惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

小众软件
小众软件
A
About on SuperTechFans
博客园 - Franky
Engineering at Meta
Engineering at Meta
Recent Announcements
Recent Announcements
云风的 BLOG
云风的 BLOG
B
Blog
Microsoft Security Blog
Microsoft Security Blog
L
LangChain Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
U
Unit 42
Martin Fowler
Martin Fowler
Y
Y Combinator Blog
Stack Overflow Blog
Stack Overflow Blog
博客园 - 叶小钗
Vercel News
Vercel News
Apple Machine Learning Research
Apple Machine Learning Research
The Cloudflare Blog
Last Week in AI
Last Week in AI
腾讯CDC
Microsoft Azure Blog
Microsoft Azure Blog
爱范儿
爱范儿
V
V2EX
G
Google Developers Blog

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新AI工作站来了 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了!
昆仑万维天工 3.1 来了:上线设计画布与多智能体工作流,强化...
褚杏娟 · 2026-06-18 · via InfoQ - 促进软件开发领域知识与创新的传播

6 月 17 日,昆仑万维旗下 Skywork 发布 3.1 版本,面向复杂设计项目和规模化任务处理,上线两项核心能力:Skywork Design 和 Dynamic Workflows。前者将 AI 设计从传统对话框延展至可视化画布,支持多页面 UI 项目的持续迭代;后者通过多 Agent 并行调度,将复杂任务拆解后分配给多个子 Agent 执行与验证。

官方表示,这次更新是 AI 产品从单次生成向持续交付场景延伸。过去,用户通过一句 prompt 生成页面、文档或原型,往往可以完成初步展示,但在真实业务场景中,仍需要继续处理多页面一致性、移动端适配、风格统一、版本修改、批量生成和交付格式转换等问题。对于面向客户展示、内部汇报或开发落地的项目而言,单次生成通常难以覆盖完整需求。

据 Skywork 方面披露,Skywork 3.0 上线后一个月,天工超级智能体收入实现约三倍增长。在其各类产出能力中,Websites 是用户使用深度较高的场景之一。部分深度用户并不会在生成一个页面后结束使用,而是围绕同一个项目持续补充需求、调整结构、修改视觉风格和完善页面细节。Skywork 数据显示,深度用户在单个 project 上的平均交互轮数超过 40 轮,部分复杂项目会横跨多次登录逐步完成。

这意味着,部分用户正在将 AI 工具用于更接近“项目交付”的场景,而不仅是一次性问答或生成 Demo。对于这类需求,产品需要支持更长上下文、更清晰的可视化管理,以及更稳定的多轮迭代能力。

Skywork Design:将设计过程从对话框扩展到画布

Skywork 3.1 中新增的 Skywork Design,主要解决复杂 UI 设计项目在多轮迭代中的管理问题。

在传统对话式交互中,用户与 AI 的沟通按时间线推进。当项目进入第十轮、第二十轮甚至更多轮修改后,页面结构、配色方案、组件规范和跳转逻辑容易分散在历史对话中,不利于全局查看和持续调整。尤其是在一个项目包含多个页面、多个模块和多套状态时,仅依靠对话框管理信息会带来较高的认知成本。

Skywork Design 将设计过程放到一张可延展画布上。用户提出需求后,Agent 可以先与用户对齐设计方向,再在画布上生成多个页面。例如,用户输入“做一款健康管理 App,用荧光绿作为主色调”,系统可生成首页、内容生成页、画廊、个人中心等页面,并以画布形式展示完整结构。

在后续修改中,用户可以继续提出“主色调调整为暖色”“按钮尺寸缩小”“新增收藏页面”等需求。每一轮修改都会对应到画布上的具体页面或组件,用户可以在可视化空间中查看整体变化,而不是依赖历史对话回溯项目状态。

这一设计方式更适合多页面 UI、官网、App 原型、Web App、后台系统等需要长期打磨的项目。其核心价值不在于单次生成一个页面,而在于让多个页面在持续迭代中保持统一的视觉规范和结构一致性。

官方表示,从应用场景看,Skywork Design 主要覆盖四类需求。

  • 第一类是官网整站生成。用户可以生成官网首页、产品页、定价页、活动页等页面,并在同一项目中统一配色、字体和组件样式。

  • 第二类是 App 或 Web App 原型设计。用户可以生成多页面 UI、完整用户流程和后台 Dashboard,用于产品讨论、需求评审或进入后续开发环节。

  • 第三类是资料转设计。用户可以上传 PRD、品牌手册、调研报告等材料,由 Agent 提取关键信息并转化为完整 UI 项目。

  • 第四类是参考图复刻。用户导入截图后,系统可以分析其中的配色、字体、间距和组件规范,并基于这些设计特征生成新的页面或项目。

在复杂设计项目中,规范管理是影响交付质量的重要因素。Skywork Design 支持用户上传品牌手册和组件库说明,让 Agent 按照既定规范生成页面;用户也可以提供参考图,由 Agent 提炼设计规则;或直接选用官方预设规范。规范确定后,后续新增页面会尽量保持与已有页面在视觉风格和组件使用上的一致性。

对于需要从 Demo 走向产品原型或可交付设计稿的用户而言,多页面一致性是关键问题。一个页面是否美观并不难判断,但当项目扩展到十几个甚至二十多个页面时,颜色、字体、组件、间距和交互逻辑是否统一,才更接近真实产品设计流程。

Dynamic Workflows:通过多 Agent 并行处理规模化任务

除设计画布外,Skywork 3.1 还推出 Dynamic Workflows,面向规模化任务和复杂项目执行场景。

在一些项目中,用户并非缺少思路,而是任务量较大。例如批量生成上百个产品页、对全站文案进行统一改版、排查大型代码库问题,或迁移上千个文件。此类任务如果依靠单一 Agent 逐轮推进,效率和稳定性都会受到限制。

Dynamic Workflows 的基本方式是:接到任务后,Agent 先进行动态规划与任务拆解,再调度多个子 Agent 并行执行。部分子 Agent 负责具体执行,部分负责验证、复核和交叉检查,以降低大规模任务中的错误率。

Skywork 方面强调,该功能的重点包括分工、验证和可续跑。分工可以提升并行处理效率;验证机制用于发现执行过程中的偏差;可续跑则意味着任务进度会持续保存,在中断后可以从断点继续,而不是从头开始。

这一能力适用于代码库级别排查、批量文件迁移、需要独立验证的关键决策、批量生成落地页、全站文案改版等场景。对于持续多日的大型项目,断点续跑和结果复核会影响最终交付效率。