登录 注册
AI 应用与 AI AgentAI 模型与开发框架数据分析与数据处理 ai-agentsai-orchestrationautonomous-agentsclaudedashboardkanban
17,057
Stars
1,765
Forks
74
Watchers
15
Open Issues
MIT
许可证
Python
语言
2026-02-23
创建时间
2026-09-28
最近更新

项目能做什么

三省六部制多 Agent 编排系统,内置 9 个专业 Agent 与实时仪表盘。
来源:AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
<h1 align="center">⚔️ 三省六部 · Edict</h1>

<p align="center">
  <strong>我用 1300 年前的帝国制度,重新设计了 AI 多 Agent 协作架构。<br>结果发现,古人比现代 AI 框架更懂分权制衡。</strong>
</p>

<p align="center">
  <sub>12 个 AI Agent(11 个业务角色 + 1 个兼容角色)组成三省六部:太子分拣、中书省规划、门下省审核封驳、尚书省派发、六部+吏部并行执行。<br>比 CrewAI 多一层<b>制度性审核</b>,比 AutoGen 多一个<b>实时看板</b>。</sub>
</p>

<p align="center">
  <a href="#-demo">🎬 看 Demo</a> ·
  <a href="#-30-秒快速体验">🚀 30 秒体验</a> ·
  <a href="#-架构">🏛️ 架构</a> ·
  <a href="#-功能全景">📋 看板功能</a> ·
  <a href="docs/task-dispatch-architecture.md">📚 架构文档</a> ·
  <a href="README_EN.md">English</a> ·
  <a href="README_JA.md">日本語</a> ·
  <a href="CONTRIBUTING.md">参与贡献</a>
</p>

<p align="center">
  <img src="https://img.shields.io/badge/OpenClaw-Required-blue?style=flat-square" alt="OpenClaw">
  <img src="https://img.shields.io/badge/Python-3.9+-3776AB?style=flat-square&logo=python&logoColor=white" alt="Python">
  <img src="https://img.shields.io/badge/Agents-12_Specialized-8B5CF6?style=flat-square" alt="Agents">
  <img src="https://img.shields.io/badge/Dashboard-Real--time-F59E0B?style=flat-square" alt="Dashboard">
  <img src="https://img.shields.io/badge/License-MIT-22C55E?style=flat-square" alt="License">
  <img src="https://img.shields.io/badge/Frontend-React_18-61DAFB?style=flat-square&logo=react&logoColor=white" alt="React">
  <img src="https://img.shields.io/badge/Backend-stdlib_only-EC4899?style=flat-square" alt="Zero Backend Dependencies">
</p>

<p align="center">
  <img src="https://img.shields.io/badge/公众号-cft0808-07C160?style=for-the-badge&logo=wechat&logoColor=white" alt="WeChat">
</p>

---

## 🎬 Demo

<p align="center">
  <video src="docs/Agent_video_Pippit_20260225121727.mp4" width="100%" autoplay muted loop playsinline controls>
    您的浏览器不支持视频播放,请查看下方 GIF 或 <a href="docs/Agent_video_Pippit_20260225121727.mp4">下载视频</a>。
  </video>
  <br>
  <sub>🎥 三省六部 AI 多 Agent 协作全流程演示</sub>
</p>

<details>
<summary>📸 GIF 预览(加载更快)</summary>
<p align="center">
  <img src="docs/demo.gif" alt="三省六部 Demo" width="100%">
  <br>
  <sub>飞书下旨 → 太子分拣 → 中书省规划 → 门下省审议 → 六部并行执行 → 奏折回报(30 秒)</sub>
</p>
</details>

> 🐳 **没有 OpenClaw?** 跑一行 `docker run -p 7891:7891 cft0808/edict` 即可体验完整看板 Demo(预置模拟数据)。

