這項(xiàng)研究來(lái)自美的人工智能研究中心（Midea AIRC），論文以預(yù)印本形式發(fā)布于2026年4月13日，arXiv編號(hào)為2604.11548，感興趣的讀者可通過(guò)該編號(hào)查閱完整原文。

每個(gè)人都有這樣的經(jīng)歷：你委托一個(gè)能干的朋友幫你處理事情，結(jié)果發(fā)現(xiàn)，朋友的個(gè)人能力固然重要，但更關(guān)鍵的是他手頭有沒(méi)有合適的工具、有沒(méi)有清晰的權(quán)限邊界、有沒(méi)有把之前幫你辦過(guò)的事情好好記下來(lái)。一個(gè)聰明但"裸奔"的朋友，往往不如一個(gè)中等聰明但有完整工作規(guī)范、檔案管理和匯報(bào)機(jī)制的職業(yè)助理來(lái)得可靠。

這正是這篇論文要說(shuō)的核心道理：在AI智能體（也就是能自主完成任務(wù)的AI助手）這個(gè)領(lǐng)域，**包裹在模型外面的那套基礎(chǔ)設(shè)施，才是決定系統(tǒng)是否好用、安全、可信的真正關(guān)鍵**。這套基礎(chǔ)設(shè)施，論文稱之為"harness"，中文可以理解為"駕馭裝置"或者"管控底座"，就像騎馬時(shí)套在馬身上的一整套韁繩、鞍具和轡頭——沒(méi)有它，再好的馬也可能跑偏。

美的AIRC的研究團(tuán)隊(duì)正是圍繞這個(gè)思路，構(gòu)建了一個(gè)名為SemaClaw的開源多智能體應(yīng)用框架，并通過(guò)這篇論文詳細(xì)闡述了他們?cè)隈{馭裝置工程上的核心設(shè)計(jì)和思考。

一、從"提示詞工程"到"駕馭工程"：AI開發(fā)方式正在悄悄換擋

要理解為什么這篇研究值得關(guān)注，需要先說(shuō)清楚AI開發(fā)正在經(jīng)歷的一次范式轉(zhuǎn)變。

大約兩三年前，大家討論最多的是"提示詞工程"，也就是如何給AI寫出最好的指令，讓它給出更精準(zhǔn)的回答。后來(lái)又出現(xiàn)了"上下文工程"，關(guān)注的是如何向AI提供更豐富的背景信息，讓它在更長(zhǎng)的對(duì)話里保持一致。而現(xiàn)在，隨著AI智能體開始真正進(jìn)入日常生活——幫人管郵件、訂機(jī)票、做研究、寫代碼——一個(gè)新的工程維度變得不可回避，那就是"駕馭工程"：如何設(shè)計(jì)整套基礎(chǔ)設(shè)施，讓一個(gè)放在真實(shí)世界里獨(dú)立行動(dòng)的AI系統(tǒng)變得可控、可審計(jì)、可靠，并且能夠隨著使用時(shí)間積累真正有用的知識(shí)。

論文開篇提到一個(gè)具體案例：OpenClaw這個(gè)開源AI智能體系統(tǒng)，在2026年初發(fā)布后，短短幾周內(nèi)就有數(shù)十萬(wàn)用戶將其接入消息平臺(tái)、郵件、日歷和文件系統(tǒng)，委托它執(zhí)行各種有實(shí)際后果的操作。這次大規(guī)模部署迅速暴露出三個(gè)系統(tǒng)級(jí)的根本挑戰(zhàn)。

第一個(gè)挑戰(zhàn)是復(fù)雜任務(wù)的編排問(wèn)題?，F(xiàn)實(shí)中的任務(wù)往往不是"問(wèn)一個(gè)問(wèn)題、得到一個(gè)答案"那么簡(jiǎn)單，而是需要把大任務(wù)分解成多個(gè)子任務(wù)，這些子任務(wù)之間有前后依賴關(guān)系，執(zhí)行過(guò)程中還可能遇到局部失敗需要恢復(fù)。現(xiàn)有系統(tǒng)要么太僵硬，流程寫死了就沒(méi)法在運(yùn)行時(shí)調(diào)整；要么太散漫，AI自己隨意決策但你根本不知道它內(nèi)部在想什么。

第二個(gè)挑戰(zhàn)是行為安全問(wèn)題。當(dāng)AI開始真正執(zhí)行操作——修改文件、調(diào)用外部API、運(yùn)行代碼——安全問(wèn)題就不再是"AI會(huì)不會(huì)說(shuō)出不好的話"，而是"AI有沒(méi)有權(quán)限做這件事，有沒(méi)有經(jīng)過(guò)用戶明確授權(quán)"。目前很多系統(tǒng)把權(quán)限當(dāng)成一個(gè)可選的附加層，這遠(yuǎn)遠(yuǎn)不夠。

第三個(gè)挑戰(zhàn)是長(zhǎng)期記憶問(wèn)題。一個(gè)用了幾周甚至幾個(gè)月的AI助手，應(yīng)該記得你的偏好、過(guò)去的決策、特定領(lǐng)域的背景知識(shí)。但現(xiàn)有系統(tǒng)的記憶機(jī)制大多只是簡(jiǎn)單地把聊天記錄存起來(lái)，沒(méi)有真正把"用過(guò)的知識(shí)"沉淀成可復(fù)用的結(jié)構(gòu)化內(nèi)容。

美的AIRC的研究團(tuán)隊(duì)認(rèn)為，這三個(gè)挑戰(zhàn)不是獨(dú)立的技術(shù)問(wèn)題，而是共同構(gòu)成了"駕馭工程"需要解決的核心課題。SemaClaw就是他們給出的系統(tǒng)性解答。

