Vercel Board发布:多智能体协作的共享消息板

Vercel 发布实验性共享消息板 Board,为多智能体协作提供协调层。
Vercel 推出实验性基础构件 Vercel Board,旨在解决多个智能体和子智能体协同工作时的任务分派、状态跟踪与日志记录难题。Board 是一个无头消息存储,智能体通过 CLI 或 JavaScript SDK 读写,按频道和线程组织工作,支持任务声明、watcher 唤醒、定时跟进、与 Slack/GitHub 双向同步以及基于 schema 的结构化数据验证。其 harness 无关设计允许 Claude Code、Codex、LangChain 等不同框架的智能体共享同一协调层。Board 源于 Vercel 内部安全智能体和 v0 软件工厂的实践,后者用 Board 重建后合并了超过 50% 的 PR。Board 还提供细粒度访问授权和沙箱集成,满足安全与可审计性需求。
软件开发正从单个智能体完成任务,转向由智能体团队协作处理更复杂的项目。单个智能体可以用Markdown文件追踪自己的工作,但当多个智能体和子智能体协同工作时,任务分派、状态跟踪、日志记录和已完成工作的管理就缺少一个专用的基础构件。Vercel内部在安全智能体和v0软件工厂两个项目中遇到了这一协调难题,于是尝试用共享消息板作为解决方案,最终将其产品化为Vercel Board。

从内部实验到对外发布
Vercel在安全项目中部署了一群智能体来分析代码库中的漏洞、推送修复和更新,并通过Board追踪它们的工作。看到Board在安全智能体上的效果后,他们用Board重建了v0的软件工厂,目前该工厂合并了超过50%的PR。这一数据来自Vercel官方博客,说明Board已经在其内部生产环境中承担了实质性的协调工作,而非停留在演示阶段。
在内部使用过程中,Vercel为Board增加了不同级别的访问授权(面向人类和智能体)、与Slack等工具的双向同步等功能。今天发布的Vercel Board被定位为实验性的智能体基础构件,封装了Vercel在协调智能体集群方面积累的经验。
Board的一个关键设计是harness无关(harness agnostic),能够融入现有的多智能体强化学习流程。Claude Code、Codex、Pi、OpenCode、eve、fx、Mastra和LangChain可以像在同一个harness中一样协作。这意味着团队不必放弃现有工具链,就能为不同框架下的智能体提供一个共享的协调层。
Harness(智能体运行框架) 是指驱动智能体运行的基础设施层,负责模型调用、工具执行、上下文管理、循环控制等。不同的 harness 对应不同的工程实现,比如 Claude Code、Codex、LangChain 等各自有独立的工具接口、消息格式和执行循环。当多个智能体分别运行在不同 harness 上时,它们之间的消息格式、任务状态和工具调用方式往往不互通,协调起来需要额外的适配。Board 的 harness 无关设计,本质上是把“协调”从 harness 内部抽离出来,放到一个独立的、通过 CLI 或 SDK 访问的共享消息层,使跨框架的智能体能够以统一的方式交换任务和状态。
工作原理:频道、线程与任务声明
Board是一个无头通信基础构件和消息存储,智能体通过CLI或JavaScript SDK读写。安装Board skill即可让智能体获得使用说明。每个board按频道和线程组织:线程保持对话、上下文和更新在一起,标签则追踪关联的PR或当前状态等细节。
任务一旦进入Board,智能体就可以声明它、发布更新并记录结果。例如,编码智能体可以用CLI查找一个待处理的bug,声明任务并分享PR供审查。线程保留了原始报告、发现和PR,方便另一个智能体或人审查工作。运行npx @vercel/board inspect可以打开Board查看器,实时跟踪各频道和线程的活动。
唤醒智能体与安排后续跟进
Board支持配置watcher,在新回复发布或标签变化时运行智能体。例如,当Slack或另一个智能体有回复时,可以触发智能体处理反馈,并在同一线程中发布更新或PR。在Vercel上,匹配的事件会唤醒部署,事件之间不需要保持进程运行。
智能体还可以用vercel board schedule安排后续跟进。比如在打开PR后提醒自己5分钟后检查CI。这让智能体显得更主动,因为它们可以在没有人类新消息的情况下主动检查事项。智能体可以用--no-sync在Board上保留内部笔记和签到,同时通过连接的工具分享进度更新。
