top of page

Block Buzz AI 智能体使用 Unity Gateway

26分钟前
讀畢需時 12 分鐘

Block 于 11 月 12 日详述了其 Buzz 工作空间如何使用 Databricks Unity Gateway,让员工拥有模型选择权,而非只能使用单一模型环境。Block Buzz AI 智能体可与同事共享对话,将协作与模型选择置于同一工作空间中。

这份工程说明为企业采购方提出了一个有益的区分:选择 AI 模型与围绕该模型组织工作,是两个独立的决策。共享界面将二者连接起来,但采购方仍需证据证明,由此形成的工作流能够提升已完成工作的质量。

相关比较在于:针对特定任务组合模型,还是让每项工作都统一采用同一个模型。Anthropic 早期的多智能体研究为这种架构选择提供了参考点。没有任何一种方法必然胜出:答案取决于任务结构、协调开销,以及人工验收结果所需的投入。

Block Buzz AI 智能体进入共享对话

根据 Buzz 协作说明,员工可以创建智能体、选择模型或编程编排工具,并邀请同事参与。智能体是使用模型和工具来推进任务的软件。编排工具则是管理这些交互的外围软件。

Buzz 为开源项目,支持自行托管,并在其他编排工具之外纳入了 Goose 的轻量级版本。员工使用它进行编程和分析。Unity Gateway 通过一次集成提供对前沿模型和选定开放权重模型的访问。开放权重模型会在其许可证约束下提供训练参数。

真正有意义的变化在于工作安排:人们可以共同查看并参与智能体的工作。

想想接收一份完成的答案,与在答案逐步形成时参与其中,二者之间的区别。一位同事可能在过时的假设成为最终建议的一部分之前便发现问题。另一位同事可能补充原始请求者未提及的关键业务约束。

这是共享工作潜在的好处,而非这次披露已证实的量化成果。其价值取决于有用的干预是否能足够早地发生,从而避免返工。充满中间输出的对话,也可能比简洁的最终答复需要投入更多注意力。

对于知识工作者而言,这一区别关乎判断力在流程中的介入位置。审阅一份经过打磨的摘要,会促使人们关注措辞和结论。观察任务逐步展开,则能在系统确定方向之前,对范围、来源和定义提出质疑。

这些机会需要经过审慎设计。可见的对话不一定能揭示哪些文档影响了回答,或哪些指令控制了某项操作。读者应区分对话透明度与完整的执行记录。

同样的区分也适用于同事之间的协作。后加入的人需要获得足够的背景来理解决策,而不必阅读每一次交流。否则,工作空间可能会把总结的负担从智能体转移给人工审阅者。

这使共享对话成为监督界面,而非监督已经变得毫不费力的证据。它最有力的实践检验在于,团队是否能更早发现关键错误,同时花费更少时间重建工作是如何完成的。

对于想了解 Block Buzz 如何运作的读者而言,这一区分让讨论保持务实。该工作空间改变了参与者相遇和贡献的方式。这种安排是否能改善特定任务,仍是一个评估问题。

模型选择给企业 AI 团队带来压力

直接的压力落在平台负责人身上,他们需要决定应给予员工多大程度的灵活性。统一采用一个模型可以简化支持、采购和评估。允许针对任务进行选择,则会扩大这些团队必须理解和维护的组合数量。

模型灵活性将工作重点从集成转向评估和运营政策。

Databricks 在其 8 月 4 日发布的 Unity Gateway 公告 中阐述了这种平衡,该公告宣布产品正式全面可用。该公司描述了对支出、访问权限和 AI 交互的集中化监管,同时保留跨模型和工具的选择空间。

这一时间线很重要。11 月的说明描述的是既有基础设施的一项应用,而不是该网关的发布。读者应将其视为企业架构披露,而不应把每个底层组件都视为新近推出。

通用访问层的实际吸引力不难理解。如果团队能够在无需重建周边应用的情况下评估另一种模型,更换供应商就会成为更易管理的实验。应用仍然需要测试,因为等效的访问并不意味着等效的行为。

因此,Block Buzz 的模型选择提出了一个超越“哪个模型能给出最佳答案”的组织问题:谁来决定哪些组合获得支持,哪些仍处于实验阶段,以及哪些不应再承担敏感任务?