---

## 🤔 为什么是三省六部?

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。

**三省六部的思路完全不同** —— 我们用了一个在中国存在 1400 年的制度架构:

```
你 (皇上) → 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
```

这不是花哨的 metaphor,这是**真正的分权制衡**:

| | CrewAI | MetaGPT | AutoGen | **三省六部** |
|---|:---:|:---:|:---:|:---:|
| **审核机制** | ❌ 无 | ⚠️ 可选 | ⚠️ Human-in-loop | **✅ 门下省专职审核 · 可封驳** |
| **实时看板** | ❌ | ❌ | ❌ | **✅ 军机处 Kanban + 时间线** |
| **任务干预** | ❌ | ❌ | ❌ | **✅ 叫停 / 取消 / 恢复** |
| **流转审计** | ⚠️ | ⚠️ | ❌ | **✅ 完整奏折存档** |
| **Agent 健康监控** | ❌ | ❌ | ❌ | **✅ 心跳 + 活跃度检测** |
| **热切换模型** | ❌ | ❌ | ❌ | **✅ 看板内一键切换 LLM** |
| **技能管理** | ❌ | ❌ | ❌ | **✅ 查看 / 添加 Skills** |
| **新闻聚合推送** | ❌ | ❌ | ❌ | **✅ 天下要闻 + 飞书推送** |
| **部署难度** | 中 | 高 | 中 | **低 · 一键安装 / Docker** |

> **核心差异:制度性审核 + 完全可观测 + 实时
阅读完整原文

商业机会分析 AI 生成

行业合规级多Agent审批模板与工作流资产包

产品构想基于三省六部制(决策-审核-分派执行)的架构逻辑,针对金融尽调、合同合规初审、研报生成等高严谨度领域,开发开箱即用的提示词体系、Agent角色配置包及验证链条。
核心功能预置9智能体行业提示词包、定制化结构化数据提取组件、一键导出带完整审计追踪的合规结论报告。
目标用户法务科技公司、金融分析师、咨询机构与内容严谨型创作者。
难度/周期中等 · 2-4周 · 成本:极低(主要是API调用测试与业务知识库整理成本)
收费模式按行业模板包买断售卖,或按月订阅更新工作流逻辑与规则库。
竞争风险垂直领域标准严格,Prompt调优泛化能力可能不足导致审核漏判。
依据 AI推测

托管版多智能体协同看板与审计控制台 (Hosted Dashboard SaaS)

产品构想将本地部署的 Dashboard 与编排引擎转化为免运维的云端服务,提供基于看板的可视化任务流转监控、Agent交互日志检索与Token消耗分析。
核心功能多模型API集中托管、实时流转看板、交互调用树与回放、全链路审计日志导出(Audit Trails)。
目标用户不具备全套运维能力但需要监控多智能体运行轨迹的独立开发者与中小团队。
难度/周期中等 · 1-2个月 · 成本:中等(基础云服务器、数据库及WebSocket连接开销)
收费模式免费额度 + 阶梯席位费/日志存储量月费订阅。
竞争风险开源项目本身标明 docker=0/db=0,云化需要补齐持久化、多租户鉴权等基础架构。
依据 数据支持的判断

企业私有化多智能体治理与实施落地咨询

产品构想针对想要引入 Multi-Agent 但担心权限与失控的中大型企业,提供“决策-复核-执行”三省六部制落地技术咨询、企业内网部署与现有 OA/ERP 系统集成服务。
核心功能本地离线大模型适配接入、内网审计日志归档对接、RBAC与Agent权限映射、定制化外部工具(六部)开发。
目标用户传统政企、大型机构的技术创新部门或IT集成服务商。
难度/周期较高 · 2-3个月 · 成本:低(主要为人力交付成本)
收费模式技术咨询费 + 项目制交付实施费 + 年保费用。
竞争风险交付周期长、定制化需求多,难以规模化复制。
依据 尚需验证的假设
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
affaan-m/ECC 中文介绍暂未生成
The agent harness performance optimization system. Skills, i
300,647 JavaScript
deepseek-ai/deepseek-harness 中文介绍暂未生成
DeepSeek Harness: Everything is a Plugin.
278,096 TypeScript
NousResearch/hermes-agent 中文介绍暂未生成
The agent that grows with you
262,370 Python
firecrawl/firecrawl 中文介绍暂未生成
Supercharge your AI agents with data from the web and beyond
200,426 TypeScript
DietrichGebert/ponytail 中文介绍暂未生成
Makes your AI agent think like the laziest senior dev in the
188,254 JavaScript
msitarzewski/agency-agents 中文介绍暂未生成
A complete AI agency at your fingertips - From frontend wiza
167,624 Shell
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 2026-02-23,最近推送 2026-09-28
社区活跃Star 17,057 / Fork 1,765 / Issue 15(数据支持,可自行核实)
许可证MIT
主要风险上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价

安装与使用

快速开始(以仓库 README 为准)
git clone https://github.com/cft0808/edict.git
cd edict
docker compose up -d   # 或参考 README 中的 docker run 命令
阅读原仓库文档
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。