之前写过好几篇多智能体(MAS)系统(框架):
Edict
开源(GitHub,15.6K Star,1.7K Fork)多智能体系统,灵感来自中国上千年的帝国制度。将中国古代官僚制度的"分权制衡"思想应用于AI多智能体协作架构,通过强制性的"门下省审核"环节确保任务质量与合规:
- 太子:消息分拣,闲聊自动回复,旨意才建任务
- 三省:中书、门下、尚书,负责规划、审议、派发
- 七部:户礼兵刑工吏+早朝官,负责专项执行
- 严格权限矩阵:谁能给谁发消息,白纸黑字
- 每个Agent独立Workspace+Skills
十二部制Agent架构
- 太子:消息分拣,闲聊自动回复,旨意才建任务
- 三省:中书·门下·尚书,负责规划、审议、派发
- 七部:户礼兵刑工吏+早朝官,负责专项执行
- 严格的权限矩阵:谁能给谁发消息,白纸黑字
- 状态流转校验:
kanban_update.py强制合法转换路径,非法状态跳转被拒绝 - 每个Agent独立Workspace,独立Skills,独立模型
- 旨意数据清洗:标题/备注自动剥离文件路径、元数据、无效前缀
军机处看板,10个功能面板

相比CrewAI、AutoGen等主流框架,提供制度化的审核流程、完整的实时可视化看板和任务过程的可干预性。
支持从远程(如GitHub)为各个智能体"部门"灵活增补技能(Skills),并提供CLI、API和UI三种管理方式。
技术亮点
| 特点 | 说明 |
|---|---|
| React18前端 | TypeScript+Vite+Zustand状态管理,13个功能组件 |
| 纯stdlib后端 | server.py基于http.server,零依赖,同时提供API+静态文件服务 |
| EventBus事件总线 | Redis Streams发布/订阅,服务间解耦通信 |
| Outbox Relay | 事务性Outbox模式,保障事件可靠投递(至少一次语义) |
| 状态机审计 | 严格生命周期状态转换+完整审计日志(audit.py) |
| 并行调度引擎 | Dispatch Worker支持并行执行、指数退避重试、资源锁 |
| DAG编排器 | Orchestrator基于DAG的任务分解与依赖解析 |
| Agent思考可视 | 实时展示Agent的thinking过程、工具调用、返回结果 |
| 一键安装/一键启动 | install.sh自动配置,start.sh一条命令启动全部服务 |
| systemd生产部署 | edict.service支持systemd守护进程,开机自启 |
| 15秒同步 | 数据自动刷新,看板倒计时显示 |
| Dashboard鉴权 | auth.py提供看板登录认证 |
| 每日仪式 | 首次打开播放上朝开场动画 |
| 远程Skills生态 | 从GitHub/URL一键导入能力,支持版本管理+CLI+API+UI |
实战
基于Docker部署:
docker run -p 7891:7891 cft0808/sansheng-demo
基于源码部署:
bash
git clone https://github.com/cft0808/edict.git
cd edict
chmod +x install.sh && ./install.sh
# 一键启动
chmod +x start.sh && ./start.sh
# 分别启动
bash scripts/run_loop.sh &
python3 dashboard/server.py
open http://127.0.0.1:7891
浏览器打开http://127.0.0.1:7891
Open Multi-Agent
LangGraph需要图状态机、状态持久化、子图;AutoGen依赖Python全家桶;OpenAI Agents SDK绑死自家的模型生态。
官网,基于TypeScript、开源(GitHub,6K Star,2.3K Fork)多智能体编排框架,33个源文件、3个运行时依赖(@anthropic-ai/sdk、openai、zod),用runTeam()把目标拆成任务、按依赖关系并行执行、汇总结果。
适用场景:想快速搭多Agent协作原型的Node.js开发者,需要混用多个模型供应商,要在CI/CD、Serverless里嵌入Agent逻辑。
不适合:需要状态持久化(断点续跑)、分布式Agent通信、复杂状态机流转、团队没有TypeScript能力。
实战
安装:npm install @jackchen_me/open-multi-agent
TS
ts
import { OpenMultiAgent } from '@jackchen_me/open-multi-agent'
const orchestrator = new OpenMultiAgent({
defaultModel: 'claude-sonnet-4-6',
})
const team = orchestrator.createTeam('api-team', {
name: 'api-team',
agents: [architect, developer, reviewer],
sharedMemory: true,
})
