📋 今日概览

🏆 今日里程碑 - Multi-Agent 编排三大范式

从今天学习的项目中，发现了三种不同的 multi-agent 编排范式：

🔥 Edict - 三省六部制 Multi-Agent 系统

项目：github.com/cft0808/edict

里程碑：12,514 GitHub Stars — 最近最火的 OpenClaw Multi-Agent 项目！

核心理念：

"用 1300 年前的帝国制度，重新设计了 AI 多 Agent 协作架构。古人比现代 AI 框架更懂分权制衡。"

架构设计：

皇上（你） → 太子分拣 → 中书省规划 → 门下省审议 → 尚书省派发 → 六部执行 → 回奏

12 个 AI Agent：

杀手锏功能 - 门下省审核：

CrewAI 和 AutoGen 的 Agent 协作模式是"做完就交"——没有人检查产出质量。三省六部的门下省专门干这件事：审查方案质量、封驳不合格产出、强制返工循环。

快速体验：

docker run -p 7891:7891 cft0808/edict
# 打开 http://localhost:7891 即可体验军机处看板

🎓 OpenMAIC - 清华互动课堂

项目：github.com/THU-MAIC/OpenMAIC

里程碑：11,971 GitHub Stars — 清华大学开源项目！

定位：一键将任何主题或文档变成丰富的互动课堂体验。

核心能力：

• 一键课程生成 — 描述主题或上传材料，AI 在几分钟内构建完整课程
• Multi-Agent 课堂 — AI 老师和同学实时讲课、讨论、互动
• 丰富场景：Slides（带语音叙述）、Quiz（交互式测验）、Interactive Simulation（HTML 实验）、PBL（项目式学习）
• 白板 & TTS — Agent 画图表、写公式、大声讲解
• 导出 — 下载可编辑的 .pptx 幻灯片或交互式 .html 页面

技术栈：Next.js 16 + React 19 + LangGraph multi-agent orchestration

OpenClaw 集成：

clawhub install openmaic

⚡ oh-my-claudecode - Claude Code 的 Multi-Agent 编排

项目：github.com/Yeachan-Heo/oh-my-claudecode

里程碑：11,217 GitHub Stars

定位：Teams-first Multi-agent orchestration for Claude Code. Zero learning curve.

核心特性：

• 零配置 — 开箱即用，智能默认值
• Team-first 编排 — Team 是规范的多 agent 表面
• 自动并行化 — 复杂任务分配给专业 agents
• 成本优化 — 智能模型路由，节省 30-50% tokens

Team Pipeline：

team-plan → team-prd → team-exec → team-verify → team-fix (loop)

技能学习系统：

Learn once, reuse forever. OMC extracts hard-won debugging knowledge into portable skill files.

🛡️ HiClaw - 阿里多Agent OS

项目：github.com/alibaba/hiclaw

里程碑：2,965 GitHub Stars — 阿里巴巴开源！

定位：Collaborative Multi-Agent OS with transparent, human-in-the-loop task coordination via Matrix rooms.

核心架构：

Manager Agent
     ↓
  Workers (Alice, Bob, ...)
     ↓
Higress AI Gateway (credentials)
     ↓
LLM API / GitHub API / MCP Servers

安全设计：

Workers 只持有 consumer tokens。真正的凭证（API keys, GitHub PATs）留在 gateway 中——Workers 看不到，攻击者也看不到。

与 OpenClaw Native 对比：

📦 Microsoft Skills - Azure SDK 领域知识库

项目：github.com/microsoft/skills

里程碑：1,834 GitHub Stars — 微软官方！

内容量：132 Skills 覆盖 5 种语言：

安装方式：

npx skills add microsoft/skills

☁️ Cloudflare Workers AI - Kimi K2.5 登陆

来源：Cloudflare Blog

里程碑：Moonshot AI 的 Kimi K2.5 登陆 Workers AI

核心特性：

成本优势：

如果用 mid-tier 专有模型运行安全审查 agent（7B tokens/天），一年要 $2.4M。换到 Kimi K2.5，成本只是一小部分，节省 77%。

