在白板上规划一个多智能体系统，听起来很简单：给一个智能体派任务，让另一个接手下一步，再加个审核者，连上几个工具，一个智能体工作流就搭好了。
可一旦这些智能体需要同时运行，事情就复杂了。
串行工作流会把智能体锁死在固定顺序里：一个跑完，下一个才启动，下游全都得干等。这种模型思路清晰、容易推理，但随着系统不断壮大、智能体需要各自独立地响应新信息，它就会越来越束手束脚。
Mozaik 走的是另一条架构路线。它是一个开源的 TypeScript 框架，用于在事件驱动环境中构建响应式智能体——智能体可以并发运行、响应事件、彼此协调，无需中央工作流为每一次交互都定好规矩。
而现在，动手实践这套架构的机会来了。
JigJoy 联合 daily.dev 和 Hyperskill，正在举办 Mozaik Hackathon 2026——一场免费线上黑客松，主题就是构建并发 AI 智能体。
太长不看版
智能体堆得越多，多智能体系统未必就更好。这些智能体之间如何通信、如何响应、如何相互依赖，对系统规模扩大后的整体表现影响可能更大。
Mozaik 用事件驱动架构来解决这个问题，围绕响应式、非阻塞的智能体进行设计。智能体加入共享的 AgenticEnvironment，接收事件，并自行决定如何应对。
以下是 Mozaik Hackathon 2026 值得关注的几个亮点：
- 并发 AI 智能体：多个智能体可以同时工作，事件一到就立即响应。
-
事件驱动架构：智能体、人类、观察者和工具都参与同一个
AgenticEnvironment。 - 非阻塞执行：推理和消息传递可以在后台持续进行，不会拖慢其他参与者。
- 松耦合智能体：智能体可以更独立地运行，跨项目、跨应用复用起来也更方便。
-
基于 TypeScript：Mozaik 是一个开源的 TypeScript 框架，可通过
@mozaik-ai/core获取。 - 动手实践： 参与者在探索智能体循环、推理模型上下文和循环工程的过程中构建多智能体系统。
- 奖金池：1,000 美元现金奖励： 第一名 500 美元，第二名 300 美元，第三名 200 美元。
- 免费线上： 开发者可以从任何地方参加，无需支付报名费。
黑客马拉松将于 2026 年 9 月 5–6 日举行，9 月 4 日有直播启动，9 月 13 日公布获胜者。
如果您一直在尝试 AI 智能体，这是一个机会，可以超越简单的 API 编排，探索如何设计并发多智能体系统。
目录
- 顺序 vs. 并发多智能体系统：Mozaik 带来的变化
- Mozaik 的事件驱动架构如何实现并发 AI 智能体
- 开始使用 Mozaik：并发智能体的 TypeScript 运行时
- Mozaik 黑客马拉松 2026：构建并发多智能体系统
- 您可以用 Mozaik 构建什么？
- 为什么开发者应该参加 Mozaik 黑客马拉松
- 常见问题
- 最后的想法
顺序 vs. 并发多智能体系统：Mozaik 带来的变化
开发者初次构建多智能体系统时，顺序式工作流往往是最容易理解的模型。
设想一个研究类应用，其中包含五个各司其职的智能体：
- 研究员智能体收集信息。
- 分析师智能体检视研究结果。
- 批评者智能体查找薄弱环节。
- 撰稿人智能体把结果整理成答案。
- 审校员智能体检查最终输出。
整个流程大致如下：
Researcher
↓
Analyst
↓
Critic
↓
Writer
↓
Reviewer
每个智能体都有明确的职责，每个阶段可以把输出传递给下一个阶段。对于每一步都依赖上一步结果的任务来说，这种做法是合理的。
问题出现在智能体不必互相等待的时候。
假设研究员找到了三个有用的资料来源。分析师完全可以先着手分析第一个来源，而研究员继续收集更多信息。评审者可以在研究尚未完成时，就先审视某个早期发现。观察者则可以持续监控整个过程，一旦发现异常就立即做出反应。
固定的执行顺序让这类交互难以表达，因为整个工作流是围绕下一个由谁执行来构建的，而不是围绕发生某件事时该由哪个智能体响应。
