jiuwenswarm
华为开源的多智能体 Agent 框架，像蜂群一样协作完成任务
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
华为开源的多智能体 Agent 框架，像蜂群一样协作完成任务
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这样的场景：你对手机上的 AI 助手说"帮我订明天去上海的机票，顺便查一下当地天气，并把行程添加到日历"——传统的 AI 助手会将这三个任务合并处理，容易出现信息遗漏或执行顺序混乱。而 JiuwenSwarm 会像一个经验丰富的私人助理，先拆解任务、评估优先级，再调度不同的专业工具分别执行，最终汇总结果呈现给你。这就是"Swarm"（蜂群）架构的精髓：多个专业 Agent 协同作战，各司其职，有序完成复杂任务。
JiuwenSwarm 由华为云 MaaS（Model as a Service）团队孵化，核心目标是打破商业 AI 助手的数据主权困境。2024 年，随着大模型能力爆发，各类 AI 助手如 ChatGPT、Claude、华为小艺快速普及，但这些助手均为闭源 SaaS 服务，用户的所有对话数据都被平台方掌控——这对于企业级用户和对隐私敏感的个人用户而言是不可接受的。
与此同时，华为鸿蒙生态中的小艺助手拥有数亿月活用户，如何让这些用户在手机端也能便捷调用开源 AI 能力？JiuwenSwarm 应运而生：它是一个完全开源、可自托管的 AI Agent 框架，通过小艺开放平台深度集成，让华为手机用户直接通过语音唤醒 JiuwenSwarm，在享受大模型能力的同时，数据完全留在本地。
JiuwenSwarm 的代码架构采用清晰的三层解耦设计，这是它区别于其他开源 Agent 框架的核心技术亮点。
第一层：Swarm 装配层（jiuwenswarm/agents/swarm/）。这是整个系统的"大脑指挥官"，负责将用户的配置声明（YAML/JSON）解析为可执行的 Agent 团队。其核心设计哲学是"纯声明式装配"：你只需在配置文件中声明"需要哪些角色、每个角色用什么模型、配备哪些工具"，框架会自动完成所有对象的创建和连接，完全不需要写代码。这一层引入了 OpenJiuwen 作为底层依赖——这是华为开源的 Agent 运行时框架，提供了 Spec 模型（RailSpec、BuiltinToolSpec、SubAgentSpec）和 Provider 注册表机制，实现了框架层面的标准化。
第二层：Symphony 技能调度层（jiuwenswarm/symphony/）。如果说 Swarm 是指挥官，Symphony 就是"技能图书馆管理员"。它维护一套 Capability Tree（能力树）索引系统，当 Agent 需要执行某个任务时，Symphony 会从本地技能库中智能检索最匹配的 Skill 插件。整个流程是：扫描 skill/plugin 目录 → 基于 LLM 构建能力树索引 → 任务请求到来时通过向量检索匹配最佳技能 → 将技能注入 Agent 的执行上下文。Symphony 还支持 Skill 自演进：当 Agent 执行任务失败或用户表达不满时，系统会自动分析失败原因，修改对应 Skill 的实现代码，让 Agent"越用越聪明"。
第三层：多渠道接入层（jiuwenswarm/channels/）。这是 JiuwenSwarm 的"社交能力"体现。框架原生支持 Web（FastAPI + Vue 前端）、飞书、钉钉、微信企业版、Telegram、Discord、WhatsApp，甚至华为小艺。换句话说，无论用户习惯用哪种 IM 工具，都可以通过 JiuwenSwarm 与 AI Agent 对话。渠道接入层通过统一的 Gateway 模块实现，所有消息经过格式标准化后进入内部 Pipeline，实现了接入与核心逻辑的完全解耦。
从 pyproject.toml 可以完整看到 JiuwenSwarm 的技术栈全景。模型层，项目优先适配华为云 MaaS API，同时也支持 OpenAI 兼容接口（通过 openjiuwen 的 provider 机制可扩展）。向量数据库，使用 ChromaDB（客户端）和 SQLite-Vec（轻量级向量扩展）进行语义检索，配合 pgvector 支持企业级的 PostgreSQL 向量存储。运行时，核心依赖 FastAPI + Uvicorn 构建 Web 服务，WebSocket 实现实时双向通信。工具生态，通过 A2UI Agent SDK 接入 Agent 协议，通过 MCP（Model Context Protocol）扩展工具集，支持 dingtalk-stream、python-telegram-bot、discord.py 等主流 IM SDK。观测能力，集成 OpenTelemetry 全链路追踪，支持 OTLP gRPC/HTTP 双协议导出。