宽松的政策可以鼓励有价值的实验,也可能让员工在没有时间评估的选项中自行选择。严格的政策能降低这一负担,却可能在任务要求或可用模型变化后,继续沿用昨天的默认选择。

对于企业采购方而言,有用的中间地带是拥有明确用途的获批配置集合。这是从该架构得出的分析性推论,而非对 Block 内部政策的公开描述。

例如,编程助手应面对与准备业务摘要的助手不同的验收标准。正确性、响应时间、允许使用的数据和所需审阅,都取决于具体任务。共享界面不应抹去这些差异。

这也是与标准化助手的比较变得实质性的地方。当默认模型的表现已足够、且工作负载高度重复时,保持一致的默认选项仍可能是更好的运营选择。当专业化能够带来可重复的收益时,灵活性才具备其价值。

因此,采购方不应将更长的模型菜单等同于更高的员工生产力。每个受支持的选项都会带来某种组合的培训、故障排查、评估和维护义务。这些义务应纳入商业论证。

这种压力既迫切又具体:平台团队需要一种方法,既能批准变更,又不会把每次模型更新变成全组织范围的迁移。其战略价值在于让该流程可重复进行,并为每一项选择附上证据。

协调者与执行者同样重要

Block 描述了将能力更强的协调模型与较小的执行模型搭配的实验,并由内部基准测试提供支持。协调者负责拆分任务并整合结果;执行者处理被委派的部分。

这一经济价值主张取决于委派质量,而不只是使用更小的模型。

相关先例是 Anthropic 的多智能体研究系统。其 2025 年 6 月的工程说明描述了一个主智能体指挥并行研究智能体。Anthropic 报告称,该系统在其内部研究评估中带来了收益,同时也强调了协调挑战和资源消耗增加。

Anthropic 还警告称,高度依赖的工作可能并不适合使用多个智能体。这一限定在比较研究与编程时尤为重要。独立搜索和相互依赖的改动会产生不同的协调需求,即使两者都涉及复杂推理。

这种比较提供的是架构背景,而非对 Buzz 的独立评估。Anthropic 的结果属于其自身系统和评估,不能证明 Block 的表现,也不能预测其他组织能够取得何种成果。

不过,底层机制仍值得研究。协调者必须识别任务中哪些部分可以拆分,明确所需输出,并判断返回的工作是否满足请求。在这一阶段出现的错误,会影响每一项后续贡献。

设想一个假设情境:调查某项业务指标发生意外变化。不同执行者可能会检查定义、近期的软件变更和报告假设。只有当协调者调和相互冲突的解释,并识别出哪些内容仍未验证时,它们的发现才会变得有用。

如果最初的拆分遗漏了一项共同依赖,并行活动就可能为错误的问题产出多个看似合理的答案。增加执行者并不能纠正这个错误,反而可能通过表面上的一致性,让错误框架显得更具说服力。

因此,完整成本包括规划、重复上下文、工具使用、综合和纠正。较小的执行模型或许能降低单个步骤的成本,却可能增加获得可接受结果所需的步骤数量。

耗时也具有类似结构。独立工作可以并发进行,但整个任务仍要等待必要的依赖项完成。缓慢或困惑的执行者可能延迟综合,而过早的综合则可能掩盖未完成的工作。

应根据这条完整链路评估 Block Buzz 的模型选择。仅比较执行者输出,会忽略协调者是否分配了合适的任务、请求了不必要的工作,或接受了不一致的结果。

这为开发者提供了更有用的比较单位:在既定资源预算下获得验收的工作流。基准测试应在改变配置的同时,保持任务、验收标准和审阅预期不变。

这也为更简单的系统留下胜出的空间。如果一个能力强的模型无需委派就能准确完成任务,协调额外智能体便是一项需要证明合理性的开支。当其额外结构解决了有记录的限制时,这种架构才更具说服力。