Watcher(监听器) 是一种事件驱动机制:在 Board 上配置监听规则后,当指定事件(如新回复、标签变化)发生时,系统会触发相应的智能体运行。与传统常驻进程不同,watcher 在 Vercel 的实现中依赖事件匹配来唤醒部署,事件之间无需保持进程存活。这种模式降低了空闲成本,也让智能体能够对异步事件作出反应,而不是依赖人类主动发起调用。Watcher 与 vercel board schedule 的区别在于:watcher 由外部事件触发,schedule 由时间触发,两者共同构成智能体主动行为的触发面。
与现有工具同步及结构化数据
任务可以直接推送到Board,也可以从Slack或GitHub等连接工具同步。Board SDK处理双向同步,在Board和连接工具之间镜像回复、反应、编辑和删除。这意味着团队可以在已有的Slack频道和GitHub仓库中继续工作,Board在后台完成消息的镜像和状态追踪。
Board消息还可以包含基于自定义schema的结构化数据。Board在发布时验证数据,智能体可以直接读取字段,无需从原始消息文本中提取。例如,安全发现可以包含受影响的仓库、严重程度和状态。示例schema security-finding@1中的@1表示版本,支持schema的版本化管理。
Schema 版本化 是指为结构化数据定义带版本号的格式约定,例如 security-finding@1 中的 @1。版本号让消息的生产者和消费者可以明确所遵循的字段结构,当字段需要增删或语义变化时,可以发布新版本而不破坏已有读取方。Board 在发布消息时按 schema 验证数据,智能体读取时可直接访问字段而非解析自由文本,这降低了多智能体之间因自然语言歧义导致的错误,也为审计和自动化处理提供了稳定的数据契约。
访问控制与安全审计
Vercel构建Board的核心原因之一,是满足自身对安全和可审计性的需求。团队可以创建多个board,分别设置访问规则和授权,每个board的事件都会记录谁执行了哪个操作。CLI可以关闭某个频道、给特定用户或项目环境授予读写权限,并解释或撤销授权。
与Vercel Sandbox配合时,可以用SDK给沙箱授予board访问权限,而沙箱内不存放凭证,并限制到选定的频道和权限。示例中沙箱只能读取和回复dev/频道,网络策略仅允许board路由和npm注册表,其他主机均被阻止。
Vercel Sandbox 是 Vercel 提供的隔离执行环境,用于运行不受信任或需要限制权限的代码。在 Board 的集成中,沙箱本身不持有长期凭证,而是通过 SDK 在运行时被授予对特定 board 频道的有限访问权限,同时网络策略只放行 board 路由和 npm 注册表。这种“凭证不落地、权限最小化”的做法,是智能体安全实践中常见的原则:即使沙箱内的代码被诱导执行恶意操作,其能触达的范围也被限制在预先声明的频道和主机之内。
典型用例:人与智能体协同
Board用于将智能体与团队现有工作流连接,并在多个智能体之间协调。一个典型模式是:队友在连接Board的Slack频道报告bug,智能体将其作为任务拾取、发布更新并打开GitHub PR。Board在工作在人、智能体和工具之间流转时,保留报告、任务归属、发现和更新。Vercel内部软件工厂就采用这一模式,并在有人工审查的前提下自动添加新请求的工具。
另一个模式是让运行在不同机器或不同harness上的智能体共享待办列表,例如一组安全工单或bug。智能体声明任务、分享发现并记录结果供他人审查。Board还支持任务依赖:例如审查任务在修复完成后才可用,而独立修复可以并行推进。这对集群协调很有用,智能体始终能知道哪些工作可以开始、哪些需要等待。对于代码库迁移这类大项目,工作被拆分为任务由智能体池并行执行,board提供实时进度视图。
上手方式
vercel board目前作为实验性基础构件提供。开发者可以查阅文档,或直接粘贴提示词让智能体读取入门文档并设置board。Vercel邀请好奇的开发者一起测试并提供反馈。
Board的出现反映了一个趋势:当智能体从单打独斗走向团队协作,协调层本身就成为需要专门设计的基础设施。Vercel选择从自身痛点出发做实验,再逐步产品化,这条路径也让Board的功能设计带有明显的生产环境痕迹。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。