二、雙層架構(gòu)：把"發(fā)動(dòng)機(jī)"和"車身"分開造

SemaClaw的整體設(shè)計(jì)采用了一個(gè)清晰的兩層架構(gòu)，這個(gè)設(shè)計(jì)思路用一個(gè)通俗的比喻來(lái)說(shuō)，就像是把汽車的發(fā)動(dòng)機(jī)和車身分開設(shè)計(jì)和制造。

底層叫做`sema-code-core`，這是可復(fù)用的智能體運(yùn)行時(shí)，相當(dāng)于發(fā)動(dòng)機(jī)：它負(fù)責(zé)智能體的執(zhí)行循環(huán)、工具調(diào)度、上下文生命周期管理，以及多租戶隔離（也就是確保不同用戶的數(shù)據(jù)互不干擾）。這個(gè)底層被單獨(dú)開源，任何開發(fā)者都可以把它作為基礎(chǔ)來(lái)構(gòu)建自己的智能體應(yīng)用，而不需要從頭重復(fù)實(shí)現(xiàn)這些基礎(chǔ)能力。

上層叫做`semaclaw`，這是建立在發(fā)動(dòng)機(jī)之上的完整車身：頻道集成（接入微信、QQ、飛書、Telegram等通訊平臺(tái)）、消息路由、智能體池管理、記憶基礎(chǔ)設(shè)施、插件生態(tài)系統(tǒng)，以及多智能體團(tuán)隊(duì)協(xié)調(diào)。

這個(gè)分層設(shè)計(jì)帶來(lái)的好處是顯而易見(jiàn)的：底層運(yùn)行時(shí)和上層應(yīng)用邏輯演化的節(jié)奏完全不同——新增一個(gè)通訊頻道的接入不需要改動(dòng)執(zhí)行引擎；改進(jìn)歷史壓縮算法也不需要改動(dòng)消息路由邏輯。兩層可以獨(dú)立演化，互不干擾。

`sema-code-core`的內(nèi)部設(shè)計(jì)遵循了"事件門面"模式，通俗地說(shuō)，就是把智能體所有的生命周期變化——開始一個(gè)會(huì)話、調(diào)用一個(gè)工具、壓縮歷史、更新上下文、結(jié)束會(huì)話——全部包裝成類型化的事件暴露出來(lái)。外部系統(tǒng)通過(guò)這些事件與智能體交互，而不是直接伸手進(jìn)去改內(nèi)部狀態(tài)，這樣既維護(hù)了系統(tǒng)邊界，也讓底層可以被不同上層應(yīng)用復(fù)用。

值得一提的是，研究團(tuán)隊(duì)有意讓`sema-code-core`的設(shè)計(jì)哲學(xué)與Anthropic公司的Claude Code對(duì)齊，因?yàn)楹笳咴诖a智能體領(lǐng)域已經(jīng)積累了大量經(jīng)過(guò)生產(chǎn)驗(yàn)證的工程決策，包括上下文注入方式、歷史壓縮、工具權(quán)限管理、會(huì)話生命周期等，沿用這些慣例而不是另起爐灶，可以讓系統(tǒng)繼承一批經(jīng)過(guò)驗(yàn)證的工程決策，同時(shí)對(duì)熟悉這套生態(tài)的開發(fā)者更友好。

三、三層記憶：AI助手如何真正"記住"你

記憶是AI助手能否成為長(zhǎng)期可信賴伙伴的核心。SemaClaw對(duì)記憶問(wèn)題的處理方式，可以用一個(gè)檔案管理員的比喻來(lái)理解：一個(gè)優(yōu)秀的檔案管理員，手頭有三種不同性質(zhì)的信息來(lái)源——當(dāng)前正在處理的工作文件（可以隨時(shí)翻看）、歸檔的歷史記錄（需要時(shí)去查閱）、以及他自己穩(wěn)定的職業(yè)身份和工作規(guī)范（始終如一地影響他的行為方式）。

SemaClaw的三層上下文架構(gòu)正好對(duì)應(yīng)這三類信息。

第一層是工作記憶，也就是當(dāng)前會(huì)話的上下文窗口。每一步推理產(chǎn)生的想法、調(diào)用工具的結(jié)果、正在進(jìn)行的對(duì)話，都存在這里。這個(gè)空間是有限的，而且隨著對(duì)話進(jìn)行會(huì)越來(lái)越滿。系統(tǒng)在上下文用掉75%時(shí)會(huì)自動(dòng)觸發(fā)"歷史壓縮"：把之前的對(duì)話歷史提煉成一段結(jié)構(gòu)化摘要，保留仍然有效的約束條件、待決策事項(xiàng)和已完成任務(wù)的狀態(tài)，丟掉那些探索性的推理過(guò)程。如果壓縮失敗，系統(tǒng)會(huì)觸發(fā)截?cái)鄠溆梅桨福褮v史切到50%的上限并附上說(shuō)明，確保智能體至少有一個(gè)連貫的近期窗口可以繼續(xù)工作，而不是直接崩潰。

壓縮之后有一個(gè)容易被忽視的關(guān)鍵細(xì)節(jié)：會(huì)話開始時(shí)注入的規(guī)則說(shuō)明、身份文檔、項(xiàng)目背景，在壓縮后的歷史里已經(jīng)不見(jiàn)了。研究團(tuán)隊(duì)的解決方案是，在壓縮完成后，系統(tǒng)會(huì)自動(dòng)追加一條新消息，重新把這些關(guān)鍵約束注入進(jìn)去，確保智能體的行為邊界在壓縮事件的前后保持一致。

第二層是外部記憶，存放在上下文窗口之外的持久化存儲(chǔ)，可以跨會(huì)話使用。每個(gè)智能體有兩類外部記憶文件：一個(gè)是`MEMORY.md`，用于存放精心整理的持久化知識(shí)；另一個(gè)是滾動(dòng)的日記文件（按日期命名），由系統(tǒng)自動(dòng)記錄，保留最近50天并按先進(jìn)先出原則淘汰舊的。