const result = await orchestrator.runTeam(
team,
'Create a REST API for a todo list'
)
框架内部会自动做三件事:用Coordinator Agent把目标拆成任务DAG,按依赖关系调度执行,独立任务并行跑,最后汇总结果。开发者不需要手写任何任务定义或图结构。

三种执行模式覆盖从简单到复杂的场景:
| 模式 | 方法 | 适用场景 |
|---|---|---|
| 单Agent | runAgent() |
一次调用,最简入口 |
| 自动编排 | runTeam() |
给目标,框架自动规划执行 |
| 显式管道 | runTasks() |
用户自己定义任务依赖关系 |
任务自动分解:不需要手写DAG
多数框架要求你预先定义任务节点和依赖关系,runTeam()让LLM自己生成任务计划,协调器接收目标和Agent名单,输出JSON任务数组(标题、描述、负责人、依赖项),框架据此构建依赖图调度执行。
10行代码能启动一个多步协作流程,LangGraph或CrewAI同等功能大概要50行起步。
框架内置四种调度策略:
dependency-first:默认,优先执行阻塞其他任务最多的节点round-robin:least-busy:capability-match:关键词匹配的智能分配。
scheduler.ts的实现,"关键路径"的计算就是BFS遍历依赖图统计被阻塞的下游任务数。
本地模型也能跑工具调用
同一个团队里可以混用 Claude、GPT、Gemma 4、Grok。本地模型通过 OpenAI 兼容协议接入(Ollama、vLLM、LM Studio、llama.cpp),已经验证了 Gemma 4、Llama 3.1、Qwen 3 等模型的工具调用能力。
本地模型的工具调用是个已知痛点------很多模型会把 tool_use 返回成文本而非标准的 tool_calls 格式。框架做了自动回退提取:先尝试解析标准格式,失败后从文本中正则提取。这在 src/llm/openai.ts 的 fallback 逻辑里能看到。
DECISIONS.md里写四件明确不做的事:
- 不做 Agent Handoffs。Agent A 把对话转移到 Agent B 这种模式,和框架的任务边界设计冲突------每个任务就是一个 Agent 干一件事出结果,Handoff 会模糊这个边界。
- 不做状态持久化:长时运行的工作流崩溃后无法恢复。作者判断目标用户的工作流是秒级到分钟级完成,不是需要 checkpointing 的企业级场景。
- 不做MCP和A2A协议。理由是
defineTool()API已经能包装任何外部服务,加协议层是给工具平台建设者用的,不是给框架目标用户用的。 - 不做Dashboard。只暴露数据(
onProgress回调、onTrace结构化追踪),不造UI。
实用工程细节
- 循环检测:
LoopDetector用滑动窗口追踪工具调用签名和文本输出,连续3次相同操作触发警告,可配置为终止或自定义回调。 - 结构化输出:给Agent配
outputSchema(Zod),输出自动解析为JSON并校验,失败重试一次。类型安全,不用自己解析字符串。 - 任务重试:
maxRetries+指数退避,重试期间的Token消耗累计计算。这对计费准确性很重要。 - 可观测性:
onTrace回调输出结构化Span,覆盖每个LLM调用、工具执行、任务和Agent运行,带计时、Token用量和共享runId。不订阅就零开销,也不引入额外依赖。 - 测试覆盖率88%。
Council of High Intelligence
开源(GitHub,616 Star,65 Fork)项目
Agora
Agora,古希腊语里指代"城邦广场",当时市民把技术、商业、政治、爱情、人生意义所有问题都拿到这里,公开讨论。
开源(GitHub,148 Star,20 Fork)创意即来源于此,基于Claude Code构建的多Agent审议系统,覆盖工程、商业、人生抉择、关系、心理韧性、创造性突破六大领域。输入你的问题,AI自动组建专家面板,通过结构化辩证得出深度结论。
用黑格尔正反合辩证法帮你把问题想深、想透、想出新高度,实现一套多智能体审议系统:
- 6个专业审议室
- 31位东西方思想家
- 1个智能路由器 + 黑格尔 正(Thesis)→反(Antithesis)→合(Synthesis) 结构
- 8步结构化审议流程 + 两次真人交互确认

6个审议室
| 审议室 | 命令 | 领域 | 典型问题 |
|---|---|---|---|
| 锻造坊 | /forge |
工程与架构 | "该用什么架构?""这段代码为什么有问题?" |
| 集市 | /bazaar |
商业与战略 | "怎么定价?""要不要进入这个市场?" |
| 神谕所 | /oracle |
人生十字路口 | "要不要辞职?""我的人生方向是什么?" |
| 火炉边 | /hearth |
关系与家庭 | "怎么跟孩子沟通?""这段感情值得继续吗?" |
| 诊疗室 | /clinic |
心理韧性 | "怎么对抗拖延?""我怎么从倦怠中恢复?" |
| 工作坊 | /atelier |
