AI 工具与大模型实操测评

主流大模型横向评测、Prompt 与 Agent 效率工作流实战指南。

超写派专栏

三省六部做AI管家:它真正验证的是“约束带来可控”

SSuperAdmin官方主理人2026年9月2日AI 专栏 · SupaWriter 深度研究工作流生成

开源项目 Edict 把唐朝三省六部制搬进 AI 多智能体系统,用门下省封驳权把审核变成不可跳过的流程节点,回应了多智能体系统结果难复现、难干预的老问题。文章拆解了这套架构的机制与代价:固定层级让简单任务也要走完整审批链,角色边界压缩了探索性协作空间。最终判断是,Edict 的价值不在文化包装,而在验证了可靠性来自内置约束,而非角色数量或命名。

三省六部做AI管家:它真正验证的是“约束带来可控”

图片## 一个用官制包装的架构实验

从“赛博皇帝”到可追踪的协作流程

“三省六部·Edict”是一个开源项目,套用唐朝三省六部制来重新设计 AI 多智能体协作架构。它基于 OpenClaw 框架的底层能力和通讯渠道构建,由开发者 cft0808 创建,2026 年 2 月开源。从命名和角色设置看,项目确实带有明显的文化包装色彩:用户需求先交给“太子”分拣,再依次经过中书省规划、门下省审核、尚书省派发,最后由六部执行。

图片如果只看到这一层,很容易把它当成又一次“用古代概念给 AI 起名字”的猎奇尝试。但 Edict 的架构意图并不在文化趣味。它真正针对的是多智能体系统里一个长期存在的结构性问题:多个 Agent 并行工作时,谁来决定任务优先级、谁检查输出质量、谁对最终结果负责,往往缺乏明确机制。Edict 的做法,是把“审核”作为一个固定环节嵌入协作链路,而不是等输出出了问题再回头修补。门下省的角色尤其关键——它不负责生产,只负责把关,这意味着每一次任务流转都必须经过一个独立的检查节点。

这套流程让协作过程变得可追踪:一个请求从进入到执行完毕,经过了哪些环节、在哪一步被驳回或修改,都有明确的路径记录。对于需要审计或事后追溯的任务,这种设计提供了普通扁平化 Agent 框架不容易给出的确定性。

图片### 为什么是三省六部而不是扁平化Agent

选择三省六部制,不只是因为名字有辨识度。这套古代制度本身包含分权与制衡的逻辑:中书省草拟、门下省审核、尚书省执行,三者相互制约。Edict 把这种制衡关系映射到 Agent 之间的协作关系上,用角色边界来约束行为边界。与常见的扁平化多 Agent 系统相比,它牺牲了一部分灵活度,换取的是流程上的可预期性。

不过,目前对项目规模的描述并不一致。有来源称系统由 12 个 AI Agent 组成,包括太子、三省、七部和一个军机处看板;也有描述把执行层概括为“六部”。这种口径差异说明项目仍处于快速迭代阶段,具体的角色数量和分工不宜视为固定版本。可以确定的是,其核心结构——分拣、规划、审核、派发、执行的分层流程——已经稳定下来,而这正是理解 Edict 价值的关键。

图片## 门下省的“封驳”为什么是关键

多智能体系统最缺的是刹车

图片多智能体框架通常把重点放在“让更多模型并行工作”上。一个任务被拆成若干子任务,分派给不同 Agent,最后汇总结果。这种模式的问题不在于模型能力不足,而在于过程难以干预:当某个 Agent 偏离目标、产生错误输出或擅自扩大任务范围时,系统往往只能等最终结果出来后再修补。新浪财经转述项目作者的观点时提到,大多数 Multi-Agent 框架的结果无法复现、审计和干预。复现性差意味着同一个任务跑两次可能得到不同路径,审计困难意味着难以定位是哪个环节出了问题,干预滞后则意味着错误已经传导到下游才被发现。

Edict 的应对方式是在流程中插入一个强制审核节点。按照项目流程图,任务从“皇上”进入,经太子分拣、中书规划后,必须经过门下审议才能派发执行;执行完成后还要进入“待审查”状态,审查通过才算完成。门下省有权封驳,一旦驳回,任务进入阻塞状态,无法继续向下流转。这个设计把审核从一种事后行为变成了流程的必经环节。

审核作为硬约束,而非建议

图片区别在于约束的性质。很多框架提供日志、监控或人工检查点,但这些工具是“可以看”的,不是“必须过”的。Edict 的门下省封驳权则不同:任务不通过审核就无法进入执行阶段,执行结果不通过审查就无法标记为完成。这意味着系统在结构上不允许绕过审核。开发者称这种层级结构确保了任务执行的可预测性和可追踪性。从机制上看,这个说法有一定依据——固定的审核节点让每次任务流转都留下可定位的痕迹,也让偏离主题的输出有机会在进入执行层之前被拦截。

