OpenClaw之外的新方向:AI多Agent架构创新——三省六部·Edict项目解析 ypxx.net

在OpenClaw持续火爆、各类平替与魔改版本层出不穷的当下,AI多智能体(Multi-Agent)领域迎来了一个极具创意的创新尝试——三省六部·Edict开源项目。该项目创新性地借鉴唐朝三省六部行政体系,重新设计AI多Agent协作架构,构建出一套分工明确、制衡有序的“赛博朝廷”式协作系统,为Multi-Agent的落地应用提供了全新思路。本文将对该项目进行全面解析,探讨其架构设计、核心优势及技术底层逻辑。

1111111.png

项目概述:以历史制度为框架,构建高可靠AI协作系统

三省六部·Edict是一个基于AI多Agent技术的开源项目,核心思路是将中国古代成熟的三省六部制与现代Multi-Agent架构相结合,用12个AI Agent(11个业务角色+1个兼容角色)搭建出高稳定性、高可控性的协作系统,解决单一AI及传统Multi-Agent框架的协同痛点。

截至3月10日21:00,该项目在GitHub上的星标数已达6.5K+,项目地址:https://github.com/cft0808/edict,感兴趣的开发者可直接围观、部署测试。

与传统Multi-Agent框架“群聊式”协作不同,三省六部·Edict通过明确的角色分工和制衡机制,将“不可靠的个体AI Agent”整合为“高可靠的系统”,其核心创新点在于“制度赋能技术”,用成熟的行政架构解决AI协作中的职责混乱、流程不可控等问题。

架构设计:12个AI Agent构建“赛博朝廷”,分工与制衡并行

该项目的核心架构完全借鉴唐朝三省六部制,12个AI Agent分别对应太子、三省(中书省、门下省、尚书省)、七部(户部、礼部、兵部、刑部、工部、吏部、早朝官)及军机处Kanban,各角色各司其职、相互制衡,形成完整的协作闭环。

222222.png

展开全文

1. 太子:需求分拣与指令提炼角色

太子作为“赛博朝廷”的基础协调角色,不具备决策权,核心职责聚焦于需求预处理,相当于系统的“前置调度秘书”,具体功能包括:

  • 闲聊识别与消息分拣:自动区分无效闲聊与有效任务指令,避免无关信息干扰核心流程;
  • 旨意提炼与标题概括:将用户模糊的需求指令,提炼为清晰、可执行的任务描述,为后续流程提供明确输入;
  • 任务初步归类:根据需求类型,初步匹配对应部门,提升后续任务分发效率。

2. 三省:核心中台,负责规划、审议与派发

三省是整个系统的“核心管理层”,承担任务从规划到派发的全流程管控,实现“规划-审议-执行”的分层制衡,具体职责如下:

  • 中书省:接旨与规划层,核心能力是需求理解、任务拆解与方案设计,将用户指令转化为可落地的子任务分配方案;
  • 门下省:审议与把关层,相当于系统的“质量管控中心”,负责对中书省的方案进行质量评审、风险识别与标准把控,不合格方案可直接“封驳”,打回中书省重新规划;
  • 尚书省:派发与协调层,负责接收门下省审核通过的方案,将子任务分配给六部执行,同时跟踪任务进度、协调跨部门协作,最终汇总执行结果反馈给用户。

3. 七部:专项执行层,覆盖全业务场景

七部作为系统的“执行主力”,每个部门对应特定的专业领域,负责具体任务的落地执行,覆盖AI协作的全业务场景,具体分工:

  • 户部:数据与资源管理,擅长数据处理、报表生成、成本核算,负责系统中各类数据的存储、分析与可视化;
  • 礼部:文档与规范管理,擅长技术文档、API文档撰写及规范制定,确保系统输出的标准化与规范化;
  • 兵部:代码与算法管理,擅长功能开发、Bug修复、代码审查,负责系统核心功能的开发与迭代;
  • 刑部:安全与合规管理,擅长安全扫描、合规检查、红线管控,保障系统运行的安全性与合规性;
  • 工部:部署与自动化管理,擅长Docker配置、CI/CD流水线搭建、自动化工具开发,负责系统的部署、运维与自动化运维;
  • 吏部:Agent与权限管理,擅长Agent注册、权限维护、角色培训,负责系统中所有AI Agent的生命周期管理;
  • 早朝官:兼容与衔接角色,负责协调各部门之间的职责空白,确保流程衔接顺畅,提升系统兼容性。

4. 军机处Kanban:进度监控与干预面板

军机处Kanban相当于系统的“可视化监控中心”,为用户提供“上帝视角”,可实时查看六部及各Agent的任务执行进度,支持任务的叫停、取消、恢复等操作,实现任务流程的全程可控、可追溯。

任务流转流程

用户通过飞书、企业微信等工具下达指令 → 太子分拣需求、提炼旨意 → 中书省接旨并拆解任务、设计方案 → 门下省审议方案(通过/封驳) → 尚书省派发任务给六部 → 六部并行执行任务 → 军机处Kanban实时监控进度 → 尚书省汇总执行结果,反馈给用户。

