还能用 AI 建一个自己的赛博朝廷？

最近，Github 上出现了一个很有意思的开源项目，名字叫 " 三省六部 · Edict"。这个项目套用千年前的唐朝三省六部制，重新设计了 AI 多 Agent 协作架构。

这套框架下，主要有 12 个 AI Agent（11 个业务角色 + 1 个兼容角色）组成作者的赛博三省六部。这 12 个 AI Agent 分别是太子、三省（中书、门下、尚书）、七部（户部、礼部、兵部、刑部、工部、吏部和早朝官），还有一个军机处 Kanban。

这套体系里，大家各司其职，还更好地相互制衡。太子消息分拣，也就是闲聊自动回复，旨意才建任务）；三省负责规划、审议、派发；七部负责专项执行。

截至 3 月 10 日 21:00，Github 上，该项目的星标数已达 6.5K+。（链接在这里，大家有兴趣可以围观，https://github.com/cft0808/edict）

想象一下，你作为刚打下江山的皇上，手头上有一堆十分重要的事要处理。但此时，朝廷体系并未搭建完成，各自都有着不错的专业能力，却没办法很好得运作协调。

比如，之前你也有一个智囊团，帮你处理各种文书资料，还能时不时帮你出出主意（比如 ChatGPT、豆包、DeepSeek 等）。他们在某些情况下确实很好用，但现在要处理的问题更复杂，也不只是动嘴皮子，还要跨部门调动其他人去落实一些具体的事，显然超出了他们的能力范围。

结果呢，它们要么因为工作量太大，"CPU 烧了 " 导致胡言乱语；要么做完了也不检查，发给你的报表里全是算错的数字；最气人的是，你问他上周交代的事办得怎么样了，他可能会说：" 陛下，我忘了 ……"

而这个 " 三省六部 · Edict" 的项目，有意思的地方就在这里——将 " 三省六部 " 这个历史中较为成熟的制度体系作为框架，用一群 " 不可靠的个体 "AI Agent，搭建出一个 " 高可靠的系统 "。

太子的角色，像是没有决策权，但是级别很高很懂皇帝的秘书。主要负责消息分拣、需求整理，擅长的是闲聊识别、旨意提炼、标题概括。

" 三省 " 则像是一个大中台，将汇总上来的各类需求和问题进行规划、审议和派发。具体来看：

中书省，负责接旨、规划、拆解，擅长的是需求理解、任务分解、方案设计；

门下省，负责审议、把关、封驳，擅长的是质量评审、风险识别、标准把控；

尚书省负责派发、协调、汇总，擅长的是任务调度、进度跟踪、结果整合。

" 六部 " 主要负责执行。具体来看：

户部，主要负责数据、资源、核算，擅长数据处理、报表生成、成本分析；

礼部，主要负责文档、规范、报告，擅长技术文档、API 文档、规范制定；

兵部，主要负责代码、算法、巡检，擅长功能开发、Bug 修复、代码审查；

刑部，主要负责安全、合规、审计，擅长安全扫描、合规检查、红线管控；

工部，主要负责 CI/CD、部署、工具，擅长 Docker 配置、流水线、自动化；

吏部，主要负责人事、Agent 管理，擅长 Agent 注册、权限维护、培训。

于是，作为赛博皇帝的你，通过飞书、企微等工具向你的朝廷下旨了。

你的中书省接旨后，规划子任务分配方案；你的门下省进行审议中书省的方案，评估后通过或封驳打回重新规划；你的尚书省拿到上面两个部门的方案，批准后分配给了执行的六部。

更妙的是，当六部并行执行时，你还能拥有上帝视角，在军机处看板看他们的实时进度，随时可以叫停、取消、恢复。最后尚书省将执行的结果汇总回奏给你。

这么有意思的项目，在 Github 的华人程序员圈子里火了后，还被搬运到了很多外部论坛。美卡论坛（US Card Forum ) 的技术板块的评论区，就非常很精彩。

" 所以系统运行的时候，用户是在 cosplay 皇帝吗？"

" 附议！ 锦衣卫这个绝了，就是 Monitoring Agent，专门监控各部有没有发生 Hallucination。如果有 Agent 敢乱输出，直接诏狱伺候：如果有 Agent 敢乱输出，直接诏狱伺候：先拖出去打三十大板！！"

" 每个 agent 是不是每周还要写贺表 "

有意思的评论，还有很多，还有网友建议出各种朝代和他们国家的版本。

过去的 Multi-Agent（AI 多智能体），很多是相互寒暄后的自查自纠。

如 AutoGen 这样早期的 Multi-Agent 框架，常常采用 " 群聊模式 "（Group Chat），让几个 Agent 自己商量着办。这就会产生一个问题，因为没有职责限定，Agent 之间互相寒暄、偏离主题、甚至陷入死循环。

什么是 Multi-Agent？

直白地说，就是它模仿了人类社会的协作方式——专业分工、各司其职、协同作战。当你面对的任务足够复杂、需要多种能力、或者希望看到清晰的决策过程时，Multi-Agent 架构就能比单个超级 AI，更能妥善解决问题。

