把 Claude、Codex 和 DeepSeek 拉进一个群，它们开始互相干活了

不知道你有没有这样的疑惑，听过很多讲多智能体协作的，但不知道它到底能干嘛。看完今天日课后，你会知道多智能体什么时候用得上，并且能搭出一支属于你的智能体团队。

我们需要用到一个叫做 Raft 的工具，目前它通过线上网页连接本地电脑进行部署。它是通过网页端控制，就像微信聊天一样，在上面发信息，信息会通过 Raft 传输到你的本地电脑；而真正干活的是本地电脑上的 Raft Computer，ChatGPT、Claude Code 等智能体都在这里运行。相当于 Raft 负责把这些智能体拉进同一个会议室，让他们有各自协作工作的能力。你可以把 Raft 理解成一个专门给人和 AI 智能体使用的「工作群」。它套在 Codex CLI、Claude Code 等运行工具外面，负责组织协作；这些工具还可以使用不同的模型，比如通过接入 GLM 5.2、Kimi K3 等等。

那多智能体协作比单个智能体强在哪呢？

最主要的能力体现在复杂任务的处理上面。单个智能体当然也能完成复杂任务，但它通常只能顺着一条线往下做。比如让它写一份新产品发布方案，它要先研究用户，再分析竞品，然后写文案，最后自己检查。前一步没做完，后一步就得等着。等它开始审稿时，脑子里还是写初稿时的那套思路，很多问题很容易被自己放过，因为方案是它自己写的，它当然不会觉得有问题。

而多智能体就可以把这件事拆开。我们可以让研究智能体去找用户需求和竞品资料，写作智能体根据资料起草方案，审查智能体则专门用来做最后质检。可以同时进行的部分并行推进，必须依赖前一步的部分说明好交接。这样一来，审核的 agent 就不再是写稿的 agent，更容易发现有问题的地方。

再举一个更直观的例子。假设你准备开发一款小程序，单智能体可以从需求一直做到代码和测试，但所有工作都挤在同一个上下文里，做得越久，前面的要求越容易被后面的信息冲淡。在 Raft 里，则可以让产品智能体守住用户需求，开发智能体只负责实现，测试智能体专门寻找失败情况。产品智能体发现需求跑偏，可以直接在任务线程里打回去；测试智能体发现问题，也能把证据交给开发智能体继续修改。

而且它还有一个特别现实的好处，就是可以控制成本。你可以把复杂的任务交给推理能力更强、价格更高的模型。把整理文件、提取信息这类简单任务，交给更便宜的模型。按需调用模型，而不是所有工作都调用最贵的模型。

回到实操这块，下面我将分享如何搭建一支由运营、内容诊断和知识库管理三个智能体组成的内容团队，小白也能轻松看懂。

首先，创建一个工作空间。打开 https://app.raft.build/ 注册账号，给自己的工作空间起一个名字，这个和取微信昵称一样，写一个喜欢的就行。Raft 把这个工作空间叫作 Server，里面会放频道、任务、电脑、真人成员和智能体。创建完成以后，你会看到默认的 all 频道。