从模型到智能体
模型根据输入生成回答。智能体在模型之外增加持久身份、指令、上下文、工具和明确职责。Galaris 将这个工作角色与任务及产出连接起来，让配置能够在后续工作中继续使用。
配置工作角色
为智能体设定名称、职责与指令，选择推理设置和任务执行框架，再分配可复用技能及获准连接。对话使用内部控制器和 Low 文本档位；所选执行框架只在 Task 执行时使用。
围绕实际需要组建团队
协调者可以澄清需求并整合结果。当专员带来不同的技能、任务执行框架或权限范围时，再引入专员。需要人类判断的决定仍由用户作出，Galaris 保留任务、等待状态和交付物之间的联系。
能力有明确边界
智能体不会自动获得全部工具、全部对话或无限授权。实际工具目录会在执行前过滤，持久记忆也有独立访问规则。配置并不能保证模型永远正确，关键事实与实际操作结果仍需核验。
从指令到工作资源
模型本身不能决定智能体全部能力。撰写笔记需要可访问来源和文档目标；交互网页需要浏览器连接；发送邮件需要邮箱连接及审批策略。
先定义明确角色，再添加工具与技能。更换模型配置或任务执行框架时，智能体仍保留身份。
应该从哪里开始？
对于一次性问题，先进行对话。需要有明确步骤和访问范围的交付物时，再准备任务。多智能体系统进一步分配职责：每项贡献都应有可以验证的用途。
阅读智能体与聊天机器人选择指南，按工作需求作出选择。然后创建智能体团队，了解其记忆和 MCP 工具。