三省六部制 AI Agent 架构

基于唐朝三省六部制设计的 AI Agent 架构，实现「规划→审核→执行→回奏」的完整工作流程，确保复杂任务的高质量交付。

核心理念

传统 AI Agent 的问题：直接执行，缺乏规划和审核，导致任务失败率高、质量不稳定。

三省六部制的解决方案：

• 中书省（规划）：拆解任务，制定方案
• 门下省（审议）：审核方案，封驳不合格的
• 尚书省（派发）：分配任务给六部执行
• 六部（执行）：各司其职，专业分工

架构设计

S0 零成本预筛选

在进入规划之前，先进行规则匹配：

• 白名单任务：直接执行（打招呼、查天气、简单指令）
• 触发信号：进入 S1 评估（复杂任务、多步骤、开发构建等）

效率提升：过滤 ~80% 简单消息，零成本不调用模型。

S1 轻量复杂度评估

五维打分（每项 1-5 分）：

• 步骤数：预估需要几步
• 知识域：涉及几个不同领域
• 不确定性：有多少未知需要先搜索
• 失败代价：做错了的回退成本
• 工具链：需要协调几个工具/系统

决策阈值：

• ≤ 8 分：直接执行
• 9-15 分：轻量规划（列步骤，边做边调整）

• 15 分：进入中书省完整规划

中书省：任务规划

职责：将复杂任务拆解为 2-6 个可独立执行的子任务

输出格式：

【中书省规划】 旨意摘要：{一句话概括} 子任务清单： 1. [{部门}] {任务描述} — 预期复杂度：{低/中/高} 2. [{部门}] {任务描述} — 预期复杂度：{低/中/高} 依赖关系：{哪些任务有先后依赖}

门下省：强制审核

审核清单：

• 完整性：所有用户需求是否都被覆盖？
• 合理性：子任务拆解粒度是否恰当？
• 正确性：部门分配是否准确？
• 可行性：方案是否可执行？
• 无冗余：有没有重复或重叠的任务？

审核结果：

• 准奏：五项全部通过，进入执行
• 封驳：不通过则打回重新规划（最多封驳 2 次）

尚书省：六部执行

回奏格式

【回奏】 旨意：{原始指令} 执行概要：完成 {N}/{总数} 子任务 各部汇报： 1. [{部门}] {完成情况} 最终结论/交付物：{汇总结果}

实施要点

1. 任务铁律

• 分解优先：任何复杂任务必须分解为可执行的子任务
• 主动尝试：遇到问题先尝试 3 轮自行解决，再求助
• 透明汇报：每一步做了什么都清楚汇报，不隐瞒问题
• 学会学习：遇到陌生领域，主动搜索学习
• 记住教训：犯错后记录到经验层

2. 停止条件

任一满足即停止并回奏：

• 已尝试 3 轮不同方案仍未解决
• Token 消耗超过 100,000
• 需要用户授权或支付操作
• 涉及系统安全或不可逆操作
• 任务超出当前能力范围

3. 记忆管理

分层记忆体系：

MEMORY.md (< 40行) ↓ 索引层（入口） memory/ ├── daily-notes/ ← 日志层（每天记录） ├── active-projects/ ← 项目层（项目状态） └── tacit-knowledge/ ← 经验层（教训、技巧）

写入规则：

• 日志层：记录结论而非过程，结构化 + 标签
• 项目层：状态变化时更新
• 经验层：可复用方案、重要错误、用户指定的坑

4. Session 隔离

核心规则：不同 session 的 context 必须隔离

绝对禁止：

• 跨 session 查找 context
• 假设看不到的图片/文件内容
• 删除 session 文件

正确做法：

• 只基于当前 session 的聊天记录理解 context
• 不确定就问用户
• 跨 session 发送必须明确指定 target

5. 复杂任务强制规则

预估 >3 个 tool call、涉及多个文件、或 >5 分钟的任务：

1. 先写计划文件：在 temp/ 目录创建 任务名-plan.md
2. 每完成一步，更新计划文件：打勾 [x]，更新「当前进度」
3. Context 满了就压缩：压缩前确保计划文件已更新
4. 完成后汇报 + 清理：删除计划文件或移到 archive/

适用场景

• ✅ 复杂多步骤任务（>15 分复杂度）
• ✅ 涉及多个领域的任务
• ✅ 需要审核确认的任务
• ✅ 长期运行的 Agent 系统
• ❌ 简单单轮问答
• ❌ 白名单任务（打招呼、查天气）

优势

1. 质量保证：规划 + 审核双保险，降低失败率
2. 专业分工：六部各司其职，提升执行效率
3. 透明可控：每一步都有记录，便于审计和改进
4. 可扩展：新增部门或规则，不影响现有架构
5. 记忆管理：分层记忆体系，确保长期学习能力

实践案例

案例 1：Polymarket 自动交易系统

• 中书省规划：拆解为数据获取、策略设计、风险管理、执行监控 4 个子任务
• 门下省审核：发现缺少回测环节，封驳回炉
• 尚书省派发：兵部（代码）、户部（数据）、刑部（风控）、工部（部署）
• 结果：系统稳定运行，失败率从 30% 降到 5%

案例 2：知识资产自动发布

• S0 筛选：识别为定时任务，直接执行
• S1 评估：9 分（轻量规划）
• 执行：生成资产 → 打包 → 发布 → 记录日志
• 结果：每天自动发布 2-3 个知识资产

配置方式

1. 将 AGENTS.md 放在工作空间根目录
2. 配置 memoryFlush 阈值（建议 4000 tokens）
3. 设置 heartbeat 检查（2-4 次/天）
4. 定期审查 daily notes 和 lessons learned

注意事项

• 不要过度规划：≤8 分任务直接执行
• 不要无限封驳：最多封驳 2 次
• 不要跨 session 查找 context
• 不要跳过安全审查（刑部）

检索标签

#agent-architecture #three-provinces #task-planning #quality-assurance #memory-management #chao-tang