當(dāng)智能體需要這些記憶時(shí)，它可以通過(guò)一個(gè)叫`memory_search`的工具主動(dòng)查詢。查詢采用三級(jí)降級(jí)策略：優(yōu)先使用向量搜索加關(guān)鍵詞搜索的混合方式；如果向量搜索不可用或質(zhì)量不夠好，就退到純關(guān)鍵詞搜索；最后一道防線是基于詞符的關(guān)鍵詞掃描。這套降級(jí)機(jī)制確保了即使在部分基礎(chǔ)設(shè)施缺失的情況下，記憶檢索也能正常工作。

混合檢索的評(píng)分方式有一個(gè)值得注意的設(shè)計(jì)細(xì)節(jié)：只在向量路徑出現(xiàn)的結(jié)果和只在關(guān)鍵詞路徑出現(xiàn)的結(jié)果，都給0.7的基礎(chǔ)權(quán)重；只有在兩個(gè)路徑都命中的文檔，才按照向量分×0.7加關(guān)鍵詞分×0.3的公式合并。這個(gè)設(shè)計(jì)是有意的——如果關(guān)鍵詞結(jié)果被壓低到0.3，那些用不同詞匯描述相同概念的跨語(yǔ)言查詢會(huì)被系統(tǒng)性地壓制，而這并不是期望的行為。

第三層是結(jié)構(gòu)化上下文注入，也就是在會(huì)話開始時(shí)由系統(tǒng)主動(dòng)裝填的穩(wěn)定信息。這里有一個(gè)重要的區(qū)分：每個(gè)智能體有一個(gè)固定的"靈魂目錄"，存放的是`SOUL.md`（智能體的穩(wěn)定身份和行為風(fēng)格）；還有一個(gè)可切換的"工作區(qū)目錄"，存放的是當(dāng)前任務(wù)的項(xiàng)目背景和領(lǐng)域知識(shí)。兩者用不同的標(biāo)題注入，讓模型清楚地知道哪部分是"我是誰(shuí)"、哪部分是"我當(dāng)前在做什么"、哪部分是"我記得什么"。

工作區(qū)可以在運(yùn)行時(shí)切換，而無(wú)需重啟會(huì)話或清空對(duì)話歷史——這意味著同一個(gè)智能體可以在保持身份和記憶連續(xù)性的前提下，在不同的項(xiàng)目上下文之間自由切換。

四、權(quán)限橋：讓"授權(quán)"成為系統(tǒng)的基本語(yǔ)法

當(dāng)AI智能體開始真正幫人做事——發(fā)郵件、改文件、調(diào)用外部接口——誰(shuí)來(lái)決定它能不能做這件事，就成了一個(gè)不能回避的問(wèn)題。SemaClaw給出的答案叫做PermissionBridge（權(quán)限橋），把人工授權(quán)作為運(yùn)行時(shí)的一等公民原語(yǔ)，而不是事后附加的安全層。

權(quán)限橋支持兩種交互模式。第一種是工具授權(quán)請(qǐng)求：當(dāng)智能體要調(diào)用一個(gè)需要用戶明確同意的工具時(shí)，系統(tǒng)暫停執(zhí)行，把"這個(gè)工具叫什么、它要用什么參數(shù)做什么事"序列化成一條消息發(fā)給用戶，用戶可以批準(zhǔn)、拒絕或修改；根據(jù)用戶的響應(yīng)，要么繼續(xù)執(zhí)行，要么把拒絕的結(jié)果反饋給智能體，讓它繼續(xù)推理。第二種是用戶問(wèn)詢：當(dāng)智能體發(fā)現(xiàn)自己缺少必要信息而不是缺少授權(quán)時(shí)，它可以主動(dòng)發(fā)起一個(gè)問(wèn)題，暫停在同一個(gè)邊界等待用戶回答，答案會(huì)被當(dāng)作工具返回值注入到下一步推理中。

兩種模式走的是同一套協(xié)調(diào)協(xié)議，差別只在于呈現(xiàn)給用戶的內(nèi)容形式。

權(quán)限分級(jí)也是權(quán)限橋的重要設(shè)計(jì)。系統(tǒng)內(nèi)置的工具——記憶檢索、工作區(qū)管理、智能體間調(diào)度等——是預(yù)先授權(quán)的，調(diào)用時(shí)不打擾用戶，因?yàn)樗鼈冎辉谥悄荏w自己的范圍內(nèi)操作，不會(huì)影響外部系統(tǒng)。用戶安裝的外部工具——MCP服務(wù)器、文件系統(tǒng)操作、對(duì)外的API調(diào)用——默認(rèn)需要逐次獲得明確授權(quán)，體現(xiàn)的是最小權(quán)限原則：智能體沒(méi)有任何環(huán)境中的默認(rèn)權(quán)力去操作外部系統(tǒng)，每一次這樣的操作都必須經(jīng)過(guò)明確的許可。

權(quán)限橋在技術(shù)上作為單例存在，同時(shí)處理多個(gè)并發(fā)的授權(quán)請(qǐng)求。每個(gè)掛起的請(qǐng)求有唯一的請(qǐng)求ID，用戶的響應(yīng)通過(guò)這個(gè)ID精準(zhǔn)路由回到對(duì)應(yīng)的等待執(zhí)行上下文，多個(gè)智能體可以同時(shí)有待審批的操作，互不干擾。

會(huì)話在等待審批期間保持存活，超時(shí)機(jī)制采用"最后活躍時(shí)間"模式——用戶與審批消息的任何互動(dòng)都會(huì)刷新會(huì)話計(jì)時(shí)器，防止因?qū)徟舆t導(dǎo)致會(huì)話被誤判超時(shí)而終止。