创造性突破 | "我为什么写不出东西?""怎么建立创作流程?" |
5种使用模式
| 模式 | 命令 | 说明 |
|---|---|---|
| Full(默认) | /forge "问题" |
8步完整审议,两次交互,黑格尔正反合 |
| Quick | /forge --quick "问题" |
2轮快速模式,无交互,适合快速决策 |
| Duo | /forge --duo "张力" |
双人辩证,3轮,探索核心张力 |
| Triad | /forge --triad architecture "问题" |
预定义三人组,精准匹配问题域 |
| FullPanel | /oracle --full "问题" |
调用全部成员(6-7位) |
13位Agora专属思想家
| 思想家 | 核心方法论 | 隶属审议室 |
|---|---|---|
| 卡尔·波普尔 | 证伪主义/红队 | forge |
| 伊曼努尔·康德 | 绝对律令/可普遍化 | hearth,forge |
| 奥卡姆的威廉 | 奥卡姆剃刀/复杂度审计 | forge,atelier |
| 弗里德里希·尼采 | 创造性破坏/价值重估 | forge,oracle,atelier |
| 让-保罗·萨特 | 存在自由/激进责任 | oracle |
| 卡尔·荣格 | 阴影整合/个体化 | oracle,clinic |
| 埃里希·弗洛姆 | 爱的艺术/生产性取向 | hearth |
| 阿尔弗雷德·阿德勒 | 课题分离/共同体感觉 | hearth |
| 维克多·弗兰克尔 | 意义疗法/态度自由 | clinic,oracle |
| B.F.斯金纳 | 行为主义/环境设计 | clinic |
| 约瑟夫·熊彼特 | 创造性毁灭/企业家精神 | bazaar |
| 庄子 | 逍遥游/齐物论 | hearth,clinic |
| 路德维希·维特根斯坦 | 语言游戏/概念分解 | forge,atelier |
另外,内置18个Council of High Intelligence项目的顶级Agent,无需额外安装:费曼、图灵、老子、孙子、塔勒布......
8步结构化流程,升级自Council的7步协议:
STEP 0:解析模式 + 组建面板
STEP 1:证据收集(按 Room 定制)
STEP 2:问题重述 + ★交互确认
STEP 3:第一轮 --- 独立分析(并行、盲审)
STEP 4:自适应深度门控 + ★交互决策
STEP 5:第二轮 --- 黑格尔交叉审查(按需)
STEP 6:协调者综合
STEP 7:Room 裁决
核心机制:Round 2中每位Agent必须提出Synthesis(不能只选边站),Coordinator识别Thesis(多数派)→Antithesis(最强少数派)→Synthesis(更高整合)。
Agora是Council of High Intelligence的扩展,不是替代。Agora内置全部18个council-* agent,无需单独安装Council。两者可以共存,各有侧重。
优点:
- 视角极度多元:东方逍遥(庄子)+西方存在主义(萨特)+心理韧性(弗兰克尔)+证伪主义(波普尔),真正做到"兼听则明"。
- 结构化极强:8步流程+辩证法,避免普通AI"输出一堆鸡汤"的毛病。
- 智能路由,一键直达:输入
/agora 要不要辞职创业,系统自动判断该进Oracle(人生抉择)还是Bazaar(商业战略),无需你手动选审议房间。 - 黑格尔正反合,不是简单投票:每位Agent在第二轮必须提出更高层次的Synthesis(整合方案),而不是各说各话。Coordinator主持人会明确找出多数派观点、最强反对意见,再升华出新结论。
- 两次交互,真正把控深度
◦ 第一次:确认"问题我理解对了没?"
◦ 第二次:你决定要"浅聊"还是"深挖到底"
全程可交互引导,避免AI自嗨。 - 多种模式,灵活适配
局限:
- 本质仍是AI,不是真人思想家,偶尔会有幻觉或过于理想化的思维输出,需要你自己最终判断。
- 目前更适合"需要深度思考"的场景,而不是日常闲聊。
- 思考深度越深,消耗Token越多,Full模式明显更贵。
实战
安装
bash
npx skills add https://github.com/geekjourneyx/agora
git clone https://github.com/geekjourneyx/agora.git ~/.claude/skills/agora
# 卸载
npx skills remove agora
使用示例:
bash
# 智能路由
/agora 我38岁,总觉得在过别人的生活,下一步该怎么办?
# 直达特定房间
/forge 我们的monorepo架构还要不要继续用?
/hearth 我和伴侣每周都为同一件事吵架
/clinic 我已经三个月没有动力工作了
/atelier 每次写东西都卡壳,怎么破?
# 查看所有房间
/agora --list
# 快速模式
/oracle --quick 要不要辞职?
# 双人辩证
/bazaar --duo 竞争对手降价30%
卸载:
bash
npx skills remove agora
rm -rf ~/.claude/skills/agora