当AI Agent已能独立完成代码编写、文档处理甚至长程任务时，一个尴尬的悖论逐渐浮现：它们能力越强，孤岛效应越明显。不同Agent各司其职，却彼此不知对方做了什么、为何如此决策，最终需要人类充当信息中转站。近日，由清华00后博士薛传奕创立的奇点逃逸完成千万级种子轮融资，其正在研发的AI原生团队协作操作系统Nexus，试图从底层解决这一“协作断层”，让Agent在组织中真正成为可持续迭代的协作成员。
融资与创始人：从强化学习到多智能体协作
公开信息显示，奇点逃逸本轮融资由星连资本与水木创投联合领投，奇绩创坛跟投。创始人兼CEO薛传奕本科与博士均就读于清华大学，研究方向涵盖强化学习与多智能体，曾在NeurIPS等顶级学术会议发表论文，并在商汤、鉴智机器人等企业参与自动驾驶算法的研发与实车部署。他的学术背景与产业经验，恰好对应了AI从“个体智能”向“组织智能”跃迁的技术需求。
协作断层：当强Agent遇上弱组织
“今天，Agent已经像能力出众的个体，但它们还没有真正进入组织。”薛传奕在采访中这样描述现状。一个典型场景是：产品经理让Agent梳理需求，研发同时让另一个Agent修改代码，运营则在第三个窗口里研究发布方案。几小时后，各Agent完成了任务，但团队发现无人清楚彼此的工作背景、依赖关系与决策依据。人类不得不重新复制对话、核对版本、拼接结果，把同一件事向不同Agent再解释一遍。
这种“各自为政”的根源在于，现有AI产品围绕会话组织信息：一段对话结束，Agent的任务理解、执行依据和失败经验往往也停留在那段会话中。当任务跨越不同模型、不同成员和不同时间周期，团队必须反复重建上下文——薛传奕将其称为AI的“协作断层”。他认为，解决的关键不是让所有Agent同时工作，而是先让它们面对同一份事实。
图结构组织状态：让Agent共享同一份“事实”
Nexus的设计思路从“组织状态”出发，而非单次对话。人、Agent、任务、知识和工具被表示为相互关联的对象，每一项工作不仅包含自然语言指令，还包含目标、负责人、依赖关系、权限、当前状态、执行证据和验收结果。在这种图结构中，产品、研发和运营不是分别与三个互不相识的Agent对话，而是围绕同一项工作持续协作。新加入的Agent可以理解前序任务发生了什么，找到相关决策和上下游依赖；新的过程和结果，也会重新成为组织状态的一部分。
这种设计让Agent从个人拥有的工具，变成组织可以分工、授权、审阅和接续的协作对象。薛传奕强调，真正的“AI进入组织”不是采购了多少AI账号，也不是员工调用了多少次模型，而是AI的工作能否进入组织的任务、知识和责任体系。
自进化：真实反馈驱动的治理式改进
协作与自进化是同一问题的两面。多个主体在组织中持续协作，Agent必须能够适应不断变化的目标、成员、工具和约束。今天的大模型部署后，主要依赖提示词、工作流、工具和记忆系统执行，核心逻辑仍是“人预先设计系统，Agent在给定边界内执行”。这在稳定任务中有效，却难以覆盖真实组织的全部变化：项目目标可能被修改，工具会更新，成员会变化，新约束随时出现。
奇点逃逸认为，真实协作恰恰提供了自进化所需的高质量反馈。人的修正说明偏差，验收判断给出结果是否可用，失败记录揭示任务拆解或上下文中的问题。这些信号不是抽象偏好，而是与具体工作过程绑定的因果证据。Nexus的自进化循环分为三步：组织协作产生真实任务与反馈，独立评测筛选有效改进，经过验证的能力进入下一轮协作。系统可以根据反馈提出候选改进，但不会直接进入生产环境，而是先通过独立评测，比较效果、稳定性、成本和风险，再由治理机制决定采用、限制、拒绝或回滚。这与系统自由改写自己有本质区别——自进化的前提不是赋予Agent无限自主权，而是建立更严格的证据和治理边界。
行业意义：协作系统将成为智能持续学习的环境
在AI行业，协作软件与机器学习长期分属两套语言：一个谈任务、权限、流程，另一个谈数据、训练、评测。Agent的出现正在打破这道边界。当AI不仅生成文字，还能拆解目标、调用资源并与其他主体接续时，其每一次行动都会进入组织流程，执行结果既是业务产出，也是判断Agent能力的反馈。这意味着，未来的协作系统不只是承载工作，也可能成为智能持续学习的环境。
Nexus选择图结构作为底层组织方式，正因如此。在Agent系统内部，目标、规划、专业能力、执行、记忆、工具和验证可以成为不同节点，改进发生在哪里、影响哪些能力，能够被定位和追踪。新Agent和新工具也可以作为节点接入，无需重写整个系统。在组织层面，人员、Agent、任务和知识又构成更高维度的图，允许团队整体处理过去难以承载的复杂目标。当Agent能够从每一次协作中“有证据地变强”，人与AI的协作模式将迎来根本性变革。