研究團(tuán)隊(duì)在設(shè)計(jì)哲學(xué)上明確表達(dá)了一個(gè)立場(chǎng)：人工監(jiān)督和智能體自主并不是矛盾的。一個(gè)事后附加的權(quán)限系統(tǒng)會(huì)讓系統(tǒng)設(shè)計(jì)者傾向于減少權(quán)限請(qǐng)求；而一個(gè)原生嵌入運(yùn)行時(shí)的權(quán)限系統(tǒng)，有清晰的分級(jí)和非阻塞的行為，會(huì)讓人工監(jiān)督成為阻力最小的路徑，而不是障礙。

五、四層插件：能力擴(kuò)展的四把不同的鑰匙

SemaClaw的能力擴(kuò)展體系被設(shè)計(jì)成四個(gè)層次，每一層解決的是完全不同性質(zhì)的問(wèn)題，用同一套框架里的不同機(jī)制來(lái)處理。

最底層是MCP工具，擴(kuò)展的是智能體能"做什么"。MCP（模型上下文協(xié)議）是Anthropic推出的一套工具集成標(biāo)準(zhǔn)，讓外部工具可以以統(tǒng)一的接口被智能體發(fā)現(xiàn)和調(diào)用——讀取文件系統(tǒng)、查詢數(shù)據(jù)庫(kù)、調(diào)用API、發(fā)送消息，這些都可以作為工具被注冊(cè)進(jìn)來(lái)。論文里特別指出一個(gè)實(shí)踐中的痛點(diǎn)：有些工具提供商暴露的工具數(shù)量非常多（比如Playwright瀏覽器自動(dòng)化工具一次就引入32個(gè)工具定義），這些工具定義本身會(huì)占用上下文窗口，當(dāng)集成的工具提供商越來(lái)越多，上下文開銷會(huì)把真正有用的任務(wù)信息擠出去。為此，一個(gè)正在形成的趨勢(shì)是把多個(gè)細(xì)粒度工具包裝成一個(gè)粗粒度的"技能"，以單個(gè)CLI入口調(diào)用，把內(nèi)部的多步工具調(diào)用封裝在技能內(nèi)部執(zhí)行。

第二層是子智能體，擴(kuò)展的是智能體能"想什么"，通過(guò)把子任務(wù)委派給更擅長(zhǎng)特定領(lǐng)域的專門智能體來(lái)實(shí)現(xiàn)。每個(gè)子智能體不只是一個(gè)子任務(wù)執(zhí)行器，而是有自己的獨(dú)立身份、專屬系統(tǒng)提示和獨(dú)立上下文窗口的完整智能體。編排者用自然語(yǔ)言描述任務(wù)，子智能體根據(jù)自己的身份和上下文來(lái)理解和執(zhí)行。子智能體最重要的工程價(jià)值在于上下文隔離：子任務(wù)在子智能體自己的上下文窗口里運(yùn)行，編排者只收到結(jié)果，不收到中間的推理過(guò)程，這意味著即使整體任務(wù)非常復(fù)雜，編排者的上下文也不會(huì)隨著子任務(wù)的累積而膨脹，始終保持在一個(gè)高層次的視角上。

第三層是技能，擴(kuò)展的是智能體有什么"知識(shí)"，通過(guò)漸進(jìn)式的上下文注入來(lái)實(shí)現(xiàn)。技能是一個(gè)自包含的能力包——提示指令、上下文文檔、工具配置的組合——在需要時(shí)按需注入到智能體上下文，而不是在啟動(dòng)時(shí)全部加載。這套延遲加載機(jī)制有兩級(jí)：在技能注冊(cè)表層面，未激活的技能只暴露名稱和描述，讓智能體知道有這個(gè)能力但不占用上下文空間；在技能內(nèi)部層面，技能可以把資產(chǎn)組織成命名區(qū)塊，讓智能體只加載與當(dāng)前調(diào)用相關(guān)的那部分，而不是整個(gè)技能包。技能可以在不重啟智能體的情況下即時(shí)安裝、卸載和啟用，系統(tǒng)同時(shí)提供Web界面和命令行界面兩種管理方式。

第四層是鉤子，擴(kuò)展的是對(duì)智能體"執(zhí)行本身"的控制，而不是擴(kuò)展它的知識(shí)或能力。鉤子是注冊(cè)在運(yùn)行時(shí)生命周期事件上的回調(diào)函數(shù)——任務(wù)開始、工具調(diào)用前后、權(quán)限請(qǐng)求、消息發(fā)送、任務(wù)完成、錯(cuò)誤——當(dāng)事件觸發(fā)時(shí)，鉤子可以檢查事件載荷、記錄日志、修改內(nèi)容、阻斷操作或觸發(fā)外部系統(tǒng)的次級(jí)行動(dòng)。這些都無(wú)需改變智能體本身的推理邏輯，全部在運(yùn)行時(shí)層面透明地施加。

論文里有一句話值得專門摘出來(lái)：這四層不是互相替代的選項(xiàng)，而是互補(bǔ)的組合，各自對(duì)應(yīng)一個(gè)不同的關(guān)切點(diǎn)。把它們混用——用提示詞注入來(lái)實(shí)現(xiàn)本該用鉤子處理的行為控制，或者用一個(gè)巨大的工具來(lái)處理本該用子智能體推理的事情——會(huì)讓系統(tǒng)更難理解、測(cè)試和維護(hù)。

六、DAG團(tuán)隊(duì)：動(dòng)態(tài)規(guī)劃加確定性執(zhí)行，兩全其美

多智能體協(xié)調(diào)是整篇論文技術(shù)貢獻(xiàn)中最具核心性的部分，SemaClaw在這里提出了一個(gè)被稱為"DAG團(tuán)隊(duì)"的方法，試圖同時(shí)擁有兩種通常被視為互斥的能力：動(dòng)態(tài)任務(wù)分解的靈活性，以及圖結(jié)構(gòu)執(zhí)行的可觀察性和失敗隔離性。

