首发！openJiuwen WorkSwarm全双工多模态交互上线

AI助手正在进入一种新的工作节奏：一边对话，一边调用工具办事。近期Gemini Live更新将后台工具调用放入实时交互，助手可以先回应“我查一下”，再继续处理耗时工作。这带来一个问题：工具任务运行时，AI还能否继续接话？

理解此事需先理解“全双工”。传统语音助手像对讲机，用户说完AI才接话，AI说话时用户插话会被打断或忽略。全双工则像打电话，AI可边听边说，用户能随时打断、补充，对话不再严格按回合推进。对用户最直接的变化是等待感被压缩。

openJiuwen是由华为2012实验室、华为云、终端、计算、算力先遣队等团队联合高校、企业及开发者构建的开源AI Agent平台，WorkSwarm为其开源的办公编码统一工作台，将实时音视频交互与Core Agent执行接入同一任务。用户可展示画面、随时插话，也可将需进一步处理的工作交给后台Core Agent。openJiuwen提供Windows、Mac、HarmonyOS等系统一键安装包，官网下载即可体验。

能插话才算实时对话。用户可在WorkSwarm播报时说出“先别介绍背景，直接说结论”，系统检测到有效人声后停止当前播报，处理新指令，已生成文字仍保留在任务记录中。语音活动检测与噪声门限用于降低背景声误打断。视频中Agent先朗读《岳阳楼记》，过程中语音说朗读《兰亭集序》，可自然快速切换。插话改变当前对话，已交给Core Agent的工具任务有独立运行状态，取消需单独手动停止。用户说话时，系统同时处理对话层接新要求、任务层管好已跑工作。插话时当前播报停止，新要求继续进入同一任务而非另起割裂对话。

一边聊一边办事。“这是什么品牌？”之后用户可能补充“查一下资料，整理成文档”，看图问题变成需搜索、分析和文件生成的任务。WorkSwarm用两条路径接住两种节奏：实时模型负责看画面、听要求、及时回应；Core Agent负责拆解任务、调用工具。搜索在后台运行，对话在前台继续，用户仍能追问画面、打断播报、补充要求。任务进入Core Agent后，页面持续呈现任务状态、工具调用记录、执行结果和文件产物，用户看到的不再只是“加载中”，而是事情如何推进。视频中下发任务让其通过工具调用阅读算法word文档，右上角任务队列可见任务运行，同时仍能正常聊天。任务完成后不打断聊天，先在文本框输出总结信息，本轮对话结束后才汇报工作完成，并像人类汇报一样提取重要信息说明，不会全部语音输出。真实界面中，实时回答、Core Agent运行状态和最终结果都回到同一任务。

边聊边办事，任务各走各的。前一个搜索未结束，用户又交代第二件事，WorkSwarm全双工任务队列为后续要求安排等待位置。用户可调整顺序、设为下一项，也可停止等待中或正在执行的任务。对话持续时，哪些事在做、哪些未开始都有明确状态。右上角可手动移动任务顺序调度队列，一键置顶、打断现有运行任务。音视频连接与工具任务分别管理，即使关闭全双工音视频，已提交给Core Agent的任务仍可继续执行，完成后的文字、工具结果和文件回到原对话。例如通过镜头发起品牌查询后，用户可结束音视频交互，稍后回来查看资料，现场交代的工作有了可追踪的执行过程。工具任务可排队、调整和停止；音视频连接与后台任务不再被简单绑定。

WorkSwarm全双工多模态能力的意义不只是让AI能“边听边说”，而是让实时对话与Core Agent后台执行真正并行：用户在前台像聊天一样随时打断、追问、补充，复杂任务在后台按自己节奏继续查资料、调工具、做分析。这种“对话不中断、任务不停跑”的体验已走出演示，开始成为可用协作方式。当AI不再要求人迁就回合，而是像同事一样边聊边办，人机协同的下一段节奏就此开始。

模型和语音通道可在设置中配置，目前支持JoyAI协议和Qwen Omni协议，可点击模型通道切换。Qwen Omni realtime websocket可填官网base_url或本地部署地址；JoyAI是ASR、LLM、TTS三种模型拼接，支持三种都使用官方api，或其他平台的ASR和TTS模型。此外还支持基于华为云ModelArts平台、基于vLLM-Omni推理框架，在昇腾系列NPU部署全双工多模态模型，对接WorkSwarm多模态全双工能力。