openJiuwen正式发布WorkSwarm全双工多模态能力,让用户能够像打电话一样与AI Agent交互:AI可以边听边说,用户随时打断、补充,对话不再严格遵循“你说完—我再说”的回合制。该平台由华为2012实验室、华为云、终端、计算、算力先遣队等团队联合高校与企业开发者共同构建,WorkSwarm是其开源的办公编码统一工作台,将实时音视频交互与Core Agent执行接入同一任务。

在传统语音助手中,用户说完一段AI才能接话,AI说话时用户插话往往被打断或忽略。WorkSwarm则通过语音活动检测与噪声门限降低背景声误打断,用户可在播报过程中直接说出新指令,系统检测到有效人声后停止当前播报并处理新要求,已生成的文字仍保留在任务记录中。演示中,Agent朗读《岳阳楼记》时用户语音要求改读《兰亭集序》,可自然快速切换。

WorkSwarm采用两条路径承接不同节奏:实时模型负责看画面、听要求、及时回应;Core Agent负责拆解任务、调用工具并推进后续工作。搜索在后台运行,对话在前台继续,页面持续呈现任务状态、工具调用记录、执行结果和文件产物。任务完成后系统不会打断当前聊天,而是先在文本框中输出总结信息,待本轮对话结束后再汇报工作完成情况,并提取重要信息进行语音说明。

针对多个任务并行的情况,WorkSwarm提供全双工任务队列,用户可调整任务顺序、将某项设为下一项,或停止等待中及正在执行的任务。音视频连接与工具任务分别管理,即使关闭全双工音视频,已提交给Core Agent的任务仍可继续运行。目前openJiuwen已提供Windows、Mac、HarmonyOS等系统的一键安装包,用户可从官网下载体验。