在解釋這個(gè)方法之前，有必要說(shuō)清楚現(xiàn)有的多智能體編排模式各有什么局限。

第一種模式是無(wú)狀態(tài)蜂群：每個(gè)智能體執(zhí)行完自己的部分后，決定把控制權(quán)交給哪個(gè)智能體繼續(xù)。這種模式簡(jiǎn)單直接，但沒(méi)有中央?yún)f(xié)調(diào)者，一旦某個(gè)交接出問(wèn)題，整個(gè)任務(wù)鏈就斷了，而且你很難追蹤到底哪個(gè)環(huán)節(jié)出了錯(cuò)。OpenAI的Swarm框架是這種模式的代表，它自己的官方定位也是"教學(xué)用框架，不用于生產(chǎn)"。

第二種模式是顯式圖結(jié)構(gòu)：在任務(wù)執(zhí)行前就把工作流定義為一張節(jié)點(diǎn)圖，每個(gè)節(jié)點(diǎn)是一個(gè)計(jì)算步驟，邊代表控制流。這種模式可觀察性極好，失敗時(shí)能精確定位，但代價(jià)是靈活性：圖只能表達(dá)設(shè)計(jì)時(shí)就已經(jīng)知道的任務(wù)結(jié)構(gòu)，運(yùn)行時(shí)發(fā)現(xiàn)需要額外子任務(wù)時(shí)無(wú)法動(dòng)態(tài)適應(yīng)。LangGraph是這種模式的典型代表。

第三種模式是編排者動(dòng)態(tài)決策：由一個(gè)專門的編排者智能體在運(yùn)行時(shí)實(shí)時(shí)決定接下來(lái)調(diào)用哪個(gè)智能體、傳什么任務(wù)。這種模式足夠靈活，但編排者的推理過(guò)程不透明，出問(wèn)題時(shí)難以復(fù)現(xiàn)和調(diào)試，錯(cuò)誤可能傳播給所有下游智能體才被發(fā)現(xiàn)。

SemaClaw的DAG團(tuán)隊(duì)方法是一個(gè)兩階段混合：第一階段，編排者的語(yǔ)言模型基于任務(wù)描述生成一個(gè)完整的任務(wù)依賴圖，每個(gè)節(jié)點(diǎn)有負(fù)責(zé)的智能體名稱、任務(wù)提示和依賴關(guān)系列表，這個(gè)圖在任何工作者被調(diào)用之前就完整聲明出來(lái)；第二階段，一個(gè)確定性的調(diào)度器（DispatchBridge）接管，按照這張圖機(jī)械地執(zhí)行，不再涉及任何隨機(jī)的語(yǔ)言模型決策。

這個(gè)設(shè)計(jì)的關(guān)鍵洞察在于：編排者的動(dòng)態(tài)推理被限制在一個(gè)單一的、邊界清晰的時(shí)刻，那就是聲明任務(wù)圖的那一步。這一步之后，所有執(zhí)行都由狀態(tài)確定的調(diào)度器驅(qū)動(dòng)，有一個(gè)隨時(shí)可以檢查的已知狀態(tài)。

具體的執(zhí)行機(jī)制也有一些精心設(shè)計(jì)的細(xì)節(jié)。DispatchBridge每300毫秒掃描一次，檢查哪些任務(wù)的所有前置依賴都已經(jīng)到達(dá)終態(tài)（完成、失敗或超時(shí)三種都算），并把這些任務(wù)派發(fā)給對(duì)應(yīng)的工作者執(zhí)行。這里有一個(gè)重要的設(shè)計(jì)選擇：失敗的上游任務(wù)被視為終態(tài)，而不是永久阻塞。這意味著調(diào)度器會(huì)推進(jìn)整個(gè)圖的執(zhí)行，而不是在第一個(gè)失敗處卡住，下游任務(wù)可以看到上游失敗的結(jié)果并據(jù)此處理，而不是無(wú)限等待。

每個(gè)工作者在開始執(zhí)行時(shí)收到的提示里，包含整體父目標(biāo)、它依賴的所有前置任務(wù)的結(jié)果、以及同組其他任務(wù)的當(dāng)前狀態(tài)。工作者在開始執(zhí)行的那一刻就有了完整的任務(wù)上下文，而不需要在執(zhí)行中途再去問(wèn)編排者，這也體現(xiàn)了上下文隔離的好處：每個(gè)工作者的執(zhí)行是自包含的。

七、任務(wù)調(diào)度的四種模式：把對(duì)的工具交給對(duì)的工作

定時(shí)任務(wù)是個(gè)容易被忽視但極其實(shí)用的能力需求。你希望AI每天早上給你推送今日摘要、每周整理一次知識(shí)庫(kù)、每隔一小時(shí)檢查一次服務(wù)狀態(tài)——這些需求的復(fù)雜程度天差地別，如果把每一個(gè)都當(dāng)作完整的智能體推理任務(wù)來(lái)處理，既浪費(fèi)算力又降低可靠性。

SemaClaw設(shè)計(jì)了四種執(zhí)行模式來(lái)解決這個(gè)問(wèn)題，核心原則是：執(zhí)行模式應(yīng)該與任務(wù)復(fù)雜度匹配。

純通知模式是最簡(jiǎn)單的一種：在預(yù)設(shè)時(shí)間把一條預(yù)先寫好的消息發(fā)給用戶，完全不調(diào)用任何語(yǔ)言模型。適合固定的提醒、定期公告、不需要任何適應(yīng)性的場(chǎng)景。消耗零算力，延遲極低。

