Github 7700 star：UFO³让 AI 能指挥你所有设备

导读

如果你今天让一个大模型帮你“处理一件事”，它通常只能在一个设备上执行——要么是电脑，要么是手机，要么是云端服务器。换个设备，就像换了一个世界：数据不能共享、执行不能衔接、任务常常得“手动接力”。

这种割裂让本该聪明的 AI 变得十分笨拙：自动化流程卡在不同平台之间，跨终端协作需要人工指挥，智能体在设备间迁移时更是困难重重。

那有没有可能，让 AI 像指挥一个“星系”一样调动你所有的设备？让桌面、服务器、手机、边缘设备都成为一个统一“智能织网”的一部分？

这篇论文提出了一个大胆的答案：UFO³。

研究者希望让大模型不再是一个孤立的智能体，而是一个能操纵整个设备星系的“总指挥官”，实现真正意义上的跨设备协作。他们提出了一种叫 TaskConstellation（任务星座） 的新机制，让跨设备任务像星图一样被动态编排，让“分布式智能体”第一次变得如此自然、可靠与灵活，该项目一上线就在Github中收获了7700个star，受到了社区极大的关注。

原文内容相当丰富（共56页），远超本篇所能涵盖的篇幅。我们在仅做高度凝练后的解读，为大家呈现核心脉络与关键insight。强烈推荐感兴趣的读者阅读论文原文，或访问项目的 GitHub 页面亲自体验完整内容，相信会有更多收获

图1｜UFO³ “数字智能体星系”。一个自然语言意图会被拆解成可动态演化的“任务星座”（DAG），并交由多种异构设备协同执行

论文出处：arXiv2025

论文标题：UFO3: Weaving the Digital Agent Galaxy

论文作者：Chaoyun Zhang, Liqun Li, He Huang, Chiming Ni, Bo Qiao, Si Qin, Yu Kang,Minghua Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

论文链接：https://arxiv.org/pdf/2511.11332

Github：https://github.com/microsoft/UFO/

在现实中，每个设备都有自己的系统、权限、网络环境和执行节奏。

● 原有的智能体框架往往只管单一机器：遇到跨平台任务就束手无策；

● 数据依赖拼不起来；

● 执行失败也无法自动接续；

● 更别提在不同设备间动态调度资源。

研究者敏锐地意识到：这不是“功能问题”，而是“结构问题”。

如果 AI 没有一个统一的“任务世界观”，它就永远无法真正跨设备执行任务。

UFO³ = 三大核心组件

1. TaskConstellation（任务星座）：统一描述任务的动态 DAG，是系统大脑。

2. Constellation Orchestrator（星座调度器）：负责跨设备执行计划、错误恢复、依赖解析。

3. AIP（Agent Interaction Protocol）：设备之间的通信协议，保证低延迟、持续连接、可靠流式传输。

图2｜UFO³ 的分层式系统架构。展示系统从任务建模、调度到多设备交互的整体结构

整个系统像一个“星系控制台”：

下达一个任务后，每台设备都会贡献自己最擅长的能力，而系统会在背后不断重绘任务蓝图，直到目标完成。

可动态修改的任务星座

UFO³ 最大的突破，就是让任务不再是静态序列，而是一个 持续进化的任务图（mutable DAG）。

它能做到：

● 一边执行，一边修改计划

● 某个子任务失败后自动重连

● 根据设备响应速度与负载动态调度

● 根据用户实时反馈更新任务依赖

因为跨设备环境本身就是动态的，而 UFO³ 把“变化”变成设计的核心。

图3｜任务星座示例。展示了任务之间既包含顺序依赖，也包含可并行执行的关系

跨设备的智能体编排不再繁琐

传统跨设备框架需要繁重的工程配置，而 UFO³ 提供了一个统一的 Agent Interaction Protocol（AIP）：

● 设备间建立持续、可靠、低延迟的流式通道

● 发送部分结果也能触发下游任务提前执行

● 不同操作系统与硬件能力被抽象为“节点能力”

这个过程把所有设备拉到一个“统一语境”中，让它们可以自然协作。

图4｜AIP 协议栈结构。五层协议框架，为多智能体之间提供持久、可靠的跨设备通信能力

失败可恢复、执行可重写、数据可共享

论文的一个核心理念是“容错 + 动态优化”：

● 执行失败不等于终止

● TaskStars 能即时替换

● Orchestrator 会探测瓶颈并重排任务

● 异步结果使得整个系统更快收敛到最优路径

真实世界的设备环境一定会掉线、延迟、拥挤，而 UFO³ 的任务星座机制让系统天生具备“自愈能力”。

图5｜WindowsAgent 的整体架构。展示基于 UFO² 扩展实现的 Windows 端智能体结构

论文使用 NebulaBench（包含 55 个跨设备任务）对 UFO³ 进行评估。

图6｜任务与子任务成功率。左图按任务难度统计成功率，右图按任务类别展示 UFO³ 的表现

● 从图表和结果趋势可总结为：UFO³ 的任务完成率显著高于现有框架

● 在多设备协作、动态恢复、异步执行等场景中表现最稳

● 面对系统延迟、设备断连等挑战时“掉得最少、补得最快”

● 跨桌面 + 移动 + 云端的复杂任务中保持最高稳定性

即使设备执行顺序被打乱，系统仍能根据星座图重新组织流程，顺利完成任务。这说明 UFO³ 不只是做到了“能跨设备”，而是达到了“跨设备还稳得可怕”

图7｜NebulaBench 任务分布。左图为不同难度任务的比例，右图为每个任务所涉及的设备数量统计

UFO³ 展示了一种非常前沿的方向：智能体不再是“单机模型”，而是多设备协作的超级体。

大模型变成了一个可以调度你所有设备、资源与能力的“跨终端指挥官”。对于未来的具身智能、多设备办公、Agent OS、甚至机器人系统，这将是一个非常关键的基础框架。

或许未来我们真正面对的不是一个模型，而是一整个“智能设备星系”。

你觉得，AI 能否真的替你掌控所有设备，变成你的“数字总管家”。