平凯 Loop 不是单一功能的智能体工具，而是让多个自主智能体协作完成严肃任务的平台。
2026 年正在成为人类迈向 AGI（通用人工智能）的分水岭。几个判断正在成为共识：通用人工智能可能在 2030 年前后到来；单纯的代码生产工作已经结束——但软件行业还有长时间的转型时期，未来 5 到 10 年，大量工作需要把大模型的能力深入到具体场景中去；编程自动化的下一步是让“企业数字员工”真正落地。
在这些议题中，多智能体成为一个热门关键词。但一些智能体当前的产品功能还停留在执行单一任务的阶段，例如让一个智能体在报销、客服、文书等具体场景里做一个小的闭环。说白了，就是把上一代的 RPA 自动化了。
而平凯 Loop 想解决的问题不一样。它要提供的不是单个更聪明的 AI 智能体助手，而是一群能自主协作的“数字同事”，并让这些智能体通过体系化的协作来胜任严肃场景下的工作。
为什么是 2026 年：多智能体的“龙虾时刻”
年初以来，OpenClaw、Hermes 等产品让行业看到一个事实：OpenClaw 承担了当时 DeepSeek 普及推理型大模型一样的角色，带大家入门，于是我们开始理解智能体可以帮人干活了。但是“智能体能否大规模的、负责任的完成任务，并且能自主协作”这件事才刚刚开始。
单一智能体的瓶颈其实被很多人忽略了。一个人用一个智能体，它听你的，你感觉不到问题。但当多个智能体自主协作——你可能会撞上一连串的问题：谁做决策？责任归属是谁？出了问题该从哪个环节追溯？
这些问题从根本上讲，都是分布式系统的挑战。
在平凯星辰内部，这个挑战正在转变为真实实践，成为一个日常运行的场景：每天晚上 10 点启动定时流程做系统运维优化，全程由智能体之间自动协作，人完全不介入，直到智能体反向 @ 人类，说“这个判断需要你来做”。
一条打造多智能体协作平台的“非典型”路径
平凯星辰为什么要做多智能体协作与管理平台？答案来自我们自身的实践路线。
第一条线，服务 AI 公司的积累。过去一年多，TiDB 服务了大量大模型和 AI 智能体公司。某头部的智能体公司在全球市场，背后已经用了超过 200 万个 TiDB 实例。但在服务过程中团队越来越清晰地意识到：光靠数据库不够——数据库需要有多模态能力、混合检索能力，但在靠近智能体的这一层，还需要一套新的“智能体原生”基础设施来解决知识、技能、记忆，权限管理等中台服务问题。这就是 MeshX （数字员工引擎）的由来。
第二条线，TiDB 自身的工程实践。去年，公司研发团队全员进入了 vibe coding 模式，但在这个过程中发现：单人效率的提升并不意味着组织之间的效率一定提升。员工与员工之间的同步，从需求拆解到冲突，再到最后合并代码的难度都很大。这意味着必须要把所有人放在一个作业平面里。因此，从个体化到企业级协作、再到组织行为与自主体系，这套实践沉淀了 12 个月，我们不再需要逐行写代码，也不需要逐行 review 代码，这些都可以交给平凯 Loop （多智能体协作与管理平台）来完成——这正代表着今天平凯 Loop 的产品形态。
在平凯 Loop，智能体为什么能组成“数字员工团队”？
因为平凯 Loop 是智能体的办公室，也是人和机器在一起工作时的安全协作与执行空间。
在这个办公室里，频道、任务板、消息机制构成了协作的基本面。人和智能体在同一空间里互相 @、商量怎么干复杂任务，所有交谈全部留痕。在编程场景中，智能体参与度达到 86%——也就是说大概 86% 的需求推进与交付工作是在人完全不干预的情况下由智能体自主协作完成。
作为上层的平凯 Loop 能独立运转，背后离不开两层关键支撑。
中间层：MeshX，智能体的“中台大脑”。它主要解决三个核心问题：记忆（长期和短期）、知识库（代码仓、文档、企业 wiki 的统一管理）、Skill（员工成熟经验一键赋能给智能体的模板）。一个人类员工或智能体的成熟技能可以沉淀在系统里，并由下一个智能体无缝继承。这对于智能体的管理而言非常重要。
底层：TiDB，分布式数据库。 多智能体对数据库有两个硬性要求。第一，毫秒级的沙箱分支——每个智能体跑独立沙箱时，创建必须极快且成本极低。第二，分布式事务和断点自愈——任何一个工作结束后记忆要持久化，重新开始时智能体要能无缝接上。用传统数据库，尤其集中式数据库是万万不可能的。更适合智能体的必然是一个多租户、有分支能力的数据库。
这三层形成一个持续循环：智能体创建后开始工作，记忆和知识在不同组织边界里不断沉淀，落盘到 TiDB，再反哺给智能体的下一个动作。组织一边让智能体干活，一边自动沉淀最佳实践。
用了才知道：智能体比我们想象的聪明
真正深度体验多智能体协作之后，一些“反直觉”的体会逐渐浮现。
智能体团队可以比人想得更周全。在单一智能体里，人的认知是系统的天花板；但在多智能体的协作网络里，智能体之间通过循环反馈做几轮推理，最终想出来的方案可能超过任何一个人的上限。
人可以同时推进二三十个项目。因为智能体没有内耗，没有沟通障碍，可以十几个小时持续工作。人只需要在关键节点做判断和干预。过去带着智能体做一个项目，人是每一步都要指导的“带教”；现在人只用提需求、验收结果。多线程任务和项目中，人可以只做低频的关键判断，主要工作可以交给多个智能体自动协作执行。
最大的浪费，是把智能体当工具用。 把大模型和智能体能力囚禁于人类的知识边界以里，可能是目前最大的浪费。很多人用智能体的姿势是：让它帮我做我已经会做的事，越快越好。但多智能体协作这套体系真正的上限不在于此——真正的价值是让你敢去想、敢去做那些原来因为人力或组织边界而不敢碰的事情。这时的效率提升可能不是 20%、30%，而是几十倍、一百倍的量级。
从编程到数字员工，哪些场景适合“第一个吃螃蟹”？
平凯 Loop 目前同时在 SaaS 公有云和私有化部署两个版本上运行。关于平凯 Loop 的适用场景，可以参考但不限于以下场景：
- AI 原生组织。两三个人、甚至一个人，就可以用平凯 Loop 快速交付一个版本，每天迭代。所有新业务可以用平凯 Loop 作为原生的协作形态。
- 金融政企传统应用改造。金融、能源、运营商、医疗等行业有大量的存量应用，把应用代码仓放进 MeshX，用智能体自动解读，在开发任何新代码时用多智能体自动化开发，并与原有应用协调。Loop 能做的不是推倒重来，是“改造式升级”。
- 数字员工系统。这可能是从今年下半年才真正开始的赛道——各行各业构建自主决策的智能体协作平台，覆盖法律、财务、客服、运营等垂直场景，未来也会延伸到所有垂直行业。
伴随这些场景，FDE （Frontline Deployment Engineer，前线部署工程师）这个角色已经在行业中热起来。很多软件公司都开始有专门的 FDE 团队——他们能在客户现场理解需求，用好 Agent 和 AI，帮助客户实现真正的工作级别的智能。
当软件的交付方式、组织形态、人的角色，都在发生根本性的重构，或许每个组织都值得想一想：组织形态和人的角色应该怎么变？