这一区别正是 Mozaik 的核心理念。
| 顺序式多智能体工作流 | Mozaik 的并发模型 |
|---|---|
| 智能体沿固定的执行路径依次运行 | 智能体对到达的事件即时响应 |
| 一个阶段通常要等待另一个阶段 | 多个智能体可以并行工作 |
| 编排逻辑定义整个工作流 | 参与者自行定义各自的响应方式 |
| 新增智能体可能需要改动工作流 | 新参与者可以直接加入共享环境 |
| 耗时较长的任务可能阻塞下游阶段 | 非阻塞式推理让其他活动得以继续 |
| 智能体可能与特定工作流紧密耦合 | 智能体可以更加独立地运行 |
这并不是说所有 AI 工作流都应该改成并发。有些任务确实存在依赖关系，必须按顺序执行。
Mozaik 适用于这样的场景：多个智能体需要观察同一项活动、各自独立做出响应，并在其他智能体仍在处理时继续推进自己的工作。
这会改变你设计系统的方式。
与其一开始就搭建这样一条链：
Agent A → Agent B → Agent C
你可以把系统看作一个共享的环境，其中几个参与者会对事件作出响应：
┌── Research Agent
│
├── Planning Agent
│
Event ──────────────┼── Coding Agent
│
├── Review Agent
│
└── Observer
代理仍然有不同的职责，但它们之间的关系不必被编码为一个刚性的流水线。
这也会影响 代理的独立性和可复用性。当一个代理的行为基于它接收到的事件以及它实现的处理程序时，该代理可以更轻松地移植到另一个应用程序，或与不同的参与者集合组合。
例如，评审代理可以在一个应用中用于评估生成的代码，在另一个应用中用于评估研究结果。周围的参与者可以发生变化，而无需让评审成为完全不同的编排链的一部分。
这正是 Mozaik 方法的重要部分：并发性和互操作性与架构本身紧密相连。
该框架为代理提供了一个共享环境，使它们能够协作，同时保持各自行为的独立性。
这引出了下一个问题：
Mozaik 是如何在内部实现这一点的？
Mozaik 的事件驱动架构如何实现并发 AI 代理
Mozaik 围绕 AgenticEnvironment 构建其 并发多代理架构。
该环境由人类、代理、观察者和工具共享。每个参与者可以发出事件，而其他参与者可以监听与其角色相关的事件，并决定如何响应。
这些事件可以包括纯文本消息、表示模型交互的类型化 ContextItem，以及在推理过程中产生的流式 SemanticEvent<T> 块。
关键的架构决策是，参与者无需等待中央调度器告诉它们接下来会发生什么。
它们加入环境，注册自己关心的处理程序，并在相关事件到达时作出反应。
a name="agenticenvironment-a-shared-event-driven-layer">
AgenticEnvironment: 共享的事件驱动层
AgenticEnvironment 充当参与者之间的通信层。
人类可以向环境发送消息。代理可以通过 onMessage() 接收该消息。然后代理可以启动推理，这可能产生推理过程、模型消息或函数调用。其他参与者可以观察这些事件，并决定是否需要响应。
流程大致如下：
Message
↓
Agent reacts
↓
runInference()
↓
Model events
├── Reasoning
├── Function call
└── Model message
↓
Other participants react
不要求每个参与者在环境继续处理其他事件之前完成其工作。
这一点很重要，因为模型推理不是瞬间完成的。慢速模型调用不应让整个多智能体系统变成等待队列。
非阻塞推理让智能体持续运行
Mozaik's runInference() capability is designed to be non-blocking.
