，协作机制让 Agent 可以被指派、被考核，并对产出承担明确归属。多人与多 Agent 可以按照节点分工，并依据前后置条件接力推进；人类成员则在关键节点验收和纠偏。这个机制将 AI 输出从“聊天内容”转化成“项目交付的一部分”。

企业真正关心的是成果归属

万有无界最有现实感的设计，是把组织记忆和流程资产归属到企业账户，而不是归属到某个员工的个人账号。个人调教的 AI Agent，其经验通常沉淀在个人空间里；一旦员工离职，企业可能连同提示词、工作方法和历史上下文一起失去。

企业级 Agent 的价值，不只是替员工节省几小时，更是把个人经验转化为组织能力。一个熟悉供应链分析的员工，可以把自己的工作流程、验收标准和常用资料沉淀到项目体系中；后续即使由其他员工或其他 Agent 接手，也能在授权范围内复用这些成果。

这种设计也意味着，企业需要重新思考“谁拥有 AI 产出”。如果一个 Agent 生成的方案属于某个个人账号，它更像个人生产力工具；如果方案、记忆、工具配置和流程资产属于企业账户，它才有机会成为组织基础设施。万有无界明显选择了后者。

但资产归属并不自动等于知识治理已经完成。企业仍然需要明确资料分类、访问权限、版本管理、敏感信息处理和离职交接规则。平台提供了治理能力的入口，具体治理效果则取决于企业是否真正建立了相应制度。

开放 Agent 接入，平台边界不只在阿里云内部

万有无界没有把 Agent 来源限制在平台内置角色，用户可以从技能市场选择和配置 Agent，也可以接入本地部署且符合 A2A 协议的 Agent。A2A 协议是一套用于不同 Agent 之间发现、通信与协作的开放协议，目标是让不同来源的智能体能够在统一规则下交换任务和结果。

这一点对制造、影视、科研、设计和零售等行业尤其重要。企业通常已经拥有大量内部系统和专用软件，不可能为了使用 Agent 而把所有工作迁移到同一个平台。如果本地部署的质检 Agent、企业内部知识库 Agent 或设计工具 Agent 可以接入项目空间，万有无界的角色就不只是 AI 应用，而更像一个调度层。

技能市场则降低了企业组装 Agent 团队的门槛。企业可以根据项目需要选择研究、写作、数据处理、审核、设计等不同能力，再由项目经理 Agent 负责协调。它的潜在优势在于，企业不必为每一个业务环节单独开发完整应用，而是可以围绕任务组合数字员工。

当然，开放接入也会带来新的兼容性和安全问题。不同 Agent 的输入输出格式、可靠性、权限模型和责任边界可能并不一致。平台是否能提供足够清晰的 Agent 认证、版本控制、运行审计和失败回滚机制，将直接影响它能否从演示场景进入生产环境。

与传统办公 AI 相比，差异在“组织方式”

万有无界与传统办公 AI 的差别，主要不在于谁能生成更长的文档，而在于谁能管理一项工作如何被完成。单纯的办公 AI 解决的是“帮我写、帮我搜、帮我总结”，万有无界试图进一步回答“这件事由谁负责、经过哪些节点、结果保存在哪里、下一次如何复用”。

| 对比维度 | 单 Agent 助手 | 传统办公 AI | 万有无界 | |---|---|---|---| | 工作单位 | 一次对话或单项任务 | 文档、表格、会议等办公对象 | 企业项目空间 | | Agent 角色 | 通常为单一通用助手 | 以功能模块为主 | 总助理、项目经理及可扩展角色 | | 协作方式 | 用户逐步提示 | 人与工具协作 | 人与多个 Agent 按节点协作 | | 上下文管理 | 依赖会话或个人记忆 | 依赖具体应用数据 | 项目记忆、成员、资产统一管理 | | 产出沉淀 | 多停留在聊天记录 | 分散在办公文件中 | 自动进入项目资产库 | | 权限与治理 | 能力差异较大 | 依赖办公系统权限 | 管理员定义记忆、资产和工具边界 | | 适用任务 | 快速问答、内容生成 | 日常办公提效 | 跨角色、跨阶段的复杂项目 |

这个定位也解释了平台为什么强调“项目”而不是“对话”。聊天窗口适合承载即时交流，项目空间则需要承载目标、角色、流程、资产和责任关系。前者是交互界面，后者更接近企业的工作操作系统。

