AI治理新范式：赛博皇权下的“三省六部制”深度解析

序言

单一大型语言模型在处理需要多步骤、长周期且逻辑复杂的任务时，其能力边界依然明显。要攻克这类工程级难题，关键在于构建一个分工明确、协同有序的多智能体系统。然而，随之而来的核心挑战是：如何高效管理这个AI团队？任务由谁统筹规划？具体由谁执行？最终又由谁来审核验收？

近期，一个设计理念硬核的开源项目提供了极具启发性的解决方案。它创造性地将中国古代成熟的三省六部官僚体系映射到AI架构中：设立“太子”接收和预处理需求，“中书省”专职任务拆解与规划，而各个“部”则负责具体领域的执行。接下来，我们将实际部署并运行这套系统，亲身体验如何像批阅奏章一样，指挥一个结构化的AI“朝廷”高效工作。

项目结构

整个系统的核心工作流，可以通过下图清晰地展示：

皇上 → 太子分拣 → 中书规划 → 门下审议 → 已派发 → 执行中 → 待审查 → ✅ 已完成↑││└──── 封驳 ─┘阻塞 Blocked

简而言之，用户（“皇上”）下达指令（“圣旨”）后，“太子”会进行初步识别与分类；“中书省”据此制定详细的执行计划；该计划需经“门下省”审议批准；随后由“尚书省”调度，将子任务派发给对应的“六部”执行，并全程跟踪进度直至完成。任何环节若发现问题，都可能被“封驳”退回，形成任务阻塞。

这套架构的精髓在于，每个部门（智能体）都具备高度专业化的职能：

所有部门的调度状态与执行日志，都会在中央控制面板实时更新，调用关系与运行状况一目了然。

配置使用指南

部署并运行这套系统，流程清晰直接。具体的安装步骤与开源仓库地址将在文末提供，我们先聚焦于核心的启动与配置环节。

环境准备就绪后，需要开启两个终端会话，分别执行数据同步与启动控制面板服务：

# 终端 1：启动数据刷新循环bash scripts/run_loop.sh# 终端 2：启动看板服务器python3 dashboard/server.py# 打开浏览器open http://127.0.0.1:7891

随后，在浏览器中访问 http://127.0.0.1:7891，即可进入系统的后台管理界面。

接下来是关键的系统集成步骤：绑定外部通信渠道。以 Discord 为例，你需要在 ~/.openclaw/openclaw.json 配置文件中添加绑定信息。操作前提是在 Discord 开发者门户创建应用并获取频道ID。对于飞书、Slack 等其他平台，配置逻辑类似，支持同时绑定多个机器人。

bindings: [{ agentId: "main", match: { channel: "discord", peer:{"kind": "channel", "id": "12312312312312312" } } },{ agentId: "creative", match: { channel: "discord", peer:{ "kind": "channel","id": "1231231231231231" } } },],

一个高效的实践是为每个“部门”绑定独立的通信频道，便于隔离任务流和进行针对性观察调试。

另外，建议直接在 openclaw 的配置文件中预设所使用的大语言模型，因为当前控制面板上的模型切换功能主要用于状态显示。

系统的可扩展性体现在“技能”管理上。你可以为每个部门智能体添加专属技能。在管理界面点击添加，输入Agent名称、技能名称及对应的GitHub仓库URL即可完成。当然，通过命令行操作能实现更灵活的批量管理：

# 从 GitHub 远程仓库添加 code_review 技能至中书省python3 scripts/skill_manager.py add-remote --agent zhongshu --name code_review --source https://raw.githubusercontent.com/openclaw-ai/skills-hub/main/code_review/SKILL.md --description "代码审查技能"# 一键将官方技能库导入到指定的多个 agentspython3 scripts/skill_manager.py import-official-hub --agents zhongshu,menxia,shangshu,bingbu,xingbu# 列出所有已添加的远程技能python3 scripts/skill_manager.py list-remote# 更新某个特定技能至最新版本python3 scripts/skill_manager.py update-remote --agent zhongshu --name code_review

为了快速启动复杂任务，系统内置了一个“圣旨”模板库，预置了多种工作流模板。你只需选择合适的模板，填入具体参数，即可一键下发，驱动整个多智能体系统开始协同工作。

下图展示了一次全流程压力测试：任务是“撰写一篇关于Agent三省六部制架构设计的文章”。实际上，此类任务无需动员所有部门，但为了测试系统极限，我们强制所有部门参与。代价也显而易见：整个流程消耗了约100次模型调用。这清晰地表明，调动整个“朝廷”需要可观的算力成本。

总结

这套基于三省六部制理念构建的AI协作系统，其定位是解决企业级复杂工程问题，而非轻量级玩具。它真正的价值在于处理那些逻辑链条冗长、需要多领域专家智能体深度协作的硬核项目。对于日常的简单需求，无需“兴师动众”。更实用的策略是，将高频使用的Bot直接绑定到对应部门，日常进行“越级”直接对话，这样效率更高。

项目已在GitHub开源，欢迎深入探索。在实际的部署与应用中，必然会遇到各种挑战与配置细节，这些实践经验与解决方案，值得进一步探讨与分享。

来源：互联网