近日，阿里云正式发布两款面向企业 AI 落地的核心产品：多智能体协作治理平台 AgentTeams 与智能体观测优化平台 AgentLoop。两款产品旨在解决企业在大规模部署 AI 智能体时面临的协同混乱与效果黑盒两大难题，目前均已全面开启公测。
AgentTeams：构建有序协作的 AI 组织体系
当企业利用 AI 智能体替代重复性工作时，核心挑战往往不在于单点智能的高低，而在于多智能体间的协同配合。复杂业务流程通常需多个 Agent 各司其职，若缺乏统一机制，极易导致执行冲突或效率低下。
标准化分工与全流程可视
AgentTeams 为 AI 团队提供了一套完整的组织管理体系。通过明确岗位职责、设定关键节点人工审批流程以及建立透明的工作群聊机制，确保每个智能体“进对门、盖对章”。在分工架构上，平台采用 Leader-Worker（主管 + 执行者）模式：由 Leader Agent 负责任务拆解与分配，Worker Agent 负责具体执行。整条任务链路清晰可查、可声明、可审计。此外，产品原生集成钉钉与飞书，业务人员可在熟悉的办公窗口实时洞察 Agent 交互情况并随时干预纠偏。
密钥托管与安全合规
针对企业敏感的数据库调用与支付接口访问需求，AgentTeams 实施钥匙集中托管机制。Agent 本身不持有密钥，仅在需要时由平台按需发放并用完即收。无论是自研还是开源框架搭建的 Agent，均可统一纳入平台管理，实现调用记录、资源消耗及运行成本的全程审计，满足金融、政务等行业的严苛合规要求。
AgentLoop：打造持续进化的智能体闭环
如果说 AgentTeams 解决了“稳定工作”的问题，AgentLoop 则致力于让 AI“越用越聪明”，破解智能体上线后的效果黑盒难题。
全链路观测与成本定位
AgentLoop 能够自动记录智能体的思考过程、工具调用及资源消耗，将其还原为清晰的执行轨迹。开发者无需修改代码即可接入，通过平台直观查看工作日志，快速定位性能瓶颈与高成本环节，告别低效的人工抽查。
"Agent-as-a-Judge"自我进化机制
平台引入"Agent-as-a-Judge"范式，利用专门的评估智能体基于执行轨迹进行深度分析，自动识别回答跑题、信息编造等典型问题。发现的问题将自动沉淀为经验教训并反馈至知识库，形成“观测—评估—优化—再观测”的闭环机制，推动智能体在真实业务场景中持续学习与迭代。
生态延伸：STAROps 正式商业化
与此同时，阿里云全域智能运维平台 STAROps 正式商业化，并上架 Qoder Desktop 插件市场。用户现可直接在 Qoder 中通过自然对话完成指标查询、日志检索、链路追踪及告警诊断，进一步提升运维效率。