NocoBase Atlas 团队领导AI 员工统一入口与智能编排机制深度解析【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobaseAtlas 是 NocoBase 内置的默认总入口 AI 员工主 Agent承担“团队领导”角色理解用户意图并根据任务类型自动协调最合适的 AI 员工参与处理。本文以 Atlas 官方文档 为核心骨架结合nocobase/plugin-ai插件源码完整剖析 Atlas 的角色定位、使用入口、底层编排工具、决策逻辑与最佳实践帮助你快速上手并以正确的方式与整个 AI 员工团队协作。角色定位默认通用入口 AI 员工在 NocoBase 的 AI 员工体系中Atlas 被定义为团队领导Team leader是默认的通用入口 AI 员工。它的核心职责是理解用户需求结合当前对话上下文准确识别用户的真实意图协调合适的 AI 员工参与处理根据任务类型分派给最匹配的专家型 AI 员工统一收口结果将各 AI 员工的产出汇总成一份连贯、高质量的最终答复返回给用户。从源码定义可以看到 Atlas 的完整画像atlas/index.tsexport default defineAIEmployee({ sort: 0, // 排序优先级最高默认排在最前 username: atlas, description: Team leader of AI employee for request analysis and sub-agent orchestration, avatar: nocobase-044-male, nickname: Atlas, position: Team leader, bio: I analyze each request, identify the right specialist, and coordinate the best AI employee to complete the task efficiently., greeting: Hi, Im Atlas. Tell me what you need, and Ill route it to the right AI specialist and coordinate the result., tools: [ { name: dispatch-sub-agent-task, autoCall: true }, { name: list-ai-employees, autoCall: true }, { name: get-ai-employee, autoCall: true }, ], });其中sort: 0决定了 Atlas 在所有 AI 员工中的默认排列顺序优先级最高这也是为什么打开 AI 会话时默认就是 Atlas。tools数组声明了 Atlas 专属的三个编排工具且均为autoCall: true自动调用用户无需手动触发。适用场景Atlas 适合在以下三类场景下使用场景说明典型用法不确定该找谁不知道当前问题应由哪个 AI 员工处理时直接向 Atlas 描述需求由它判断并分派多员工协作任务需要拆分给多个 AI 员工配合完成让 Atlas 把任务拆解为清晰步骤逐个协调统一入口处理常规任务分析、整理、翻译等日常事务通过 Atlas 一个入口完成无需记忆各员工入口根据 内置 AI 员工文档 的说明“大多数情况下直接与 Atlas 对话即可他会结合上下文理解用户意图并统一分派合适的 AI 员工协助处理当前问题。”使用入口Atlas 作为通用型 AI 员工提供两个使用入口右下角 AI 悬浮球在任意业务页面点击右下角的 AI 悬浮球即可进入与 Atlas 的会话。这是最常用的通用入口适合跨区块的通用问答与协作参见与 AI 员工协作。AI 员工对话面板在对话面板中可以通过发送框下方的AI 员工下拉列表AI Employee Switcher切换当前协作员工模型偏好会按员工维度保存下次进入时自动恢复参见会话内切换。注意与专属场景员工不同如 Dara 只出现在图表配置页面、Nathan 只出现在 JS 编辑器上Atlas 是常驻全局入口的通用员工任何页面均可唤起。底层原理三大编排工具与委派决策机制Atlas 之所以能“指挥”整个 AI 员工团队依赖三个自动调用的编排工具其职责如下定义见 atlas/index.ts行为约束见 atlas/prompt.md工具用途使用时机list-ai-employees返回 AI 员工的轻量画像清单用于发现当前可选员工仅在现有员工名册缺失、模糊、不足或可能过期确实需要探查时使用get-ai-employee返回某个候选员工的完整档案若无自定义about则可能返回defaultPrompt分派前需要完整了解候选员工能力时dispatch-sub-agent-task启动一个子 Agent 会话向指定员工派发单一、聚焦的任务并返回子会话 ID 与最终答复确认该任务确实适合由某位专家员工完成时委派决策的核心原则Atlas 的提示词prompt.md明确规定了它的工作方式“以最少必要的委派完成用户请求”具体决策原则包括直接处理是默认行为先把每个请求当作“完成问题”而非“路由问题”只有满足以下任一条件才委派Atlas 仅凭自身推理、当前上下文与可用工具无法高质量完成请求任务与某位专家员工强匹配且该专家的处理质量显著优于Atlas 直接处理。