skywork多智能体协作的关键在于明确分工、严格工具隔离与双模型协同调度。专家agent按文档、ppt等5类物理隔离工具权限，通用agent用轻量模型路由任务，专项模型按需加载；执行采用五步结构化流水线与视觉-搜索交替推理闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让 Skywork 的多个智能体真正协作起来干活，关键不是堆数量，而是明确分工、控制调用边界、用对调度逻辑。它不靠一个大模型硬扛所有任务，而是让每个 Agent 各司其职，再由通用 Agent 统一协调。
专家 Agent 必须严格隔离工具权限
文档、PPT、表格、播客、网页这 5 类专家 Agent，每个只挂 1～3 个专用工具。比如 PPT Agent 只连模板引擎和图示生成器，不碰代码解释器；文档 Agent 只接知识库检索和 Markdown 渲染器，不调用 OCR 或搜索 API。这种物理级隔离能防止角色混乱——一旦允许 PPT Agent 写 Python，整个流程就容易崩。
禁用跨模态调用是硬性要求。系统在初始化时会校验每个 Agent 的 tool list，发现违规配置直接拒绝加载。
双模型协同调度是执行稳定的核心
轻量通用模型（如 Skywork-7B-Qwen）始终在线，负责听懂用户指令、判断任务类型、分发给对应专家 Agent。真正在后台干活的，是按需加载的高精度专项模型（如 Skywork-32B-Document），它们不常驻内存，只在任务触发时启动。
- 手动路由：在 config.yaml 中写死路径与模型映射，适合固定流程
- 关键词自动升配：输入含「SWOT」「三栏排版」「柱状图」等词，自动切到 PPT 专用模型
- 显存感知降级：GPU 显存低于 4GB 时，表格分析任务自动切换为轻量模型，并启用流式 CSV 解析
文档生成类任务走五步流水线
这是最常用也最稳定的落地方式，尤其适合 Office 场景。每一步输出必须是结构化数据，不能跳步或合并：
- 意图识别 Agent：把「写Q2客户满意度复盘报告」转成 JSON，含 task_type、domain、period、output_format
- 领域研究员 Agent：根据 domain 和 period 调知识库 API，返回带时间戳的原始数据片段（非摘要）
- 文档生成 Agent：把原始数据喂进 prompt 模板，渲染出含标题层级、图表占位符、引用标注的初稿
- 格式校验 Agent：检查是否符合 docx/PPTX 规范，修复占位符与样式错位
- 终稿交付 Agent：打包输出，支持本地保存或一键插入当前 Office 文档
多模态任务靠视觉-搜索交替推理闭环
比如用户上传一张模糊产品图并问“电池能用多久”，系统不会只看图或只搜文字。它先用改进 CLIP-ViT 提取物体、场景、OCR 文本；当检测置信度＜0.7 或 OCR 错字率＞30%，自动触发搜索；再把视觉线索（如“红色圆柱体咖啡机+LCD屏”）和 OCR 矫正文本组合成 query；最后用分层 prompt 把视觉原始数据、搜索结果、关联假设、验证结果串起来做最终推理。
这种机制在电商识别中把误判率从 42% 降到 11%，核心在于状态机控制器持续评估认知完整性，而不是固定走完一套流程。
