MuleRun如何邀请队友?全流程教程详解
MuleRun提供四种灵活高效的团队成员邀请方式——一键生成可设权限与有效期的邀请链接、精准直邀已注册用户邮箱、通过Team ID批量导入实现企业级规模化协作,以及依托Agent共享反向触发轻量级任务协作,覆盖从个人快速组队到组织化协同的全场景需求;无论你是初次搭建AI数字员工工作流,还是正为权限未生效或邀请无响应而困扰,本文都为你厘清每一步关键操作与常见卡点,助你零门槛开启高效人机协同。

如果您希望在MuleRun中与他人协同使用AI数字员工,但尚未成功添加团队成员,则可能是由于邀请路径未正确触发或权限配置缺失。以下是完成团队成员邀请的具体操作步骤:
一、通过邀请链接添加成员
此方式适用于快速分发访问权限,无需对方提前注册MuleRun账户,链接可直接引导至协作空间并自动绑定身份。
1、登录MuleRun网页控制台,进入目标Agent工作区或团队空间界面。
2、点击右上角“协作”按钮,在下拉菜单中选择“生成邀请链接”。
3、在弹出面板中设置链接权限:可选仅查看、可编辑或可管理三级权限。
4、勾选链接有效期(支持1天、7天、30天或永久),点击“复制链接”。
5、将链接通过微信、邮件或即时通讯工具发送给目标成员,对方点击后即完成身份识别与空间接入。
二、通过邮箱直邀已注册用户
该方式要求被邀请人已拥有MuleRun账户,系统将自动校验邮箱归属,并在对方通知中心推送结构化邀请卡片,确保接收确认闭环。
1、在团队空间内点击“协作”→“邀请成员”,切换至“邮箱邀请”标签页。
2、在输入框中逐行填写协作者已注册的邮箱地址,每行一个,不支持逗号分隔。
3、从下拉菜单中为每位成员单独指定初始角色:观察员、执行员或管理员。
4、点击“发送邀请”,系统立即向对应邮箱投递含唯一Token的验证邮件。
5、被邀请人需登录其MuleRun账户,在“通知中心”点击启动并接受邀请,方可同步获得对应权限。
三、通过团队ID批量导入
适用于已有组织架构的企业用户,可通过预置团队唯一标识实现成员批量归属,避免逐个操作,提升规模化协作效率。
1、在MuleRun控制台左侧导航栏点击“团队管理”,进入团队总览页。
2、找到目标团队条目,点击右侧“详情”按钮,复制显示的Team ID字符串。
3、将Team ID提供给待加入成员,成员登录后在首页点击“加入团队”,粘贴该ID并提交。
4、管理员在“团队管理→待审核申请”中查看请求列表,对每条申请点击批准或拒绝。
5、批准后系统自动授予该成员在团队空间内的默认角色权限,并同步更新成员列表。
四、通过Agent共享反向触发协作
当某位用户将高权重Agent发布至公共Agent Store时,其他用户在复用该Agent过程中可主动发起协作请求,形成基于任务流的轻量级团队构建机制。
1、在Agent Store中浏览并打开任意已上架Agent页面。
2、点击右上角“…”,选择“请求协作”选项。
3、在弹窗中填写协作说明,并指定希望邀请的MuleRun用户昵称或邮箱前缀。
4、点击“发送请求”,该请求将出现在目标用户的“通知中心”中,标记为协作请求类型。
5、目标用户可在通知中直接点击接受邀请,系统自动将其添加至当前Agent的协作者白名单。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
多线程异步计算,Callable与Future详解
- 上一篇
- 多线程异步计算,Callable与Future详解
- 下一篇
- 关闭Windows10系统提示音教程
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · PyTorch autograd torch.is_grad_enabled 梯度模式
- PyTorch torch.is_grad_enabled 怎样读取当前线程的梯度开关状态
- 346浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 | 人工智能 · PyTorch Tensor.storage_offset storage_offset Tensor View 张量布局
- PyTorch Tensor.storage_offset 怎样读取张量视图的存储起始偏移
- 316浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 |
- Transformers BaseModelOutput.hidden_states 怎样区分各层隐藏状态与最后一层输出
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 16小时前 | python · 人工智能 · Transformers tokenizer BatchEncoding sequence_ids 双句编码 词元来源
- Transformers BatchEncoding.sequence_ids 怎样区分双句编码中的词元来源
- 283浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 | 人工智能 · Hugging Face Datasets ClassLabel str2int 标签编码
- Hugging Face ClassLabel.str2int 怎样把类别名称映射为标签编号
- 222浏览 收藏
-
- 科技周边 · 人工智能 | 18小时前 | 人工智能 · PyTorch Tensor.is_contiguous memory_format
- PyTorch Tensor.is_contiguous 怎样检查张量在指定内存格式下是否连续
- 170浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | python · 人工智能 · Transformers ModelOutput to_tuple 模型输出
- Transformers ModelOutput.to_tuple 怎样把非空模型输出字段转换为元组
- 192浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 · Transformers word_ids BatchEncoding 子词对齐
- Transformers BatchEncoding.word_ids 怎样关联子词与原始单词位置
- 462浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 |
- Hugging Face ClassLabel.int2str 怎样把标签编号还原为类别名称
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | python · 人工智能 · Hugging Face Datasets Dataset.split NamedSplit 数据集切分
- Hugging Face Dataset.split 怎样识别数据集对象对应的切分名称
- 476浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- PyTorch torch.get_default_dtype 怎样读取新建浮点张量默认使用的数据类型
- 316浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1108次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1100次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1271次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1214次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1059次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