純腳本模式在智能體運(yùn)行時(shí)之外執(zhí)行一段確定性的代碼，沒(méi)有上下文窗口，沒(méi)有語(yǔ)言模型調(diào)用，沒(méi)有工具權(quán)限開銷。適合數(shù)據(jù)采集、文件處理、API輪詢等邏輯完全可以用代碼指定的場(chǎng)景。行為完全由代碼決定，沒(méi)有隨機(jī)變化，消耗零令牌，無(wú)論執(zhí)行頻率多高都不會(huì)增加成本。

純智能體模式在預(yù)設(shè)時(shí)間觸發(fā)完整的智能體執(zhí)行。智能體收到一個(gè)預(yù)先寫好的任務(wù)提示，基于自己的工具和記憶自主推理，產(chǎn)生回應(yīng)或執(zhí)行操作。適合需要判斷、綜合或適應(yīng)性的任務(wù)——匯總本周活動(dòng)、起草狀態(tài)報(bào)告、發(fā)起一項(xiàng)研究——內(nèi)容無(wú)法提前確定，需要完整的推理能力。

混合腳本加智能體模式先運(yùn)行一段腳本產(chǎn)生結(jié)構(gòu)化數(shù)據(jù)或預(yù)處理的上下文，再把這個(gè)結(jié)果傳給智能體作為推理的輸入。這種模式針對(duì)的是一個(gè)常見(jiàn)場(chǎng)景：任務(wù)中最昂貴的部分不是推理而是數(shù)據(jù)收集——拉取指標(biāo)、匯總?cè)罩尽⒉樵兌鄠€(gè)API——而智能體的價(jià)值在于對(duì)這些數(shù)據(jù)的解讀和綜合。把確定性的部分交給腳本處理，讓令牌消耗與推理工作量成正比，而不是與整體工作量成正比。

這個(gè)設(shè)計(jì)傳遞了一個(gè)務(wù)實(shí)的工程觀念：語(yǔ)言模型不是每個(gè)定時(shí)任務(wù)的正確工具，把它用于不需要它的場(chǎng)景只會(huì)增加成本、引入不必要的延遲，并降低系統(tǒng)可靠性。

八、個(gè)人知識(shí)庫(kù)：AI幫你做的事情，變成你永久擁有的財(cái)富

前面所有的機(jī)制都解決了AI系統(tǒng)"做事"的問(wèn)題。但還有一個(gè)深層問(wèn)題：每次做完的事情，留下了什么？

SemaClaw的三層上下文架構(gòu)管理的是智能體在每一步讀到什么信息，但每次任務(wù)中產(chǎn)生的洞見(jiàn)、提煉的結(jié)論、形成的理解，最終會(huì)被吸進(jìn)壓縮摘要，隨著日志文件的滾動(dòng)淘汰慢慢消失——這對(duì)于記憶檢索是夠用的，但對(duì)于知識(shí)沉淀是不夠的。

研究團(tuán)隊(duì)把這個(gè)問(wèn)題稱為"知識(shí)沉淀"（Knowledge Sedimentation），并給出的解決方案是一套基于wiki的個(gè)人知識(shí)基礎(chǔ)設(shè)施：一個(gè)專門用來(lái)存放"學(xué)到了什么"的知識(shí)層，以結(jié)構(gòu)化的方式增長(zhǎng)，按主題而非按時(shí)間組織，直接可以被人類讀取和編輯。

存儲(chǔ)方式的選擇體現(xiàn)了一種強(qiáng)烈的設(shè)計(jì)信念：知識(shí)庫(kù)就是用戶本地文件系統(tǒng)上的一個(gè)Markdown文件目錄樹，沒(méi)有數(shù)據(jù)庫(kù)，沒(méi)有私有索引，文件瀏覽器看到的就是全部。目錄層級(jí)本身就是主題分類體系，用戶可以隨時(shí)重命名目錄、遷移文件、重組結(jié)構(gòu)，不需要系統(tǒng)介入，不需要重建索引，與SemaClaw一起使用還是獨(dú)立使用都完全自主。

智能體通過(guò)一套精簡(jiǎn)的命令行操作與這個(gè)知識(shí)庫(kù)交互：查看目錄樹、創(chuàng)建分類、保存條目、整理現(xiàn)有文件。有兩套工作流：保存流程處理智能體自己在任務(wù)中產(chǎn)生的內(nèi)容，它先查看目錄樹，判斷內(nèi)容適合放在哪個(gè)已有分類、需不需要新建分類、還是先放進(jìn)`inbox/`等待進(jìn)一步分類，然后寫入帶主題標(biāo)簽的條目；整理流程處理用戶提供的文件，智能體把文件復(fù)制到合適的分類，只修改前置元數(shù)據(jù)（添加標(biāo)簽和來(lái)源），不改正文——用戶的內(nèi)容是權(quán)威的，智能體的角色是分類和標(biāo)注，不是改寫。

檢索方面，知識(shí)庫(kù)有獨(dú)立的搜索接口，與第二層外部記憶的`memory_search`是分開的，這個(gè)分離是故意的：外部記憶索引的是"說(shuō)過(guò)什么"（對(duì)話記錄和自動(dòng)日志），知識(shí)庫(kù)索引的是"學(xué)到了什么"（刻意保存的獨(dú)立知識(shí)條目）。前者的查詢結(jié)果是一段對(duì)話片段，后者的查詢結(jié)果是一個(gè)完整的、結(jié)構(gòu)化的知識(shí)條目。把兩者混在一起，就抹去了這個(gè)層次的價(jià)值。

