1. 定义可验证的结果
“做一些研究”留下了太多隐含决定。请在任务说明中写清问题、允许使用的来源、期望格式，以及希望由您审阅的节点。例如：根据三份记录准备决策资料，引用来源，并区分矛盾与已确认的事实。
这是一项试用，并非性能保证。Atelier Horizon 资料包提供三份合成记录和人工编写的参考结果，便于比较。更换配置时，请保留同一个测试案例。
2. 从一个智能体和有明确用途的专家开始
阅读记录并撰写综合报告，可能只需要一个智能体。存在独立职责时再增加专家，例如核对来源、检查假设或审阅文档。明确专家应向协调者交付什么，而不是仅仅要求其参与。
在 Galaris 中，智能体需要共享团队，才能进行相应的交流和委派。团队成员身份不会授予对其他用户私人对话的访问权限。请查看团队配置和多智能体协作。
3. 选择模型、工具和权限
选择适合工作且与实例资源兼容的模型。本地模型和远程服务有不同的约束；应检查所需能力，而非只凭名称选择。模型与执行引擎解释模型和任务执行引擎的区别。
为每个角色提供所需的文档和功能。负责读取来源的智能体不一定需要编辑权限。检查工具权限，并测试实际使用的 MCP 连接。加入团队和共享文档是不同的决定。
4. 运行范围清楚的任务
先准备任务说明、来源和单一交付物。写明允许的操作，以及需要人工决定的操作。对于这项研究试用，可以要求先形成供审阅的综合报告，再考虑对外分发。
通过任务与计划跟踪工作：哪个步骤正在执行、还在等待谁的贡献、已经有哪些结果？缺少信息时，补充或更正说明。多个智能体并不能替代一个清晰的目标。
5. 扩大范围之前先检查结果
核对来源、已发现的矛盾和待解决的问题。将结果与参考文档比较，记录审阅时间和可获取的费用。失败可能源于说明不清、访问缺失或模型能力；只有确认需求后再增加角色。
准备第二次任务时，决定哪些信息值得写入持久记忆。检查来源和共享范围。可复用的知识必须能够更正；保存一条陈述并不会使它自动成为事实。
6. 在自己的实例上试用
按照 GitHub 安装指南操作，命令和前置条件以该指南为准。自托管让您管理自己的实例；外部服务仍有各自的数据流和条款。
Galaris 处于 alpha 阶段。请从测试数据和首次任务流程开始。如果只需要一次性回答，智能体与聊天机器人指南可帮助缩小范围。