两小时跑通多智能体开源实践：华为云 AI 开发者空间体验版 + EduSwarm 实操记录

一、为什么用「体验版」而不是本地装环境

做多智能体（Multi-Agent）实践最劝退的一步，往往不是写代码，而是环境：Python 版本、依赖冲突、向量库、Docker、模型密钥，每一样都能卡掉半天。华为云 AI 开发者空间（AI DevSpace）提供了一台开箱即用的云端开发机，其中「体验版」是零成本入口——秒级启动、不消耗核时额度，代价是数据不保留、3 小时后容器自动释放。

这次实践我全程用体验版完成，路径是：打开 AI 办公实践中心 → 选择「体验版」→「立即进入」。容器起来后右上角会显示剩余时长倒计时，这一点很关键：它相当于一个硬性时间盒，逼着你把任务拆小。

经验：体验版适合「读代码 + 跑通 demo + 提 Issue」这类 1～2 小时内能收尾的任务；如果需要长期保留数据和镜像，请切到持久化版（按核时计费，初始赠送 8000 核时）。

二、选一个真实的开源项目，而不是玩具 demo

我选的是 AI 办公实践中心下的 EduSwarm（AI 智慧课堂工作台）。它把备课、上课、作业、批改、学情五个教学环节拆给多个专职 Agent 协作完成，技术栈是 React + Vite 前端 + Python 后端 + 容器化部署，仓库结构清晰，适合作为「多智能体工程化」的阅读样本。

它的核心设计思想值得单独拿出来说：先拆角色 → 再定流程 → 最后配信号。每个 Agent 只做一件事，由 LEADER（教研组长）统一调度，知识库按 Agent 隔离、互不越界。这种「小角色 + 强编排」的路线，比「一个大模型包打天下」更容易调试，也更容易定位问题出在哪个环节。

仓库里几个值得先读的文档

• README_CN.md：文档索引，告诉你先读哪一份，避免一头扎进源码；
• docs/Agent职责说明.md：11 个 Agent 的内部 ID、小镇居民名、职责与挂载技能，这是理解编排逻辑的地图；
• EduSwarm快速部署指南.md：从 ECS 创建到 Docker 启动的完整链路，含费用与资源释放提醒；
• docs/对外API接入指南.md：想接自己的前端或 IM 时看这份。

注意一个细节：部署指南里反复强调体验结束要释放 EIP 和云硬盘，因为这两者会持续计费。很多新手只删 ECS，账单却还在涨，就是漏了这一步。

三、把「读文档」变成一次真实的开源贡献

读文档的过程中我发现了一处不一致：

• README_CN.md 的文档索引写「11 个教学 Agent 的职责」；
• docs/Agent职责说明.md 明确列出 11 个 Agent（edu_leader 到 edu_sandbox_guide）；
• 但 EduSwarm快速部署指南.md 的架构总览写的是「教学 Agent 团队（9 位成员，知识图谱师待上线）」，只列了 9 个角色，既没覆盖 LEADER，也没有和「知识图谱师」对应的实现。

这类问题看起来是「文字小事」，但对新用户影响很直接：按部署指南理解架构的人，进到「Agent 配置中心」看到 11 个配置时会怀疑自己看错了；二次开发按文档核对 Agent 数量时，也没有唯一可信的口径。

怎么提一个「能被维护者接受」的 Issue

提 Issue 不是把现象一贴就完事。我用的结构是四段式，实践下来回复率明显更高：

1. 背景与问题：说清楚在什么场景下、谁受影响、造成了什么误解；
2. 现状核实：逐个列出我核对过的文件与原文，证明不是自己看漏；
3. 建议方案：给出可执行的最小改动，并明确指出「以哪份文档为唯一事实来源」；
4. 预期收益：维护者能一眼判断这个改动的价值。

提交后 Issue 编号是 #716，同时这个动作也顺带完成了成长中心的「每周给 AI 办公实践中心代码仓提 Issue」任务。也就是说，一次真实的、有价值的反馈，可以同时产生开源贡献和平台积分两件事，而不是为了积分去刷无意义的 Issue。

四、多智能体项目上手的三条实操建议

1. 先跑通再改造

不要一上来就改 Agent 人设或编排逻辑。先用官方推荐的镜像标签（这里是 teaching-loop，注意 latest 已停止更新）把服务跑起来，确认前端能打开、能建班级、能触发一次完整的「备课 → 出题 → 批改」流程，再动手改。

2. 用「配置」而不是「改代码」来做实验

EduSwarm 的每个 Agent 都有一份 JSON 配置（人设、挂载技能、模型），放在 jiuwenswarm/resources/agent/edu_agent_configs/ 下。想验证「给批改师加一个学情分析技能会怎样」，改配置重启即可，不需要动业务代码。这也是多智能体框架相比单体应用最大的工程优势。

3. 把安全边界当第一优先级

官方提示词为了方便演示，默认放行了 6 个端口到公网。如果是自己长期使用，至少要做三件事：SSH 只放行自己的公网 IP 并改用密钥登录；Web 端口只对实际使用的网段开放；内部组件的 WebSocket 端口不要暴露到公网。多智能体系统一旦被外部拿到编排入口，风险远大于普通 Web 应用。

五、小结

这次实践最大的收获不是「跑起来了一个项目」，而是验证了一条低成本路径：云端体验版容器 + 一个真实开源项目 + 一次结构化 Issue，两小时内就能完成从环境、阅读、验证到贡献的闭环，而且不需要在本地装任何东西。

如果你也想试，建议顺序是：先在 AI 开发者空间起一个体验版容器，然后挑一个你真正用得上的项目，从它的文档索引开始读，读到不一致或不清楚的地方就记下来——那通常就是最好的第一个 Issue。