這套設(shè)施還建立了一個(gè)人機(jī)雙向的編輯循環(huán)。Web界面把目錄樹渲染成可導(dǎo)航的知識(shí)庫(kù)，每個(gè)Markdown條目渲染成格式化的文檔，用戶可以直接瀏覽、編輯內(nèi)容和元數(shù)據(jù)、重組目錄結(jié)構(gòu)，完全不需要通過(guò)智能體中轉(zhuǎn)。任何改動(dòng)對(duì)下一次智能體檢索立即可見(jiàn)，因?yàn)槲募褪钦Z(yǔ)料庫(kù)，沒(méi)有獨(dú)立的索引需要重建。智能體的工作產(chǎn)出變成了用戶可以閱讀和學(xué)習(xí)的筆記；用戶的編輯和整理又成為智能體下一次檢索時(shí)讀到的權(quán)威內(nèi)容。兩者通過(guò)同一個(gè)文件系統(tǒng)持續(xù)互相豐富。

研究團(tuán)隊(duì)把這個(gè)循環(huán)命名為"vibe learning"（隨興學(xué)習(xí)），是對(duì)"vibe coding"（隨興編程）和"vibe working"（隨興工作）的延伸。隨興編程壓縮了意圖和代碼之間的距離；隨興工作把這個(gè)模式擴(kuò)展到了編程之外的所有知識(shí)工作；隨興學(xué)習(xí)則進(jìn)一步確保了做事的過(guò)程留下痕跡——一個(gè)結(jié)構(gòu)化的、可檢索的、持續(xù)增長(zhǎng)的記錄，記錄了做了什么，以及通過(guò)做事理解了什么。

九、還沒(méi)解決的問(wèn)題：研究團(tuán)隊(duì)自己提出的五個(gè)公開挑戰(zhàn)

論文的第四節(jié)專門用來(lái)討論研究團(tuán)隊(duì)目前沒(méi)有解決、也不確定答案的問(wèn)題，這種坦誠(chéng)在學(xué)術(shù)論文中并不常見(jiàn)，也讓這部分內(nèi)容格外值得關(guān)注。

第一個(gè)公開問(wèn)題是：多智能體團(tuán)隊(duì)中，智能體應(yīng)該是有持久身份的長(zhǎng)期角色，還是每次臨時(shí)實(shí)例化的虛擬參與者？SemaClaw明確選擇了持久身份模型，并且把這個(gè)選擇做成了架構(gòu)級(jí)的承諾——路由時(shí)用的是字符串精確匹配，不是向量查找，每個(gè)智能體必須是注冊(cè)的有名字的身份。研究團(tuán)隊(duì)承認(rèn)這帶來(lái)了兩個(gè)尚未解決的子問(wèn)題：隨時(shí)間演化的身份漂移（一個(gè)智能體的`SOUL.md`被不斷修改后，它的實(shí)際行為可能與它的名字隱含的角色不再匹配），以及面對(duì)全新任務(wù)類型時(shí)名冊(cè)的剛性（如果現(xiàn)有智能體都不適合，沒(méi)有機(jī)制即時(shí)組合出一個(gè)新角色）。

第二個(gè)公開問(wèn)題是：駕馭工程能在多大程度上替代模型能力？論文引用的LangChain在Terminal Bench 2.0上的實(shí)驗(yàn)表明，在模型不變的情況下，僅僅改進(jìn)駕馭配置就把任務(wù)完成率從52.8%提升到66.5%。研究團(tuán)隊(duì)分析了SemaClaw自身架構(gòu)中多個(gè)替代模型能力的機(jī)制——檢索替代參數(shù)記憶、技能注入縮小任務(wù)范圍、任務(wù)分解分散推理負(fù)載、純腳本和純通知模式完全繞開模型——并提出了一個(gè)工作假設(shè)：對(duì)于大多數(shù)個(gè)人生產(chǎn)力用例，一個(gè)構(gòu)建良好駕馭層的中端模型可能與一個(gè)沒(méi)有駕馭層的頂級(jí)模型達(dá)到相當(dāng)?shù)男Ч?。他們坦率地說(shuō)，這個(gè)假設(shè)還沒(méi)有得到系統(tǒng)性的實(shí)證驗(yàn)證。

第三個(gè)公開問(wèn)題涉及記憶的所有權(quán)和隱私。一個(gè)知道你越來(lái)越多的記憶系統(tǒng)，在帶來(lái)便利的同時(shí)也累積了風(fēng)險(xiǎn)。SemaClaw的回應(yīng)是本地部署：所有記憶文件存在用戶自己控制的基礎(chǔ)設(shè)施上。但研究團(tuán)隊(duì)進(jìn)一步追問(wèn)了一個(gè)更深層的問(wèn)題：用戶的記憶庫(kù)里存放的是用戶通過(guò)與智能體協(xié)作而產(chǎn)生的知識(shí)，這些知識(shí)的歸屬權(quán)從法律和倫理角度應(yīng)該如何界定？目前沒(méi)有成熟的框架回答這個(gè)問(wèn)題。

第四個(gè)公開問(wèn)題是關(guān)于"有狀態(tài)的駕馭插件"。傳統(tǒng)工具是無(wú)狀態(tài)的——接受輸入、產(chǎn)生輸出、不改變智能體的持久架構(gòu)。但知識(shí)庫(kù)插件已經(jīng)不是這樣運(yùn)行的了，它寫入的內(nèi)容會(huì)永久留在系統(tǒng)里，影響未來(lái)所有的智能體會(huì)話。這類插件需要不同的權(quán)限模型：它們修改的是駕馭層本身，而不只是一次操作的結(jié)果。SemaClaw目前還沒(méi)有把這個(gè)區(qū)分做進(jìn)權(quán)限架構(gòu)里，研究團(tuán)隊(duì)認(rèn)為這是隨著社區(qū)插件生態(tài)壯大而必須解決的問(wèn)題。

