在AI技术尚处实验阶段的当下，OpenClaw的爆红揭开了另一条隐秘的商业路径：当技术门槛挡住普通用户，卖安装、卖课程、卖插件的“卖铲人”先赚得盆满钵满。本文深度剖析这场热潮背后的安全漏洞、成本陷阱与焦虑经济，带你看清AI产业化初期的真实生态。
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。
来源：Github
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”。
该项目中各agent职责截图，来源：Github
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：
“六部”主要负责执行。具体来看：
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。
该项目的架构截图，来源：Github
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？”
“让好汉查好汉，让英雄查英雄”
“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。
来源：美卡论坛相应评论区
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。
任务流转图，制作：即梦
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”。
“三省六部·Edict”项目结构截图，来源：Github
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。
三个平台代表的三种截然不同的多Agent系统设计理念图；制作：OpenClaw
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。
OpenClaw目录结构，制作：DeepSeek
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。
作者 | 许有阳
本文由人人都是产品经理作者【盒饭财经】，微信公众号：【盒饭财经】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。