[其他] 阿里开源 HiClaw：五分钟构建团队协作式 AI Agent 系统

阿里云 Higress 团队近期正式开源了 HiClaw。这个项目被定位为“Team 版 OpenClaw”，它基于原有的单智能体系统 OpenClaw 进行了升级，打造了一套全新的多 Agent 协作系统。其核心是通过引入 Manager–Worker 架构、AI Gateway、即时通信等组件，旨在解决单一 AI Agent 在安全、协作和上下文管理上的局限性。

官方提供的一键安装脚本非常便捷，宣称在本地环境下约5分钟即可完成部署，让开发者能够快速搭建起属于自己的 AI 团队。

项目信息：

• GitHub：https://github.com/higress-group/hiclaw
• 官网：https://higress.ai/hiclaw

项目采用 Apache 2.0 开源协议，支持企业和个人免费商用。

HiClaw 是什么？

简单来说，HiClaw 是一套面向团队协作的 AI Agent 系统。

它不再是让单个AI助手包揽所有工作，而是引入了多智能体分工协作的思想。你可以把它想象成一个由多个专业角色组成的“AI团队”。在这个团队里，不同的Agent可以扮演不同的角色，例如：

• 产品经理 Agent
• 前端开发 Agent
• 后端开发 Agent
• 数据分析 Agent
• 文档编写 Agent

这些专门的 Agent 相互配合，共同完成复杂的项目任务。这种设计使得复杂的人工智能任务处理变得更加模块化和高效。

Manager–Worker 多 Agent 架构

HiClaw 的核心设计是 Manager Agent（管理者） + Worker Agent（工作者） 的分层架构。

1. Manager Agent：AI 团队的管理者

Manager Agent 负责统筹全局，其职责包括：

• 创建和管理 Worker Agent。
• 将用户提出的复杂任务拆解为多个子任务。
• 将子任务分配给合适的 Worker。
• 监控 Worker 的运行状态。
• 汇总所有 Worker 的执行结果，并反馈给用户。

举个例子，当用户提出“开发一个Web应用”这样的宏观需求时，Manager Agent 会自动进行任务分解，比如：

• 前端界面开发
• 后端接口开发
• 数据库设计
• 项目文档编写

然后，它会将这些子任务分别派发给对应的 Worker 去执行。

2. Worker Agent：任务的实际执行者

Worker Agent 是具体干活的智能体。每个 Worker 通常只专注于某一类任务，比如前端开发、后端开发、数据处理等。

Worker 的特点在于：

• 独立的技能库：拥有自己专属的工具和能力。
• 独立的记忆空间：任务相关的上下文信息彼此隔离。
• 独立的运行环境：每个 Worker 都运行在独立的容器中，实现了真正的任务与资源隔离。

这种架构有效避免了单个Agent因职责过多而导致的“上下文混乱”问题，让每个“专家”都能更专注。

AI Gateway：统一的 API 安全管理

在传统的架构中，API密钥（如 LLM、GitHub Token 等）往往分散在各个 Agent 内部，存在被诱导泄露的安全风险。

HiClaw 通过引入 Higress AI Gateway 来解决这一问题。它的核心机制包括：

1. 集中管理 API 凭证：所有真实的 API Key 都只存储在 Gateway 中。
2. Worker 使用访问令牌：Worker 只持有临时的访问 Token，而非真实密钥。
3. API 调用统一代理：Worker 的所有对外 API 请求都必须经过 Gateway 转发。
4. 支持访问控制与审计：Gateway 可以记录详细的调用日志，并进行细粒度的权限控制。

这种方式实现了凭证隔离和最小权限原则，大幅提升了整个多 Agent 系统的安全性。

Matrix 即时通信系统

为了实现顺畅的协作，HiClaw 内置了一套基于 Matrix 协议的即时通信系统，包括服务器和 Element Web 客户端。

所有 Agent 之间、以及 Agent 与用户之间的协作，都是通过群聊房间来完成的。这种设计带来了几个显著优势：

• 协作过程可视化：每个 Agent 的执行步骤和思考过程会实时显示在聊天窗口中，用户对整个 AI 团队的工作进度一目了然。
• 支持灵活的人工介入：用户可以随时在聊天中 @ 指定的 Agent、修改任务要求或提供新指令，实现 Human-in-the-loop（人在回路）的交互模式。
• 支持多端控制：得益于 Matrix 成熟的客户端生态，用户甚至可以通过手机上的 Element 应用来管理和指挥 AI 团队，无需额外配置企业通讯机器人。

Skills 技能扩展机制

HiClaw 继承了 OpenClaw 强大的 Skills 生态系统。Agent 可以通过安装 Skills 来动态获得新的能力，例如操作 GitHub、进行网络搜索、数据分析或生成代码。

当 Agent 发现自己需要某种能力来完成当前任务时，它可以：

1. 自动在技能库中搜索。
2. 安装对应的 Skill。
3. 直接调用该技能来解决问题。

例如，通过以下命令可以查找并添加技能：

skills find higress wasm
skills add higress-wasm-plugin

这种机制让 Agent 的能力具备了高度的可扩展性。

记忆与上下文管理优化

处理复杂任务时，传统 Agent 系统常受困于上下文膨胀：记忆文件越来越大、技能信息过多，导致 Token 消耗激增和性能下降。

HiClaw 通过两种方式优化了这个问题：

1. Worker 职责隔离：每个 Worker 只处理特定类型的任务，自然减少了无关上下文信息的干扰。
2. MinIO 对象存储：任务执行中产生的中间文件和数据，不再通过聊天上下文传递，而是统一存储到中央对象存储中。这显著减少了上下文长度、降低了 Token 成本，并提升了系统处理大文件的稳定性。

按需唤醒机制

在多 Agent 的聊天环境中，如果每条消息都触发所有 Agent 进行推理，成本将不可控。

HiClaw 引入了按需唤醒机制：

• 只有被 @ 提及的 Agent 才会被唤醒并进行推理。
• 普通的聊天消息不会唤醒所有在线的 Agent。

这一机制有效降低了 LLM 的推理成本，减少了系统负载，同时也让响应更加聚焦和快速。

5分钟快速本地部署

HiClaw 提供了极简的一键安装方式，方便开发者快速体验。

基本环境要求：

• Docker Desktop 或 Docker Engine
• 2 核 CPU
• 4GB 内存
• 至少准备一个可用的大模型 API Key

安装命令：

bash <(curl -sSL https://higress.ai/hiclaw/install.sh)

根据官方说明，整个系统的安装和启动过程大约只需要5分钟。对于想要快速上手体验多智能体协作能力的开发者来说，这无疑是一个低门槛的优质开源实战项目。