M4 AI 助手上线一年后，我们发现，用户需要的已经不只是一个能聊天和操作的入口。

实际工作中，用户可能今天在 M4 里查询任务和设备状态，下一步又要切换到 Roboshop 中修改地图，甚至控制修改单个机器人配置，忙碌之余还想操作具身咖啡机器人做一杯美式。不同系统有不同入口和操作方式，复杂任务还可能涉及多个工具、多个步骤。

M4A2 围绕这些真实使用场景，重点做了五项优化。

更好的对话体验

M4A2 支持多个会话同时进行。

用户可以分别创建不同会话，处理不同任务，随时切换、删除和管理。一个会话用于查询生产数据，另一个会话用于操作设备，互不干扰。

消息流会完整保留执行过程，右侧的问题索引可以快速定位历史问题。

如果用户中途取消回答，已经生成的内容会保留。如果一次任务中只有部分工具调用失败，也可以只重试失败的部分。

对于模型连接失败、余额不足、上下文超限等情况，系统会直接说明原因，让用户知道问题出在哪里。

工具并行调用，任务执行更高效

复杂问题往往需要同时查询多类信息。

例如，要分析“昨晚 A 区为什么堆单”，可能需要一起查看运单记录、设备状态、告警信息和任务执行情况。

M4A2 支持并行调用工具。多个互不依赖的任务可以同时执行，同一个工具也可以一次处理多个对象，例如同时查询多台设备的电量，或获取多个区域的任务状态。

工具执行完成后，Agent 会统一汇总结果。

如果部分工具失败，系统会保留已经成功的结果，只重试失败部分，减少重复等待和重复操作。

Skill 管理，让 Agent 能力可以扩展和复用

Skill 是一段可以复用的工作流程。

它可以组合调用一个或多个工具，按照预设步骤完成一项完整任务。例如：

• 查询指定区域的任务和告警；
• 执行一段标准运输流程；
• 汇总多个设备的运行状态；
• 按照固定步骤操作具身咖啡机器人，制作一杯咖啡。

除了系统内置 Skill，管理员还可以上传、下载和分享 Skill。

Skill 的核心是 SKILL.md 中的 description。这段描述需要说明 Skill 适用于什么场景、可以完成什么任务，Agent 会根据用户意图判断是否调用。

用户可以在输入框中输入 / 主动选择 Skill，也可以直接描述需求，让模型自动匹配。

这样，经过验证的业务流程就能从一个团队复用到更多场景，不必每次都重新开发。

模型可以灵活切换

M4A2 不绑定某一家模型服务。

管理员可以配置多个模型平台，填写服务地址和密钥，完成连接测试后，系统会自动获取可用模型列表。

不同用户和任务可以有不同需求：

• 日常问答更看重响应速度；
• 复杂任务更看重理解和推理能力；
• 企业场景可能更关注私有化部署；
• 某些任务需要控制调用成本。

一期中，一个服务端同一时间激活一个模型，由管理员统一切换。切换只对新请求生效，正在执行的任务不会被中途改变。

个性化拓展页面，让操作不只靠对话

对话适合表达复杂意图，但并不适合所有场景。

现场出现紧急情况时，一个急停按钮比输入一句话更及时。高频重复操作也更适合通过固定按钮完成。需要持续观察的内容，则适合用状态面板、图表或地图呈现。

M4A2 支持在 PC 端配置个性化页面，例如：

• 机器人实时状态，包括名称、电量和位置；
• “运过来”等高频动作按钮；
• 选择起点和终点的运输任务表单；
• 常用物料的一键操作；
• 展示设备和任务状态的场景地图。

复杂的问题交给对话，高频动作交给按钮，需要持续观察的内容交给状态面板和地图。用户可以根据任务选择最合适的交互方式。

M4A2 的目标，是让用户少记几个入口，少切换几套系统，也少重复描述几次操作。

从 M4 到 Roboshop，再到具身咖啡机器人等不同系统，用户可以通过同一个 Agent 入口，查询信息、调用工具、执行流程，并根据现场需要选择对话、按钮、表单或地图。