第五個(gè)公開問(wèn)題最宏觀：隨著智能體生態(tài)成熟，社區(qū)層面會(huì)出現(xiàn)什么新形式？現(xiàn)有的技能分享平臺(tái)（ClawHub）解決了能力分發(fā)的問(wèn)題，但跨運(yùn)營(yíng)者的智能體間認(rèn)證、能力發(fā)現(xiàn)、信任傳播，以及集體知識(shí)共享的治理，這些都是現(xiàn)有開源基礎(chǔ)設(shè)施還遠(yuǎn)遠(yuǎn)沒(méi)有覆蓋的領(lǐng)域。研究團(tuán)隊(duì)把這稱為"個(gè)人AI智能體領(lǐng)域最具長(zhǎng)期影響的工程問(wèn)題"。

歸根結(jié)底，SemaClaw想要回答的是：一個(gè)真正可以長(zhǎng)期信賴的AI助理，需要在模型能力之外構(gòu)建什么？他們的答案是一套完整的駕馭裝置——兩層架構(gòu)分離運(yùn)行時(shí)和應(yīng)用邏輯，三層記憶管理知識(shí)的不同生命周期，權(quán)限橋把人工授權(quán)變成執(zhí)行的基本語(yǔ)法，四層插件在正確的層面擴(kuò)展正確的能力，DAG團(tuán)隊(duì)把動(dòng)態(tài)規(guī)劃和確定性執(zhí)行結(jié)合在一起，四種調(diào)度模式把執(zhí)行資源匹配到任務(wù)復(fù)雜度，知識(shí)庫(kù)把每次任務(wù)的產(chǎn)出變成用戶永久持有的知識(shí)資產(chǎn)。這些機(jī)制共同構(gòu)成了一個(gè)把"能干的模型"變成"可靠的長(zhǎng)期合作者"所需要的工程基礎(chǔ)。

當(dāng)然，這套系統(tǒng)目前仍有明確的局限——頻道集成還不全面，與上游Claude Code生態(tài)系統(tǒng)的對(duì)齊還不完整，Wiki知識(shí)庫(kù)與智能體記憶搜索的深度融合還沒(méi)實(shí)現(xiàn)。但研究團(tuán)隊(duì)選擇以開源的方式公開這一套框架和思考，邀請(qǐng)社區(qū)一起壓力測(cè)試、提出替代方案、貢獻(xiàn)實(shí)踐結(jié)果，本身就是這種務(wù)實(shí)工程哲學(xué)的體現(xiàn)。

這項(xiàng)研究的意義，或許不只在于它建造了什么，更在于它給"駕馭工程"這個(gè)領(lǐng)域提供了一套相對(duì)系統(tǒng)的詞匯和參照——讓關(guān)于AI系統(tǒng)設(shè)計(jì)的討論可以在一個(gè)共同的框架下展開，而不是各自憑經(jīng)驗(yàn)和直覺(jué)摸索。有興趣深入探究細(xì)節(jié)的讀者，可以通過(guò)arXiv編號(hào)2604.11548查閱完整原文，或訪問(wèn)github.com/midea-ai/SemaClaw查看開源代碼。

Q&A

Q1：SemaClaw的權(quán)限橋和普通AI工具的權(quán)限管理有什么本質(zhì)區(qū)別？

A：普通AI工具的權(quán)限管理通常是配置層面的設(shè)置，或者套在單個(gè)工具外面的包裝器，是"事后附加"的安全層。SemaClaw的權(quán)限橋則直接嵌入在運(yùn)行時(shí)，是執(zhí)行流程的原生組成部分。當(dāng)智能體要調(diào)用高風(fēng)險(xiǎn)工具時(shí)，系統(tǒng)在工具邊界處暫停，把操作細(xì)節(jié)發(fā)給用戶審批，會(huì)話在等待期間保持存活，用戶批準(zhǔn)后繼續(xù)執(zhí)行。這意味著人工授權(quán)不是打斷流程的特殊情況，而是正常執(zhí)行路徑的一部分。

Q2：DAG團(tuán)隊(duì)的多智能體編排和LangGraph的工作流圖有什么差別？

A：LangGraph的工作流圖在任務(wù)執(zhí)行前就要完整定義好，執(zhí)行時(shí)按圖走，不能動(dòng)態(tài)調(diào)整任務(wù)結(jié)構(gòu)。DAG團(tuán)隊(duì)方法的差別在于第一階段由語(yǔ)言模型在運(yùn)行時(shí)動(dòng)態(tài)生成任務(wù)依賴圖，因此可以處理提前無(wú)法完整規(guī)劃的任務(wù)結(jié)構(gòu)；第二階段再由確定性調(diào)度器按圖執(zhí)行，保留了圖結(jié)構(gòu)的可觀察性和失敗隔離性。簡(jiǎn)單說(shuō)是"動(dòng)態(tài)規(guī)劃加上確定性執(zhí)行"的兩階段組合，而不是要在兩者之間選一個(gè)。

Q3：SemaClaw的個(gè)人知識(shí)庫(kù)和普通的AI對(duì)話記憶有什么實(shí)質(zhì)性區(qū)別？

A：普通的AI記憶機(jī)制本質(zhì)上是按時(shí)間排列的對(duì)話日志，檢索時(shí)返回的是過(guò)去說(shuō)過(guò)的話的片段，隨著時(shí)間推移舊日志會(huì)被淘汰。SemaClaw的個(gè)人知識(shí)庫(kù)按主題而非時(shí)間組織，存放的是經(jīng)過(guò)智能體判斷后刻意保存的獨(dú)立知識(shí)條目，不會(huì)隨日志滾動(dòng)消失，用戶可以直接通過(guò)文件瀏覽器查看和編輯，也可以通過(guò)Web界面瀏覽和重組結(jié)構(gòu)，智能體和用戶讀寫同一套Markdown文件，沒(méi)有任何同步層或索引重建步驟。