参考 " 三省六部 " 后，这样的问题就会减少。规划者和执行者分离，相互又是分权制衡。

作者在介绍中强调：大多数 Multi-Agent 框架的套路是，" 来，你们几个 AI 自己聊，聊完把结果给我。" 然后你拿到一坨不知道经过了什么处理的结果，无法复现，无法审计，无法干预。

而这套三省六部制下，因为门下审的出现，增加了一个审核的职能 AI Agent。作者认为，这是这套体系中的 " 杀手锏 "。

最近的这股养龙虾风潮中，企业的出发点很明确，借 AI 解决问题。

解决问题靠的不是 AI 漫谈，而是 AI 工作流和 SOP。而 " 三省六部 " 的层级结构，规定了信息的流向是单向且受控的，确保了复杂任务的执行是可预测、可追踪的。

从结构看，这个项目不比 OpenClaw 简单—— 11 个 Agent，和一个 dashboard。" 三省六部 · Edict" 项目，正是基于 OpenClaw 底层能力和通讯渠道构建的上层多智能体编排系统。

而越复杂的结构，烧的 token 越多。可以理解为，流程越复杂、雇佣的下属

（agent）越多，你要付的工资越多。而这里 " 多 "，是指数级增加。

对比 Anthropic 的 Claude Code 和 OpenAI 的 Codex，OpenClaw 的结构更复杂。

Codex 是声明式的。建立在强大的 GPT-5 系列模型的基础上，用户不需要冗长的提示词来指导行为。你只需告诉它角色名称、用什么模型、什么权限级别。

Claude Code 属于指令式。在它的结构中，你该做什么才是要点。

OpenClaw 是人格式的，它拥有设定下的 " 灵魂 "。

这个 " 灵魂 " 如何搭建？在他的目录结构中，我们能看到人格（SOUL）、记忆（MEMORY）、身份（IDENTITY）等维度，这里存储着你对他的定义和它对你的理解。" 三省六部 · Edict" 结构下，都有 SOUL 的设定。

这也是龙虾为什么要 " 养 " 的原因。

2025 年末，一个奥地利开发者 Peter Steinberger 的 " 周末项目 "Clawdbot（后改名 OpenClaw）悄然上线。没人预料到，这个项目会在短短 60 天内斩获超过 25 万 GitHub Star ——超越了 React 花费十余年才达到的里程碑，成为 AI 历史上增长最快的开源项目。

它的爆火像一颗投入湖面的巨石，激起了整个行业的连锁反应。OpenAI 以收购 OpenClaw 创始人的方式直接入局；Anthropic 收购 Vercept 强化 Computer Use。

OpenClaw 爆火后，国内市场迅速涌现出大量的平替方案，将部署门槛降至零。

腾讯云、阿里云、移动云、天翼云、京东云、火山引擎、百度智能云在内的国内云厂商先后宣布接入，小米也宣布要做自己的手机 " 龙虾 "。月之暗面、MiniMax、智谱 AI 等 AI 新势力，也先后推出了自己的 " 龙虾 "，Kimi Claw、MaxClaw 以及 GLM 系列 Agent。

也是在这样背景下，因 AI 产生的焦虑情绪，从企业和从业者流向了普通大众。

3 月 8 日，" 工信部已发布高危风险预警 " 登上热搜。据悉，工业和信息化部网络安全威胁和漏洞信息共享平台监测发现，OpenClaw 部分实例在默认或不当配置情况下存在较高安全风险，极易引发网络攻击、信息泄露等安全问题。

一次技术性的迭代，逐渐成为一种盲目的、不可控的情绪。原因很简单，看不懂外界的变化，产生了焦虑，而这种焦虑成了 " 火 "，烧得这只 " 龙虾 " 成了焦虑的投射和载体。

自 OpenClaw 火爆后，" 魔改 " 的、平替的、强化的，各种 " 龙虾 " 层出不穷。当不同的 " 龙虾 " 接入不同的大模型（大脑）后，哪怕是同一个人养，也会体现参差不齐的水平和能力。而这其中，还有各种需要解决的接口和权限问题。

作为 " 龙虾之父 " 的 Peter Steinberger，最初也只是因为财务自由后的 " 玩心 "，做了 OpenClaw。

" 三省六部 · Edict" 也是这样一次 " 好玩 " 的实验。" 玩 " 的时候，你可能不会去时时刻刻测算 Token 的投入产出比，也不会焦虑如何和你的组织深度绑定——因为，那些变化，都是自然而然的。

这个项目能直接拿来用在公司的组织中吗？答案是，再等等。先不提组织的复杂性，仅看其复杂的结构，就知道 token 的耗费。

现阶段，不如将其看成一个社会学与 AI 结合的实验——这是一个巧妙的 " 文科生式 " 隐喻。

它巧妙地将高中历史课中学过的 " 三省六部制 "，与现代前沿的 Multi-Agent 架构结合在一起。这样一直站在 " 门外 " 只能看热闹的其他人，就能通过这个熟悉的历史知识简化理解工程式的概念和代码，知道 AI Agent 到底是怎么工作的。（盒饭财经）