不为委派而委派请求内容充实、任务复杂本身不是委派理由简单的问候、澄清性追问、关于自身角色的元问题等都应直接回答。一次只派一个聚焦任务若请求需要多个专家步骤则拆解成清晰序列逐个协调并保留用户的原始意图。先查名册再探查系统提示中存在sub_agents名册时以它为准避免重复调用list-ai-employees。反失败规则Atlas 绝不会在自查能力不足时直接放弃——“无法回答”本身就是需要委派的信号只有遍历名册确认无合适员工后才能判定团队无法完成任务。标准执行顺序分析用户目标判断能否直接高质量完成仅在自己无法完成或专家明显更合适时考虑委派考虑委派时先读取sub_agents名册名册信息不足时才调用list-ai-employees探查需要候选员工完整档案时调用get-ai-employee调用dispatch-sub-agent-task向选定员工派发任务将子 Agent 的结果汇总为一份连贯的最终答复返回给用户。从客户端测试夹具如 C20-atlas-sub-agent-dispatch.fixture.json可以看到Atlas 的子 Agent 分派sub-agent dispatch与并行会话隔离parallel session isolation是官方测试覆盖的核心行为说明该编排链路在客户端会话状态层面有完整验证。Atlas 协调的 AI 员工团队Atlas 分派任务的对象是 NocoBase 预置的专家型 AI 员工。完整名单见 内置 AI 员工 与 内置员工一览员工角色定位核心能力Atlas团队领导默认通用型 AI 员工识别用户意图自动分派合适 AI 员工ColeNocoBase 助手产品使用问答、文档检索Ellis电子邮件专家邮件撰写、摘要生成、回复建议Dex数据整理专家字段翻译、格式化、信息提取Viz洞察分析师数据洞察、趋势分析、关键指标解读Lexi翻译助理多语言翻译、沟通辅助Vera研究分析师联网搜索、信息汇总、深度研究Dara数据可视化专家图表配置、可视化报表生成Nathan前端工程师辅助编写前端代码片段、样式调整Lina本地化专家多语言文案与本地化场景支持特定入口例如向 Atlas 提出“分析最近 90 天的销售变化”Atlas 会识别出这是数据分析类任务将其分派给洞察分析师 Viz提出“整理这份发票信息并填入表单”则可能分派给数据整理专家 Dex。这类由 Atlas 主导、专家员工执行的协作模式构成了 NocoBase AI 员工的“指挥官 专家”分工体系。上手实操从零启用并开始与 Atlas 协作Atlas 随 NocoBase 的 AI 员工插件nocobase/plugin-ai内置提供开箱即用无需单独安装参见 快速开始。最小可用配置只需三步配置 LLM 服务进入后台系统设置 - AI 员工 - LLM 服务选择服务商、填写 API Key并配置启用模型默认使用推荐模型即可也可在 AI 对话面板选择模型时通过“添加 LLM 服务”快捷入口跳转参见 LLM 服务。启用 AI 员工内置员工默认已全部启用。如需调整可用范围在系统设置 - AI 员工列表页切换Enabled开关即可参见 启用 AI 员工。开始协作点击右下角 AI 悬浮球打开对话框默认协作员工即 Atlas直接输入问题即可。会话中还可以手动切换员工通过发送框的 AI 员工下拉列表选择指定员工如直接指定 Viz 做分析切换模型模型按员工维度记忆偏好下次进入自动恢复补充上下文添加页面区块Pick block、上传附件或按需开启联网搜索设置快捷任务为每个 AI 员工在当前页面上预设常用任务一键执行参见快捷任务。与 Atlas 高效协作的建议结合 Atlas 的提示词约束与文档说明给出以下实操建议直接描述需求不必指定员工Atlas 默认优先直接处理只在必要时委派。你只需用自然语言说明目标它会自行判断是直接作答还是协调专家避免为了“走流程”而刻意指派。需求模糊时先说清楚Atlas 的决策规则要求在用户意图不明确时先提出简短澄清问题因此描述需求时尽量包含关键约束时间范围、对象、期望产出可减少来回确认。明确需要专家能力时可直接点名当你清楚知道该由谁处理时可在会话中手动切换到对应员工如数据洞察找 Viz、前端代码找 Nathan充分利用专家员工的领域能力。放心让它“转交”当 Atlas 无法直接处理时它会通过dispatch-sub-agent-task将你的原始意图完整转交给合适的专家并汇总结果——你无需重复交代背景。总结Atlas 是 NocoBase AI 员工体系中的“总指挥官”通过list-ai-employees、get-ai-employee、dispatch-sub-agent-task三个自动编排工具在“直接处理优先、专家明显更优才委派”的原则下把用户请求路由给最合适的专家 AI 员工并统一收口结果。对用户而言Atlas 意味着一个无需记忆各员工分工的统一对话入口对开发者而言atlas/index.ts 与 atlas/prompt.md 则是一份可复用的“主 Agent 子 Agent”编排范式参考。配置好 LLM 服务后从右下角 AI 悬浮球进入即可体验 Atlas 带来的“一句话驱动整个 AI 团队”的协作方式。【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobase创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 NocoBase Atlas 团队领导：AI 员工统一入口与智能编排机制深度解析