接入 Qwen3.8-Max，但模型不是全部答案

万有无界公测阶段可调用阿里最新旗舰模型 Qwen3.8-Max，这为平台提供了底层推理和内容生成能力。Qwen3.8-Max 是阿里通义千问系列中的旗舰模型，平台将其作为多角色 Agent 协作的模型能力基础。

不过，模型本身并不能自动解决企业协作问题。一个模型即使能写出高质量报告，也不代表它知道报告应该交给谁、哪些数据可以使用、哪一个版本才是最终版。企业 Agent 的难点往往从“模型会不会做”转移到了“系统能不能让它在正确的时间、正确的权限下做正确的事”。

因此，万有无界的竞争力需要从三个层面观察。第一是模型能力，包括复杂任务理解、长上下文处理和工具调用效果；第二是 Agent 编排能力，包括任务拆解、角色协作、失败处理和节点推进；第三是企业治理能力，包括数据隔离、权限控制、资产归属和审计追踪。

如果平台只是在群聊中放入多个 Agent，最终仍然可能变成“多人围观 AI 输出”。只有当项目模板、角色权限、任务依赖、资产库和验收机制真正联动起来，平台才可能产生超过单个模型的系统性价值。

公测阶段值得重点观察什么

万有无界公测最值得观察的，不是首页能否展示出一套漂亮的 Agent 协作流程，而是它在真实企业项目中的稳定性和可控性。

首先要看复杂任务拆解是否可靠。项目经理 Agent 能否把模糊目标转成可执行任务，能否识别任务之间的前后置关系，能否在某个 Agent 失败后重新分配工作，这些能力决定了平台是“自动化工作台”还是“更复杂的聊天窗口”。

其次要看人工介入是否顺畅。企业不会接受关键决策完全由 Agent 自主完成，但也不希望员工在每一步都手动确认。平台需要找到一个合理的平衡：低风险环节自动推进，高风险节点要求人工审批，异常情况能够及时升级给负责人。

再次要看资产库是否真正可用。文件自动保存只是第一步，企业还需要准确检索、版本识别、权限继承、来源追踪和跨项目复用。如果资产库最后变成一个堆满 AI 生成文件的文件夹，所谓组织记忆就很难形成。

最后要看开放 Agent 接入的实际门槛。A2A 协议提供了连接基础，但企业仍会关心接入 Agent 的身份认证、数据范围、执行记录、运行成本和故障责任。只有这些问题被产品化解决，第三方 Agent 生态才不会停留在概念层面。

OpenAI Hub 观察：从“会做事”走向“组织做事”

万有无界的方向值得肯定，因为企业 Agent 的下一阶段确实不应只是让一个模型完成更多步骤，而是让多个智能体在明确的组织结构中完成一项工作。对企业用户来说，真正有价值的不是多一个 AI 聊天入口，而是少一些重复沟通、少一些上下文丢失，并让经验和成果在组织内部持续积累。

它的短板也同样清楚：平台最终效果高度依赖任务编排、权限治理和 Agent 可靠性，而这些能力通常比模型演示更难做好。Qwen3.8-Max 可以提供底层能力，但不能替代企业流程设计；技能市场可以扩展角色，但不能自动保证每个 Agent 的质量；项目空间可以保存资产，但不能代替企业建立知识治理制度。

因此，万有无界更适合被看作企业 Agent 基础设施的早期形态，而不是开箱即用的“数字员工团队”。对于正在探索 AI 项目管理、知识沉淀和跨部门自动化的企业，它值得在公测阶段进入真实但低风险的项目试用；对于只想快速生成文案、总结会议或问答的个人用户，单一 AI 助手可能仍然更直接。

这次公测释放出的信号是，AI 产品的竞争焦点正在从模型能力延伸到工作组织能力。未来企业买的可能不只是一个更聪明的模型，而是一套能够定义角色、管理权限、串联流程、保存记忆并对交付负责的 Agent 协作系统。万有无界是否能把这套设想变成稳定的生产工具，还要看公测用户在真实项目中的反馈。

参考来源

• IT之家：阿里云企业级 Agent 协作平台“万有无界”开启公测：提供平台公测时间、产品定位、核心 Agent、项目空间、资产库及 A2A Agent 接入等官方介绍。