A reactive agent can receive a message, add it to its ModelContext, and start inference:
async onMessage(message: string): Promise<void> {
this.context.addContextItem(
UserMessageItem.create(message)
);
runInference({
model: "gpt-5.5",
context: this.context,
caller: this,
environment: this.environment
});
}
重要的细节在于调用 runInference() 之后会发生什么：处理程序返回而模型继续运行。
代理不必在等待推理结果时保持空闲，环境即可处理其他活动。同一参与者可以响应另一个事件，而其他参与者则可以继续处理自己的事件。
当推理产生新的 ContextItem 时，这些项会通过环境发送回去。代理可以通过诸如 onReasoning、onFunctionCall 和 onModelMessage 等处理程序作出反应，而其他参与者则可以观察到相应的外部事件。
因此，底层模式变为：
Event
↓
Reaction
↓
Inference or tool call
↓
New event
↓
Another reaction
在这里，Mozaik 的 响应式代理架构 与仅仅依次执行一个函数的工作流不同。系统可以在新信息出现时持续响应。
参与者保持代理松耦合
Mozaik 还将参与者与整个应用流程分离。
基础的 BaseParticipant 类为参与者提供了基础，而诸如 onMessage、onFunctionCall、onReasoning 和 onModelMessage 之类的处理器使每个参与者只需实现其所需的行为。
这意味着参与者无需了解整个应用。
A planner can focus on planning.
A researcher can focus on research.
A critic can focus on evaluation.
An observer can monitor events.
他们都可以在同一个 AgenticEnvironment 中参与，而不需要一个中央控制器来包含它们之间的所有交互。
这也是该架构对 可重用的 AI 代理 有用的原因。如果一个代理的行为围绕它所理解的事件和它能够执行的动作来定义，那么同一个参与者潜在地可以被引入到另一个具有不同代理组合的环境中。
因此，添加评论者、观察者或专家可以变成组合参与者并定义他们的反应的问题，而不是每次系统变更时重新设计一个大型工作流。
对于构建 AI 代理编排系统 的开发者来说，这是架构结构方式的一个有意义的变化：环境提供共享的通信层，而每个参与者拥有自己的行为。
而且，这正是 Mozaik 黑客马拉松为开发者提供构建此类架构机会的方式。
开始使用 Mozaik：用于并发代理的 TypeScript 运行时
Mozaik 使用 TypeScript 编写，并以 @mozaik-ai/core 包的形式提供。
对于新项目，安装从以下步骤开始：
npm install @mozaik-ai/core
您也可以使用 Yarn 或 pnpm 安装：
yarn add @mozaik-ai/core
pnpm add @mozaik-ai/core
框架根据传入 runInference() 的模型名称解析模型提供方。提供方的凭证通过环境变量配置，例如：
OPENAI_API_KEY=your-openai-key-here
ANTHROPIC_API_KEY=your-anthropic-key-here
GEMINI_API_KEY=your-gemini-key-here
DeepSeek 模型可以通过 OpenAI 兼容的 chat-completions 端点来调用，只需将 OPENAI_API_KEY 和 OPENAI_BASE_URL 配置为 DeepSeek 的对应值即可。
