从「对讲机」到「打电话」的交互跨越
九月三十日，InfoQ 披露了开源 AI Agent 平台 openJiuwen 旗下 WorkSwarm 的全双工多模态能力。要理解它，先得弄清「全双工」：传统语音助手更像对讲机，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；全双工则类似打电话，AI 可以边听边说，用户随时打断、补充，对话不再严格按「你说完—我再说」的回合推进。对用户最直接的改变，不是多了一个技术名词，而是等待感被压缩——不用迁就 AI 的节奏，想插话就插话。这套能力背后，是实时模型与 Core Agent 按两种节奏配合带来的全新工作体验。
对话和干活，自此并行了
WorkSwarm 把这套能力落到办公编码场景：实时音视频交互与后台 Core Agent 执行被接进同一个任务。用户可以展示眼前画面、随时插话，也能把需要进一步处理的工作甩给后台 Core Agent。据 openJiuwen 方面介绍，这套能力并非停留在演示，已提供 Windows、Mac、HarmonyOS 等系统的一键安装包，下载安装即可体验。它解决的是个日常但真实的矛盾：查资料、做分析都需要时间，可用户的新问题随时会来，工具任务运行时 AI 还能不能继续接话？全双工给出的答案是「前台对话」与「后台执行」走两条节奏、并行不悖，而不是排队等前一个任务讲完。这种把交互与执行解耦的思路，正是长任务协作里人和 Agent 最需要的节奏感。
插话改变的是当前对话，不是整页进度
全双工最容易被误解成「AI 更聪明了」，其实它改的是交互结构。人和人交流很少严格遵守一方说完另一方再开口——看到新画面、发现理解偏了，都会直接补一句。WorkSwarm 的做法是，检测到新的有效人声就停止当前播报、转去处理新指令，已经生成的文字仍保留在任务记录里；语音活动检测与噪声门限，则用来降低背景声造成的误打断。这意味着用户可以在 Agent 朗读时直接说「先别介绍背景，直接说结论」，系统会就地切换，而不是等它把一段话念完，也不会丢掉已经算出来的中间结果。可被打断却不丢进度的特性，恰恰是长任务场景里人和 Agent 协作最稀缺的体验。
全双工背后的三类新工程题
全双工看似只是体验升级，实则引入三类新的工程问题。其一是打断管理：插话如何干净地接管当前任务、又不影响后台执行，需要清晰的上下文切换规则；其二是上下文一致：前台对话与后台 Agent 的执行状态必须同步，否则用户以为改了方向、后台还在跑旧任务；其三是噪声误触发，语音活动检测与噪声门限要调稳，否则会议室杂音就会反复打断 Agent。这些都不是模型参数量能直接解决的，而是要把「对话流」与「执行流」统一编排才能处理好，属于交互架构层面的硬功夫。
开源平台要真正好用，生态才是后半场
把 WorkSwarm 放在 openJiuwen 的整体版图里看，它延续的是这套开源平台「把智能体做进办公与编码工作流」的一贯路线。全双工多模态补齐的是交互这块短板，让 Agent 从「指令—等待—结果」的回合制，走向「边聊边干」的实时协作。但要说它已经好用到能替代人类搭档，还为时过早：一键安装降低了门槛，可真正沉淀价值的是插件生态、与既有开发工具的集成深度，以及多模态理解在复杂办公场景里的稳定表现。开源平台的后半场，拼的从来不是单次演示，而是生态密度。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。