通用网关无法解决所有控制问题

Databricks 的 AI 治理文档 描述了模型访问、流量管理、服务策略和监控方面的控制措施。服务策略是规定请求和响应如何处理的规则。该文档还涵盖了连接工具的权限和活动记录。

这些属于平台能力。它们的可用性并不能证明某个客户启用了哪些设置,或每条应用路径都以多大的一致性使用了这些能力。

集中访问有助于界定控制边界,但周边工作流仍需要明确的责任划分。

共享的智能体对话会引发身份问题。提出问题的员工、检索信息的智能体,以及阅读答案的同事,分别处于不同角色。一个经得起审视的设计,需要说明每一步适用的是谁的权限。

设想这样一种讨论:只有部分参与者可以访问某些信息。获准加入讨论,并不应自动意味着有权检索每一份底层文档。反过来,获授权进行检索,也并不意味着所得文本可以向在场所有人分享。

这是一项通用的设计考量,并非 Block 部署存在缺陷的证据。公开说明并未提供完整的安全评估。读者不应将架构概述视作保障报告。

自托管带来了另一层区分。在组织自身基础设施上运行工作区,说明的是应用程序所处的位置。但这本身并不能确定每项模型请求在哪里处理,也不能确定所连接系统在何处保留数据。

对于考虑类似方案的采购方而言,数据流与界面所有权应分别考察。相关问题包括:哪些数据会离开应用程序、由哪个目的地接收,以及此后适用哪些保留规则。

一份可用的活动记录还必须贯穿工作流中的各项决策。知道某次模型请求已经发生,与理解某个工具为何运行、由哪项指令授权、以及谁批准了最终行动,是不同的事情。

当多个代理共同促成同一结果时,管理挑战会进一步扩大。责任归属不能仅取决于哪个代理发布了最终答案。审查人员需要了解具有实质影响的中间行动,尤其是那些会改变外部系统的行动。

预算控制带来了相关的运营问题。Databricks 的 AI spend controls 介绍了能够阻止后续请求的警报和硬性上限。工作流在触及这一边界时,需要有明确的处理结果:暂停、失败,还是请求获得授权后继续。

如果用户清楚哪些工作已完成、哪些仍未完成,突然中止可以是可接受的。但当部分结果看起来像是成品时,管理就会变得更困难。清晰的完成状态应与权限和支出控制一并具备。

对于 Block Buzz AI agents,更广泛的启示是:协作与治理处在不同层面。共享工作区组织的是参与;控制机制仍必须涵盖身份、数据流动、行动以及未完成的执行。

缺失的证据是已完成的工作

11 月的披露并未提供经过测量、具有普遍性的成本或速度提升。对实验的描述应与以下主张明确区分:混合代理团队在企业工作中全面优于更简单的替代方案。

最有力的证据,应将可复现的配置与被接受的结果联系起来,并包括达成这些结果所需的人力投入。

Anthropic 早先发布的 effective agents guidance 提供了相关的平衡视角。该指南建议从最简单可行的方法开始,并在有充分理由时再增加复杂性。它还区分了预先定义的工作流与由模型自行引导流程的系统。

这一指导并非对 Buzz 的批评,而且早于此次披露。其相关性在于其中的评估原则:额外的自主性与协调机制应回应已经被证明存在的需求。

一项有用的评估应从定义完成开始。对于软件工作而言,生成的代码只是中间产物。验收可能要求通过相关检查、满足需求,并经受审查而不存在未解决的缺陷。

对于分析工作而言,一份可读的说明同样不足够。结果需要包含正确的定义、有依据的结论,以及对重要不确定性的说明。否则,流畅的回答可能掩盖员工仍需完成的工作。

人工修正值得被明确纳入考量。一个更快产出初稿、却需要更长审查时间的配置,并不一定缩短了任务周期。同样,一次看似低成本的运行,若之后必须有人重建缺失证据,也可能变得昂贵。