太平洋电脑网的报道将“解决传统 Multi-Agent 系统容易偏离主题的问题”表述为已实现效果。这一判断需要谨慎对待。目前公开材料中没有测试数据或对比实验来支持“解决”这个结论。开发者对可预测性的描述也是单方面观点。更稳妥的理解是:门下省机制为偏离问题提供了一个结构性的拦截点,而不是证明了偏离问题已经被消除。封驳权的确让系统第一次有了内置的否决和回溯能力,但它的实际效果取决于审核 Agent 的判断质量,以及驳回后系统能否有效修正而非简单阻塞。

图片## 约束的代价:当层级变成负担

简单任务为什么要走五层审批

图片固定层级带来的成本,首先体现在简单任务上。博客园作者在介绍 edict 时明确列出框架的局限性:引入一定复杂性,对简单任务可能过于正式。这个判断直指层级架构的核心问题——无论任务本身多轻,只要进入系统,就必须沿皇上、丞相、门下省、尚书省、六部的路径逐级流转。一次简单的信息查询或格式转换,在扁平的多 Agent 系统里可能只需要一轮调度,在这里却要经过规划、审核、派发、执行四个环节。每个环节都意味着额外的上下文传递和等待时间。审核环节的存在,让系统天然倾向于“先确认再行动”,这适合高风险决策,却与快速响应的需求相悖。

图片### 固定角色是否限制了协作模式

更深层的代价是协作模式被角色定义锁死。博客园作者同时指出,固定的角色层级可能限制某些创新协作模式。在 Edict 的架构里,每个 Agent 的职责边界由官制预先划定:门下省负责审核,尚书省负责派发,六部负责执行。这种设计保证了流程的可追踪性,但也排除了 Agent 之间根据任务需要自发协商、临时组队的可能。探索性任务——比如开放式研究或创意生成——往往需要多个 Agent 反复交换假设、互相修正方向,而不是沿着预设的审批链单向传递。当协作模式被固定为“下级执行、上级裁决”时,横向的、迭代式的协作空间就被压缩了。

架构本身也在回应这些问题。博客园文章提到,项目将太子与中书省合并为丞相,跳数从五跳压缩到四跳,Agent 数量从九个减少到八个,响应速度提升约百分之二十。这个改动说明开发者意识到层级冗余的代价,并试图通过合并角色来降低延迟。但该数据来自博客园作者的单方面描述,没有提供测试条件或基准,只能作为演进方向的参考,不能当作严格的性能结论。合并角色减少了一级流转,却没有改变“必须逐级审批”的基本逻辑。对简单任务和探索性任务而言,四跳与五跳的区别是程度上的,不是性质上的。

图片## 它证明的不是“古代制度更好”,而是“约束带来可控”

文化叙事之外的工程判断

图片剥离“帝国治理智慧”这类包装,Edict 真正验证的是一个更朴素的方向:多智能体系统的可靠性,主要来自约束是否内置于流程,而不是角色数量、命名方式或文化符号。多 Agent 系统长期存在一个结构性问题——多个模型并行或串行工作时,中间步骤难以追踪,错误一旦发生,很难定位是哪一环偏离了意图。Edict 的回应方式是把审核做成一个不可跳过的节点。门下省的封驳权不只是流程中的一个步骤,而是系统在架构层面保留了否决和回溯的能力。这与单纯增加一个“检查提示词”不同:检查可以被绕过或忽略,而制度化的审核节点会强制任务流经过它。

这个判断不依赖项目的文化叙事。IT之家页面中“让 1300 年前的帝国治理智慧在 AI 时代焕发出全新生命力”的说法,属于营销性表述,不能作为技术判断的依据。该页面原始地址返回 404,正文细节无法核实。真正有信息量的,是 Edict 把可审计性从“事后检查”变成了“流程前置条件”这一设计取向。它没有证明古代官制优于现代架构,也没有证明多层级审批是普遍最优解;它证明的是,当约束机制成为系统的一部分而非附加项时,协作过程的可预期性会明显提高。

对普通用户意味着什么

对使用或评估 AI 工具的人而言,这个案例提供了一个具体的判断框架:看一个多智能体系统是否可靠,关键变量不是它有多少个角色、用了什么命名体系,而是它是否内置了否决、追踪和干预机制。一个系统可以只有三个 Agent,但每个关键步骤都有明确的记录点和拦截条件;另一个系统可以有十几个角色,却只是把提示词拆开并行执行。前者的可靠性大概率高于后者。

需要同时承认的是,目前关于项目热度的数据并不一致。知乎专栏称 OpenClaw 有 24.7 万星标和 4.77 万个 fork,但未注明统计日期,且“2026 年最火”属于作者主观判断。项目作者在搜狐文章中称 Edict 星标达到 5000+、有 188 个 Fork 和 44 个 Issue,而自己的项目只有 200 star。这些数字来自作者单方陈述,没有第三方验证,且与前述 24.7 万星标的口径差异明显。星标数、Fork 数这类指标只能反映短期关注度,不能作为技术成熟度的证据。评估一个多智能体项目时,更可靠的依据是:它是否把审核、追踪和干预做进了流程本身,以及这些机制在失败时是否真的能阻止错误继续传递。

想拥有高效的全自动内容生产力?

SupaWriter 打通热点选题、长文创作、智能语义配图、文章 4 维客观评分与浏览器扩展一键发布,助你提升 10 倍创作效率。