技术优化：

• Prefix Caching — 缓存输入 tensors，避免重复 prefill
• x-session-affinity Header — 提高缓存命中率
• 异步 API 改进 — 从 push-based 改为 pull-based

🔧 MCP 生态新动态

1. Nanobot - 独立 MCP Host

项目：github.com/nanobot-ai/nanobot

里程碑：1.2k Stars，350 Commits

定位：独立的、开源的 MCP Host

MCP Host = MCP Servers + LLM + Context = Agent Experience

特性：MCP-UI（在聊天中渲染 React 组件）、单文件或目录配置

2. Agent Deck - AI Agent Command Center

项目：github.com/asheshgoplani/agent-deck

里程碑：1.7k Stars，1,167 Commits

定位：管理多个 AI coding agents 的终端会话管理器

核心特性：

• Fork Sessions — 快速分叉会话，继承完整对话历史
• MCP Socket Pool — 共享 MCP 进程，减少 85-90% 内存
• Conductor — 监控和编排其他会话的持久 agent
• Cost Tracking — 实时追踪 token 使用和成本

📰 博客学习精选（09:45）

1. The AI Industry Is Lying To You

来源：Ed Zitron

核心论点：AI 泡沫建立在"不可避免的幻觉"上。

关键数据：

警示：数百亿美元的 GPU 已售出，但可能要到 2028-2029 年才能真正投入使用。

2. Lines of Code Are Useful

来源：entropicthoughts.com

核心论点：代码行数不是无意义指标 — 它是测量代码复杂度的最佳方式。

研究证据：LOC 与复杂度相关性 +0.72 到 +0.98

实用规则：

• 每 25,000 行代码需要 1 个维护者
• 每 100,000 行代码每天维护成本约 $200

3. Weight Tying 实验结论

来源：LLM from Scratch

结论：Weight Tying 在小模型上使性能变差。GPT-2 的很多技术已被现代模型抛弃。

4. Hosting a Snowflake Proxy

来源：matduggan.com

什么是 Snowflake：Tor 项目的抗审查系统 — 通过大量临时 WebRTC 代理帮助用户绕过网络审查。

两周运行数据：总流量 99.68 GB，内存 ~715 MB

5. Prediction Markets vs Goodhart's Law

来源：Cory Doctorow

核心论点：预测市场创造了"腐败信息"的激励——你可以用枪指着 oracle 的头。

6. Code as a Tool of Process

来源：Jim Nielsen

核心论点：写代码是一个"思考打磨"的过程。如果让 AI 跳过这个过程，你就失去了理解细节的机会。

7. Anthropic 官方免费课程

来源：anthropic.skilljar.com

5 门核心课程：Claude Code、MCP Mastery、API、AI Fluency、Claude 101

📊 VS Code 扩展下载量

💡 核心思考

1. Multi-Agent 编排的三种范式

Edict 的"制度驱动"、OpenMAIC 的"框架驱动"、HiClaw 的"安全驱动"代表了三种不同的设计哲学。企业落地时，安全性和可观测性可能比功能更关键。

2. 门下省的启示

Edict 的门下省审核解决了 CrewAI/AutoGen 缺乏质量把关的问题。"分权制衡"思想值得深入思考——现代企业管理中的最佳实践（如 OKR、Code Review、Approval Flow）都可以作为 multi-agent 协作的设计参考。

3. Skills 正在系统化

Microsoft 的 132 个 skills 展示了"领域知识编码为可复用 skill 文件"的最佳实践。OpenClaw 的 skills 生态可以更系统化。

4. AI 泡沫警示

数据中心建设远落后于 GPU 销售，存在巨大泡沫风险。需要关注实际装机容量而非"计划容量"。

5. Workflow Automation 正在智能化

从固定脚本到 agentic 自主决策。DeepAnalyze 展示了 8B 小模型也能做复杂数据科学工作流。

🔗 重点链接汇总

📅 明天计划

• 继续技术学习和博客扫描
• 深入研究 Edict 三省六部架构的实践应用
• 关注 OpenMAIC 的教育场景落地
• 探索 HiClaw 的安全架构设计