对于 TypeScript 项目，Mozaik 文档建议使用较新的 moduleResolution 配置，比如 bundler、node16 或 nodenext，这样包导入才能顺利解析。
Mozaik Hackathon 2026：构建并发多智能体系统
Mozaik 黑客松的核心，是让开发者自由尝试多个 AI 智能体协同工作的新玩法。这是一个用 Mozaik 做出真实作品的机会，看看自己究竟能创造出什么。
比赛全程线上进行，免费报名，也不要求你有 Mozaik 使用经验。
报名后你会拿到一堆实用资料：可供阅读的文档、起步模板，还有一份快速入门指南，帮你在比赛正式开始前进入状态。此外，主办方会全程引导，所以这个周末并不是那种发给你一个框架就撒手不管的比赛。
这场比赛同样有教学意义。你需要做出东西来，但整个过程也让你有机会理解 AI 智能体系统底层到底在发生什么：智能体如何接收事件、维护上下文、调用模型和工具、响应输出，以及如何与其他参与者协作。
谁可以参加这场黑客松？
这场黑客松面向全球各地的开发者开放。
你可以单人报名，主办方会帮独立参赛者寻找队友；也可以直接带上自己的团队。官网目前显示，队伍人数上限将很快公布。
你也不必是 Mozaik 老手。赛事的设计初衷，就是在正式开发周末开始之前，先让参赛者熟悉这个运行时。
因此，无论你是已经在开发 AI 应用的开发者，还是刚开始探索AI 智能体与多智能体架构的新人，这场黑客松都值得一试。
Mozaik 黑客松时间线：2026 年 9 月 4 日至 13 日
主要构建活动在 2026年9月5–6日周末 进行，但活动从9月4日的介绍开始，到9月13日获胜者公告结束。
以下是组织者目前提供的时间表：
| 日期 | 事件 | 发生的事情 |
|---|---|---|
| 2026年9月4日 | 直播启动 | Mozaik 介绍及黑客松简章公开发布 |
| 2026年9月5–6日 | 构建周末 | 参与者使用 Mozaik 构建他们的并发多智能体系统 |
| 2026年9月6日 | 提交截止 | 请在傍晚前提交您的代码仓库和简短演示 |
| 2026年9月13日 | 获胜者公布 | 评审期结束并公布获胜者 |
您不需要前往任何地点、寻找实体场地，或因线下活动而重新安排周末。您可以从任何地方进行构建，并通过活动的在线渠道与组织者及其他参与者交流。
您可以用 Mozaik 构建什么？
一旦您理解事件驱动模型，有趣的部分就开始了：决定您希望您的多智能体系统做什么。
Mozaik 黑客松不会给开发者提供一个长长的预定义轨道列表。只有一个开放的简章，核心要求很简单：
构建一个可运行的系统，其中几个智能体同时运行、共享状态并相互协作。
这为创意提供了充足的空间。
您可以构建一个研究系统，其中多个智能体同时调查问题的不同部分，而一个智能体在发现产生时进行检查。
您可以创建一个编码团队，其中规划者、实施智能体、测试者和评审者会随着项目的发展响应变化。
您还可以超越熟悉的开发者工作流程。比如一起监控对话的客服智能体、交换发现的自主研究团队、作家和事实核查者对新信息作出反应的内容系统，或者监控另一个智能体活动并在需要关注时介入的监控智能体。
仅按顺序执行的五个智能体项目无法清晰展示并发智能体架构。而由三个智能体真正响应共享事件并相互影响工作的较小系统能够更好地展示该架构。
处理项目的最佳方式是在编写代码之前先明确这三件事：
共同目标是什么？
让所有参与者有合作的理由。每个代理能观察到并作出反应的是什么？
这就是 Mozaik 的事件驱动模型变得重要的地方。当多个代理同时工作时会发生什么？
你的架构应该在应用的实际行为中使并发可见。
这一点很重要，因为黑客马拉松特别寻找并发真实存在的系统，而不仅仅是把顺序流水线包装成多代理应用。
为什么开发者应该参加 Mozaik 黑客马拉松
从零构建多代理系统会迫使你去理解那些在使用高层抽象时容易被忽略的内容。
