Nexa AI：让多 Agent 协作有计划、有边界、可追溯

把一个目标交给 AI 之后

当 AI 开始替人做一件包含多个步骤的事，问题就会从“回答是否准确”延伸到整个执行过程：它准备怎么做，为什么这样分工，会使用哪些工具，遇到错误后如何处理，最后又凭什么判断任务完成了。

Nexa AI 是我围绕这些问题设计和开发的本地多 Agent 协作项目。它面向个人使用，希望把一个目标转成可以检查的计划，再在明确的权限与预算范围内推进任务，让用户能够查看过程、介入调整，并审查最后的成果。

目前项目仍在开发中。这篇文章记录它的产品思路和已有的本地实践，真实模型完成任务的整体效果还需要后续验收。

多 Agent 的设计很容易从“安排几个角色”开始。但一个简单任务如果也经过层层拆分、转交和汇总，沟通本身就会增加成本。

Nexa AI 的设计从目标和依赖关系出发：简单任务可以交给一个执行者；确实能够独立推进的部分，才考虑分工。有前后依赖的任务，需要等待前面的结果达到要求，再进入下一步。

例如，整理一份产品对比报告时，资料收集可以按研究对象拆开，最后的比较与归纳则需要建立在已收集的信息之上。这是项目想支持的任务形态，并不代表这一真实研究流程已经验收完成。

分工也意味着限制信息范围。每个执行者应当只接收完成当前任务所需要的目标、约束和前序结果，避免把所有对话和资料原样传递给每个角色。这样既减少无关信息，也让某个结论的来路更容易检查。

我希望用户在点击执行之前，能看懂系统准备做什么。因此，计划需要说明任务安排、可用能力和资源范围，并经过确认后再开始推进。

这个原则也延伸到执行途中。用户可以追加指令，系统再据此提出计划调整。如果调整扩大了权限或预算，就需要把变化展示出来，等待新的批准。

这里有一条明确的设计边界：模型可以提出下一步建议，是否允许执行由系统规则检查。模型给出一个理由，并不自动获得使用更多工具、修改更多内容或消耗更多资源的权限。

目前，计划确认和运行中变更已有本地实现，相关交互通过了受控模拟场景验证。完整的初始工具授权体验仍在补齐。

涉及本地文件时，我把“允许 AI 尝试修改”和“接受这些修改”设计成两个步骤。

系统先在独立副本中处理任务，原始文件在这一阶段保持只读。任务结束后，再把差异作为待审查的成果展示给用户，由用户逐项选择并明确确认。

一个容易忽略的情况是：AI 工作期间，用户也可能继续编辑原文件。如果只根据任务开始时的状态直接覆盖，就可能丢掉用户刚完成的工作。因此，应用之前还要重新检查文件是否变化；发现冲突时跳过对应文件，保留用户的修改，并记录处理结果。实际应用前也会留下可恢复的备份。

这部分已经在本地临时项目中验证了新增、修改、删除、冲突跳过以及刷新后读取记录等行为。验证使用的是受控材料，说明文件审查与应用流程能够工作；由真实模型自主生成并交付这些成果，仍是后续需要打通的环节。

如果界面只剩一句“任务已完成”，用户很难判断系统到底做了什么。Nexa AI 希望把任务状态、成果、来源依据和审查结果放在一起，让结论可以顺着记录回看。

以研究任务为例，搜索摘要可以帮助发现资料，但结论还应回到实际获取的内容。以文件任务为例，提出修改、完成检查和应用修改，也应当分别记录。

项目已经实现了结果审查的核心流程，以及成果和证据的查看面板。不过，审查同样有能力边界：它能增加检查环节，不能保证模型判断永远正确。缺少依据、只完成部分目标或遇到阻塞时，最终结果仍需要把这些情况说清楚。

取消操作也属于这个过程。用户要求停止后，系统需要处理正在进行的工作，留下可以回看的终止状态，同时保留已经产生的记录。目前已有取消与中断处理的核心实现，完整可信的断点续作流程尚待完成。

截至本文发布，Nexa AI 已有任务规划、计划审批、分工执行、结果审查、预算限制、取消和执行记录等核心实现。本地控制台可以在明确标注的模拟模式下走通创建任务、查看计划、批准执行和展示结果的流程，也支持计划变更与成果审查。

当前控制台使用模拟模式。模拟流程用于检查交互和状态流转，不能当作真实模型完成用户目标的效果展示。

接下来的重点是接入真实模型任务，补齐成果自主发布、完整工具授权和可信续作，再用端到端流程与新的 Windows 环境验证实际可用性。项目尚未完成整体交付，本文也不提供源码、安装包或公开体验入口。

Nexa AI 让我把注意力放到了自动执行中的几个具体时刻：开始前能否看懂计划，过程中能否及时介入，发生偏差时能否停下，结束后能否判断成果是否值得接受。

接下来的真实任务验证，会围绕这些时刻展开。它们决定了这套协作系统能否成为一个可以放心交付工作的工具。