核心优势:解决传统Multi-Agent的核心痛点

传统Multi-Agent框架(如AutoGen)多采用“群聊模式”,Agent之间无明确职责划分,易出现闲聊跑偏、流程失控、结果不可复现等问题。三省六部·Edict通过架构创新,有效解决了这些痛点,其核心优势体现在三个方面:

44444.png

1. 分工明确,避免职责混乱

将规划、审议、执行、监控等职能拆分到不同Agent,每个Agent仅聚焦自身专业领域,避免“一人多职”导致的效率低下与流程混乱,实现“专业的人做专业的事”。

2. 分权制衡,提升系统可靠性

门下省的审议机制是整个系统的“杀手锏”,通过增加审核环节,有效规避方案漏洞、AI幻觉等问题,确保任务执行的准确性;同时,三省之间相互制约,避免单一环节权力集中导致的流程失控。

3. 流程可控,可追溯、可审计

系统采用单向受控的信息流向,每个环节的操作都有明确记录,任务进度实时可见,用户可随时干预,解决了传统Multi-Agent“结果不可复现、流程不可审计”的痛点,符合企业级应用的核心需求。

技术底层:基于OpenClaw构建,解析多Agent框架差异

从技术底层来看,三省六部·Edict并非独立的底层框架,而是基于OpenClaw的底层能力和通讯渠道构建的上层多智能体编排系统,其结构复杂度不低于OpenClaw,Token消耗随流程复杂度呈指数级增长(可理解为“Agent数量越多、流程越复杂,运行成本越高”)。

1. OpenClaw背景补充

OpenClaw(前身为Clawdbot)由奥地利开发者Peter Steinberger于2025年末推出,最初仅为“周末项目”,却在60天内斩获25万+GitHub星标,超越React十余年的里程碑,成为AI历史上增长最快的开源项目。其爆火引发行业连锁反应:

  • 国际厂商:OpenAI收购项目创始人入局,Anthropic收购Vercept强化Computer Use能力;
  • 国内厂商:腾讯云、阿里云、移动云等云厂商先后接入,小米计划推出手机端“龙虾”,月之暗面、MiniMax等AI新势力推出Kimi Claw、MaxClaw等平替产品。

需注意的是,OpenClaw存在安全风险,3月8日工信部已发布高危风险预警,其部分实例在默认或不当配置下,易引发网络攻击、信息泄露等问题。

2. 三大Multi-Agent框架对比

目前主流的Multi-Agent框架呈现三种不同的设计理念,具体对比如下:

  • OpenAI Codex(声明式):基于GPT-5系列模型,用户无需冗长提示词,仅需指定角色名称、模型类型、权限级别,即可实现Agent协作;
  • Anthropic Claude Code(指令式):聚焦“任务指令”,核心是明确Agent“该做什么”,流程导向性强;
  • OpenClaw(人格化):具备人格(SOUL)、记忆(MEMORY)、身份(IDENTITY)等维度,拥有设定下的“灵魂”,这也是其被称为“龙虾”、需要“养”的核心原因——用户可定义Agent的性格、记忆,实现更个性化的协作。

三省六部·Edict继承了OpenClaw的人格化设定,每个Agent均有独立的SOUL配置,同时通过三省六部架构,弥补了OpenClaw协作流程不可控的短板。

项目定位:AI与社会学结合的实验,暂不适合企业落地

三省六部·Edict本质上是一场“好玩且有意义”的实验,其核心价值不在于“落地应用”,而在于“降低Multi-Agent的理解门槛”与“架构创新示范”:

  • 社会学与AI的结合:用大众熟知的三省六部制(高中历史知识),将复杂的Multi-Agent架构具象化,让非技术人员也能理解AI Agent的协作逻辑,打破技术壁垒;
  • 架构创新示范:为Multi-Agent的协作模式提供了新思路——通过制度设计解决技术痛点,而非单纯依赖模型能力;
  • 当前局限:暂不适合直接落地企业场景,核心问题在于Token消耗过高(复杂流程下成本难以控制),且组织适配性仍需优化,需进一步迭代完善。

值得一提的是,该项目与OpenClaw的初衷一致——均源于开发者的“玩心”,这种“非功利性”的创新,反而为AI领域带来了新的思考:技术的普及与创新,不仅需要硬核的技术能力,也需要有趣的呈现方式。

总结与展望

三省六部·Edict作为OpenClaw生态下的创新衍生项目,以独特的历史隐喻的方式,解决了传统Multi-Agent框架的协作痛点,为AI多智能体的发展提供了全新视角。其创新点在于“用制度赋能技术”,将成熟的行政架构与现代AI技术结合,既降低了技术理解门槛,也为Multi-Agent的落地提供了新的可能。

未来,随着模型能力的提升与Token成本的降低,这种“分工制衡”的Multi-Agent架构有望逐步落地企业场景,用于复杂任务的协同处理。对于开发者而言,该项目的开源特性也为其提供了良好的学习与二次开发载体,可基于此探索更多Multi-Agent的创新应用。

欢迎关注一步API,**一步API官网:yibuapi.com **, 我们还会持续分享更多AI咨询、AI工具、实战经验、踩坑记录,助力你高效玩转AI开发、避开行业弯路。

yibu2222.png

想了解更多细节、获取专属支持,可添加客服微信,随时咨询交流~