你需要考虑 代理状态、事件、上下文、模型推理、工具调用、通信、反应和并发。你开始把 AI 代理视为具有输入、行为、状态和输出的实际软件组件。
这就是 Mozaik 团队希望参与者获得的那种经验。
你可以通过与其他开发者一起构建来学习
黑客马拉松也很有用，因为学习不会孤立发生。
组织者计划通过 Discord 支持参与者，包括公告、为单独参与者组建团队以及整个周末提问的场所。
如果你在架构上遇到问题，需要澄清 Mozaik 的细节，或者只是想与其他构建者讨论一种方法，都有一个共享空间可用。
而且由于活动是开放式的，你不局限于复现一个官方演示。你可以自己做出架构决策，并观察当你将并发代理模型应用到你关心的问题时会发生什么。
还有真实的激励
本次黑客松设有 1,000 美元现金奖励：
| 名次 | 现金奖励 |
|---|---|
| ? 第一名 | 500 美元 |
| ? 第二名 | 300 美元 |
| ? 第三名 | 200 美元 |
此外，活动页面上还列出了其他奖品和优惠，包括活动合作伙伴提供的订阅服务。
不过，对有意深耕 AI 工程的开发者来说，更大的收获在于：一个周末下来，你不仅能带走一个可以运行的多智能体应用，还能真正弄明白并发智能体该如何设计。
把这样的项目放进个人作品集再合适不过——毕竟 AI 应用正在超越单一智能体的交互模式，朝着多个专职智能体协同运作的系统演进。
常见问题
Mozaik 与其他 AI 智能体框架有何不同？
→ Mozaik 采用并发、事件驱动的架构，智能体无需按固定顺序相互等待。每个智能体都能独立响应事件，多个智能体因此得以并行工作，彼此保持松耦合，还能在不同项目间复用。
参加黑客松需要有用过 Mozaik 的经验吗？
→ 不需要。即使从未用过 Mozaik，开发者也可以报名参加本次黑客松；活动开始前，参赛者会拿到文档、初始模板和入门教程。黑客松完全免费、全程线上，既不用交报名费，也不用赶赴现场。
在 Mozaik 黑客松期间，我要构建什么？
→ 你将围绕一个开放的简报构建一个可运行的多智能体系统，核心要求是多个智能体真正并发运行并相互协调。可能的方向包括研究蜂群、自我审查的代码库、实时运营室，或用于并行假设测试的系统。
Mozaik 黑客马拉松何时举行，并且是否免费？
→ Mozaik 黑客马拉松将于 2026 年 9 月 5–6 日在线举行，且免费参与。直播开幕式定于 9 月 4 日，而提交截止时间为 9 月 6 日晚上。
参与者可以在 Mozaik 黑客马拉松中赢得哪些奖项？
→ 黑客马拉松提供 1,000 美元现金奖励：第一名 500 美元，第二名 300 美元，第三名 200 美元。其他奖项包括 daily.dev Plus 订阅、Hyperskill Premium 订阅以及 Mozaik Cloud Premium 订阅，而每位参与者均可获得 Mozaik Cloud 和 Hyperskill Bootcamps 的折扣。
最终思考
如今的许多 AI 智能体开发仍然围绕着决定先做什么、接下来做什么以及哪个智能体接收前一个智能体的输出展开。
这种方法对许多任务都有效。但随着系统变得更加自主，还有另一种思考协调的方式：
给智能体提供一个环境，让它们能够观察事件、独立反应，并随着情况变化进行协作。
这就是 Mozaik 要带入多智能体开发的理念。
其事件驱动架构、非阻塞推理模型、参与者系统以及共享环境为开发者提供了一个基础，使他们能够实验那些能够并发工作的智能体，而无需将每一次交互硬编码到一个顺序工作流中。
Mozaik 黑客马拉松提供了一个机会，让这一想法从文档中走出来并付诸实践。
你不需要带着一个完成的架构或多年多智能体经验参与。你需要一个值得解决的问题、愿意进行实验的态度，以及一个关于多智能体如何为同一目标做出贡献的想法。
如果你一直好奇，当 AI 智能体能够协同工作、不必在每一步都互相等待时会发生什么，那么 9 月 5 日至 6 日这个周末正适合一探究竟。
| 感谢阅读！?? 希望这篇文章对你有所帮助 ✅ 欢迎点赞关注，获取更多内容 ? 由 Hadil Ben Abdallah 用 ? 倾心打造 |
  
|
|---|
