摘要：大模型处理复杂工程任务的极限在哪里？答案是“团队协作”。本文将带你实操一套将中国古代“三省六部制”精髓融入多智能体（Multi-Agent）架构的硬核开源系统。从负责需求分拣的“太子”到深耕代码的“兵部”，体验一把赛博皇上批阅奏折、运筹帷幄的极致快感。
序言
大模型在处理长线任务还是有极限的，解决复杂工程问题还得靠 多智能体的团队协作。但这又带来了一个新问题：这么多 Agent，谁负责规划？谁负责执行？谁负责审查？ 最近我在折腾一个非常硬核的开源项目，它巧妙地把中国古代的三省六部制搬到了 AI 架构里：有负责接收需求分拣的“太子”，有负责拆解任务的“中书省”，还有负责干脏活累活的“六部”。 今天，我们就来实际跑通这套系统，提前体验一把当赛博皇上批阅奏折的快感。
项目结构
皇上 → 太子分拣 → 中书规划 → 门下审议 → 已派发 → 执行中 → 待审查 → ✅ 已完成
↑ │ │
└──── 封驳 ─┘ 阻塞 Blocked
| 部门 | Agent ID | 职责 | 擅长领域 |
|---|---|---|---|
| 太子 | taizi | 消息分拣、需求整理 | 闲聊识别、旨意提炼、标题概括 |
| 📜 中书省 | zhongshu | 接旨、规划、拆解 | 需求理解、任务分解、方案设计 |
| 🔍 门下省 | menxia | 审议、把关、封驳 | 质量评审、风险识别、标准把控 |
| 📮 尚书省 | shangshu | 派发、协调、汇总 | 任务调度、进度跟踪、结果整合 |
| 💰 户部 | hubu | 数据、资源、核算 | 数据处理、报表生成、成本分析 |
| 📝 礼部 | libu | 文档、规范、报告 | 技术文档、API 文档、规范制定 |
| ⚔️ 兵部 | bingbu | 代码、算法、巡检 | 功能开发、Bug 修复、代码审查 |
| ⚖️ 刑部 | xingbu | 安全、合规、审计 | 安全扫描、合规检查、红线管控 |
| 🔧 工部 | gongbu | CI/CD、部署、工具 | Docker 配置、流水线、自动化 |
| 📋 吏部 | libu_hr | 人事、Agent 管理 | Agent 注册、权限维护、培训 |
| 🌅 早朝官 | zaochao | 每日早朝、新闻聚合 | 定时播报、数据汇总 |
| 下图是总控台的省部调度，每次调度谁都会在这里显示，Agent处于什么状态也都会显示出来。 | |||
配置使用指南
安装方法和开源链接放在文章最后了，把系统跑起来并不复杂。安装完成后，你需要开启两个终端，分别执行数据刷新循环和启动看板服务器然后在浏览器访问 http://127.0.0.1:7891 就能看到后台了。
# 终端 1：数据刷新循环
bash scripts/run_loop.sh
# 终端 2：看板服务器
python3 dashboard/server.py
# 打开浏览器
open http://127.0.0.1:7891
在~/.openclaw/openclaw.json文件中加入下面配置绑定，这里演示的是discord的频道，需要开启开发者，然后复制频道名就可以了。如果是飞书就要开启多个Bot，然后再绑定，方法是一样的。
bindings: [
{ agentId: "main", match: { channel: "discord", peer:{"kind": "channel", "id": "12312312312312312" } } },
{ agentId: "creative", match: { channel: "discord", peer:{ "kind": "channel","id": "1231231231231231" } } },
],
我这里是每个部门都绑定了对应的频道，方便后面管理和测试。
建议在 openclaw 配置文件中指定模型，这里的看板目前的模型切换功能更偏向展示。
在技能配置里可以为每个部门设置专用的skills，点击添加然后输入Agent+skills名称+github url即可 也可以在cli里使用命令进行安装：
# 从 GitHub 添加 code_review skill 到中书省
python3 scripts/skill_manager.py add-remote \
--agent zhongshu \
--name code_review \
--source https://raw.githubusercontent.com/openclaw-ai/skills-hub/main/code_review/SKILL.md \
--description "代码审查技能"
# 一键导入官方 skills 库到指定 agents
python3 scripts/skill_manager.py import-official-hub \
--agents zhongshu,menxia,shangshu,bingbu,xingbu
# 列出所有已添加的远程 skills
python3 scripts/skill_manager.py list-remote
# 更新某个 skill 到最新版本
python3 scripts/skill_manager.py update-remote \
--agent zhongshu \
--name code_review
这里还内置了很多的"圣旨"库，这里是工作模板，点击下旨然后填入对应需求就可以直接让openclaw开始工作了。
下图展示的是我执行全部制度的测试，我给他的任务是写一篇 关于Agent的三省六部制度设置的文章，这种本不需要所有部门都运行的，但是我强制了测试每个部门，消耗的代价也挺大的，只是这个流程消耗了100次左右的模型调用。
总结
这套三省六部系统绝对不是拿来玩过家家的，它更适合去处理那些逻辑链条极长、需要多工种配合的硬核企业级工程项目。日常轻量级任务，还是别轻易劳驾满朝文武了，我们绑定Bot对应部门，平时直接越级对话更便利一些。在使用过程中遇到了什么坑可以留言交流！