NocoBase Atlas 团队领导AI 员工统一入口与智能编排机制深度解析【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobaseAtlas 是 NocoBase 内置的默认总入口 AI 员工主 Agent承担“团队领导”角色理解用户意图并根据任务类型自动协调最合适的 AI 员工参与处理。本文以 Atlas 官方文档 为核心骨架结合nocobase/plugin-ai插件源码完整剖析 Atlas 的角色定位、使用入口、底层编排工具、决策逻辑与最佳实践帮助你快速上手并以正确的方式与整个 AI 员工团队协作。角色定位默认通用入口 AI 员工在 NocoBase 的 AI 员工体系中Atlas 被定义为团队领导Team leader是默认的通用入口 AI 员工。它的核心职责是理解用户需求结合当前对话上下文准确识别用户的真实意图协调合适的 AI 员工参与处理根据任务类型分派给最匹配的专家型 AI 员工统一收口结果将各 AI 员工的产出汇总成一份连贯、高质量的最终答复返回给用户。从源码定义可以看到 Atlas 的完整画像atlas/index.tsexport default defineAIEmployee({ sort: 0, // 排序优先级最高默认排在最前 username: atlas, description: Team leader of AI employee for request analysis and sub-agent orchestration, avatar: nocobase-044-male, nickname: Atlas, position: Team leader, bio: I analyze each request, identify the right specialist, and coordinate the best AI employee to complete the task efficiently., greeting: Hi, Im Atlas. Tell me what you need, and Ill route it to the right AI specialist and coordinate the result., tools: [ { name: dispatch-sub-agent-task, autoCall: true }, { name: list-ai-employees, autoCall: true }, { name: get-ai-employee, autoCall: true }, ], });其中sort: 0决定了 Atlas 在所有 AI 员工中的默认排列顺序优先级最高这也是为什么打开 AI 会话时默认就是 Atlas。tools数组声明了 Atlas 专属的三个编排工具且均为autoCall: true自动调用用户无需手动触发。适用场景Atlas 适合在以下三类场景下使用场景说明典型用法不确定该找谁不知道当前问题应由哪个 AI 员工处理时直接向 Atlas 描述需求由它判断并分派多员工协作任务需要拆分给多个 AI 员工配合完成让 Atlas 把任务拆解为清晰步骤逐个协调统一入口处理常规任务分析、整理、翻译等日常事务通过 Atlas 一个入口完成无需记忆各员工入口根据 内置 AI 员工文档 的说明“大多数情况下直接与 Atlas 对话即可他会结合上下文理解用户意图并统一分派合适的 AI 员工协助处理当前问题。”使用入口Atlas 作为通用型 AI 员工提供两个使用入口右下角 AI 悬浮球在任意业务页面点击右下角的 AI 悬浮球即可进入与 Atlas 的会话。这是最常用的通用入口适合跨区块的通用问答与协作参见与 AI 员工协作。AI 员工对话面板在对话面板中可以通过发送框下方的AI 员工下拉列表AI Employee Switcher切换当前协作员工模型偏好会按员工维度保存下次进入时自动恢复参见会话内切换。注意与专属场景员工不同如 Dara 只出现在图表配置页面、Nathan 只出现在 JS 编辑器上Atlas 是常驻全局入口的通用员工任何页面均可唤起。底层原理三大编排工具与委派决策机制Atlas 之所以能“指挥”整个 AI 员工团队依赖三个自动调用的编排工具其职责如下定义见 atlas/index.ts行为约束见 atlas/prompt.md工具用途使用时机list-ai-employees返回 AI 员工的轻量画像清单用于发现当前可选员工仅在现有员工名册缺失、模糊、不足或可能过期确实需要探查时使用get-ai-employee返回某个候选员工的完整档案若无自定义about则可能返回defaultPrompt分派前需要完整了解候选员工能力时dispatch-sub-agent-task启动一个子 Agent 会话向指定员工派发单一、聚焦的任务并返回子会话 ID 与最终答复确认该任务确实适合由某位专家员工完成时委派决策的核心原则Atlas 的提示词prompt.md明确规定了它的工作方式“以最少必要的委派完成用户请求”具体决策原则包括直接处理是默认行为先把每个请求当作“完成问题”而非“路由问题”只有满足以下任一条件才委派Atlas 仅凭自身推理、当前上下文与可用工具无法高质量完成请求任务与某位专家员工强匹配且该专家的处理质量显著优于Atlas 直接处理。