失败也需要继续计入分母。只报告成功运行,会偏向那些反复尝试困难任务、直到出现可接受结果的系统。采购方需要知道中断、放弃和被拒绝的任务最终如何处理。

这并不要求公开敏感的内部任务。组织可以描述评估方法、任务类别、验收规则和汇总结果,而无需暴露机密输入。即使无法发布原始示例,透明的方法论仍然重要。

同样的原则也适用于模型替换。如果协调器、工作模型、指令和工具同时发生变化,就很难将改进归因于模型选择。边界审慎的比较能使结果更易于理解。

因此,对于探索 Block Buzz 工作方式的读者而言,内部基准测试是一条重要线索,而不是完整答案。其意义取决于基准衡量了什么,以及这些衡量是否反映普通员工的日常任务。

这还涉及知识管理维度。团队需要经批准的定义和支持性文档,并确保它们在对话结束后仍然可被发现。关于 searchable knowledge base 的相关讨论,有助于区分持久证据与临时对话上下文。

这种区分会影响可重复性。如果一个答案之所以成功,是因为某位同事提供了一条未记录的事实,那么仅重复模型配置并不能复现该结果。支持性知识和审查流程也应纳入说明。

这些缺口均不会否定该架构。它们界定了可信地说明系统如何组装,与证明另一家组织应针对特定工作负载采用该系统之间的边界。

Block 披露后值得关注的事项

接下来有价值的进展,应将架构灵活性转化为可观察的运营结果。未来数月中,最具信息价值的信号将涉及评估披露、持续使用,以及维护受支持配置所需的工作量。

关注完整工作流得到改进的证据,而非仅仅关注可用代理数量增加的证据。

第一个信号是可复现的配置比较。这意味着明确任务类别、清晰的验收规则,以及对失败尝试的核算。它应在可比条件下,将混合代理团队与可信的更简单替代方案进行比较。

如果此类发布显示出可重复的收益,且没有将隐性工作转移给审查人员,就会强化任务特定组合的论据。混合结果同样有价值,尤其是当其识别出委派会带来不必要额外负担的任务时。

即使没有显著提升,公开的方法仍然重要。采购方需要了解,结果究竟源于更好的任务拆分、不同的模型、改进的工具,还是定义更严谨的请求。这些解释决定了这一发现能否迁移到其他场景。

第二个信号是在初始实验之外的持续使用。相关证据应描述反复出现的工作流和被接受的输出,而非仅统计已创建的代理或可用的集成数量。

如果员工持续回到共享工作区处理具有实质影响的任务,持续使用将强化协作方面的论点。频繁放弃或迁回孤立工具的证据,则会削弱这一论点,并有助于识别该界面的局限。

采用情况也应结合监督来解读。一场活跃的对话可能意味着富有成效的参与,也可能意味着反复澄清。关键区别在于:同事是在贡献判断,还是把时间花在修复本可避免的误解上。

第三个信号是变更配置的维护负担。采购方应关注有关替换模型、更新执行框架、保留控制机制,以及随后检查现有工作流的具体说明。

如果这些变更变得常规且边界清晰,共用访问层就支持了一种实用的灵活性形式。如果每次替换都需要大量重新测试和人工修复,选择的运营价值就会更加有限。

Block Buzz AI agents 让一个具体的企业问题更容易看清:标准化应止于何处,任务特定的组合又应从何处开始?答案不必在每个部门或每项任务中都完全相同。

值得关注的证据是,组织能否反复作出这一决策,并具备足够可见性来解释其成功与失败。这会比又一个关于自主工作的泛泛主张更有用。

在采用类似架构之前,选择一个团队已经熟悉的重复性任务。定义一项可接受结果应包含什么,以及通常需要多少审查。将拟议的代理工作流与这一基线进行比较,比较中应包括中断、修正和失败尝试。保留支持性证据,以便另一位审查者能够理解结果为何被接受。然后问一问:增加的模型选择是减少了投入、提升了质量,还是仅仅将工作转移到了其他地方?你的工作流中,究竟哪一部分真正受益于委派,哪一部分仍依赖同事作出判断?用这个答案决定哪些内容值得更广泛部署。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page