不为委派而委派请求内容充实、任务复杂本身不是委派理由简单的问候、澄清性追问、关于自身角色的元问题等都应直接回答。一次只派一个聚焦任务若请求需要多个专家步骤则拆解成清晰序列逐个协调并保留用户的原始意图。先查名册再探查系统提示中存在sub_agents名册时以它为准避免重复调用list-ai-employees。反失败规则Atlas 绝不会在自查能力不足时直接放弃——“无法回答”本身就是需要委派的信号只有遍历名册确认无合适员工后才能判定团队无法完成任务。标准执行顺序分析用户目标判断能否直接高质量完成仅在自己无法完成或专家明显更合适时考虑委派考虑委派时先读取sub_agents名册名册信息不足时才调用list-ai-employees探查需要候选员工完整档案时调用get-ai-employee调用dispatch-sub-agent-task向选定员工派发任务将子 Agent 的结果汇总为一份连贯的最终答复返回给用户。从客户端测试夹具如 C20-atlas-sub-agent-dispatch.fixture.json可以看到Atlas 的子 Agent 分派sub-agent dispatch与并行会话隔离parallel session isolation是官方测试覆盖的核心行为说明该编排链路在客户端会话状态层面有完整验证。Atlas 协调的 AI 员工团队Atlas 分派任务的对象是 NocoBase 预置的专家型 AI 员工。完整名单见 内置 AI 员工 与 内置员工一览员工角色定位核心能力Atlas团队领导默认通用型 AI 员工识别用户意图自动分派合适 AI 员工ColeNocoBase 助手产品使用问答、文档检索Ellis电子邮件专家邮件撰写、摘要生成、回复建议Dex数据整理专家字段翻译、格式化、信息提取Viz洞察分析师数据洞察、趋势分析、关键指标解读Lexi翻译助理多语言翻译、沟通辅助Vera研究分析师联网搜索、信息汇总、深度研究Dara数据可视化专家图表配置、可视化报表生成Nathan前端工程师辅助编写前端代码片段、样式调整Lina本地化专家多语言文案与本地化场景支持特定入口例如向 Atlas 提出“分析最近 90 天的销售变化”Atlas 会识别出这是数据分析类任务将其分派给洞察分析师 Viz提出“整理这份发票信息并填入表单”则可能分派给数据整理专家 Dex。这类由 Atlas 主导、专家员工执行的协作模式构成了 NocoBase AI 员工的“指挥官 专家”分工体系。上手实操从零启用并开始与 Atlas 协作Atlas 随 NocoBase 的 AI 员工插件nocobase/plugin-ai内置提供开箱即用无需单独安装参见 快速开始。最小可用配置只需三步配置 LLM 服务进入后台系统设置 - AI 员工 - LLM 服务选择服务商、填写 API Key并配置启用模型默认使用推荐模型即可也可在 AI 对话面板选择模型时通过“添加 LLM 服务”快捷入口跳转参见 LLM 服务。启用 AI 员工内置员工默认已全部启用。如需调整可用范围在系统设置 - AI 员工列表页切换Enabled开关即可参见 启用 AI 员工。开始协作点击右下角 AI 悬浮球打开对话框默认协作员工即 Atlas直接输入问题即可。会话中还可以手动切换员工通过发送框的 AI 员工下拉列表选择指定员工如直接指定 Viz 做分析切换模型模型按员工维度记忆偏好下次进入自动恢复补充上下文添加页面区块Pick block、上传附件或按需开启联网搜索设置快捷任务为每个 AI 员工在当前页面上预设常用任务一键执行参见快捷任务。与 Atlas 高效协作的建议结合 Atlas 的提示词约束与文档说明给出以下实操建议直接描述需求不必指定员工Atlas 默认优先直接处理只在必要时委派。你只需用自然语言说明目标它会自行判断是直接作答还是协调专家避免为了“走流程”而刻意指派。需求模糊时先说清楚Atlas 的决策规则要求在用户意图不明确时先提出简短澄清问题因此描述需求时尽量包含关键约束时间范围、对象、期望产出可减少来回确认。明确需要专家能力时可直接点名当你清楚知道该由谁处理时可在会话中手动切换到对应员工如数据洞察找 Viz、前端代码找 Nathan充分利用专家员工的领域能力。放心让它“转交”当 Atlas 无法直接处理时它会通过dispatch-sub-agent-task将你的原始意图完整转交给合适的专家并汇总结果——你无需重复交代背景。总结Atlas 是 NocoBase AI 员工体系中的“总指挥官”通过list-ai-employees、get-ai-employee、dispatch-sub-agent-task三个自动编排工具在“直接处理优先、专家明显更优才委派”的原则下把用户请求路由给最合适的专家 AI 员工并统一收口结果。对用户而言Atlas 意味着一个无需记忆各员工分工的统一对话入口对开发者而言atlas/index.ts 与 atlas/prompt.md 则是一份可复用的“主 Agent 子 Agent”编排范式参考。配置好 LLM 服务后从右下角 AI 悬浮球进入即可体验 Atlas 带来的“一句话驱动整个 AI 团队”的协作方式。【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobase创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考