值得注意的是，项目依赖中的 skillnet-ai==0.0.16 是一个重要的生态依赖——它代表 JiuwenSwarm 与 SkillNet 技能市场的深度集成，用户可以直接从技能市场安装第三方开发的 Agent 技能插件，无需从零开发。
JiuwenSwarm 提供两种部署路径，适合不同技术水平的用户。简单路径：一行 pip install jiuwenswarm，然后执行 jiuwenswarm-init 初始化工作区，再 jiuwenswarm-start 启动服务，访问 http://localhost:5173 即可在浏览器中与 Agent 对话。整个过程对 Python 3.11+ 有基本了解即可完成。容器化路径：项目在 docker/ 目录提供了三个 Dockerfile，Dockerfile.claw 是主镜像（包含前端构建 + Python 服务），Dockerfile.claw.base 是含 Node.js 的基础镜像。deploy/observability/ 目录还提供了 OpenTelemetry collector 的 docker-compose 配置，适合生产环境监控。
部署过程中的一个值得注意的设计细节：jiuwenswarm-app 启动命令（对应 jiuwenswarm.app:main）会同时启动 AgentServer 和 Gateway 两个进程，通过环境变量和 dotenv 文件实现进程间协作。这比传统的单体架构更利于水平扩展，也为后续的分布式 Team 模式（多实例运行）奠定了基础。
JiuwenSwarm 的记忆系统是其最具差异化的功能模块。与简单的对话历史存储不同，它构建了一套多层次记忆体系。对话记忆，记录所有会话上下文，支持向量语义检索，用户可以随时"调取"过去的对话内容。任务经验记忆（TaskMemory），针对 Agent 执行任务的场景，系统会记录每次任务的目标、过程、结果和反馈，形成经验库——下次遇到类似任务时，Agent 会主动参考历史经验。编码记忆（CodingMemory），这是 Code 模式下的专属记忆，保存代码片段、技术决策和调试记录，帮助 Agent 在处理编程任务时保持上下文一致性。上下文压缩卸载，当对话上下文过长时，系统会自动触发压缩机制，将历史信息"消化"为摘要，释放 token 预算。
JiuwenSwarm 定义了四种 Agent 工作模式，切换灵活：PLAN 模式，Agent 在执行前先生成完整计划，用户确认后再执行，适合需要人工把关的高风险操作；AGENT 模式，纯自主执行，适合低风险、重复性的任务；CODE 模式，Agent 进入编程辅助模式，强化代码生成、调试和解释能力；TEAM 模式，启用多 Agent 协作，Leader Agent 会拆解任务并指派给 Team 成员，适合复杂的多步骤工作流。每个模式都有对应的 YAML 配置模板，存放在 jiuwenswarm/resources/ 目录，用户可以通过配置切换，无需改代码。
JiuwenSwarm 并非没有短板。第一，文档成熟度参差不齐。虽然 docs/zh/ 目录有大量中文文档（45+ 个 MD 文件），但很多文档仍处于"模板待填充"状态（如 README_new.md 中大量"填写 XXX"的占位符），部分功能文档与代码实现存在脱节。第二，依赖复杂度较高。pyproject.toml 声明了 30+ 直接依赖，涉及 IM SDK（钉钉/飞书/Telegram/Discord）、向量库、观测框架等，对初次接触的开发者而言，排查依赖冲突需要一定经验。第三，GitCode 优先策略。部分核心依赖（如 openjiuwen）直接从 GitCode（华为的代码托管平台）而非 GitHub 安装，在国际化和社区生态方面仍有提升空间。第四，生产化能力待验证。虽然提供了 OpenTelemetry 配置，但缺少完整的 SRE 运维文档（如日志规范、告警规则、扩缩容策略），企业级生产部署需要额外的工作。
JiuwenSwarm 的出现标志着国产开源 AI Agent 框架进入了一个新阶段。2023-2024 年间，LangChain、AutoGPT 等项目掀起了"AI Agent 热"，但这些框架普遍存在部署复杂、调试困难、文档缺失等问题。JiuwenSwarm 从华为的工程实践出发，将多 Agent 协作、Skill 自演进、多渠道接入等能力进行了系统性整合，并通过 pip 一键安装和 Web UI 降低了使用门槛。
从增长趋势看，随着华为鸿蒙生态的持续扩张和小艺月活用户增长，JiuwenSwarm 有望成为连接开源 AI 能力与华为终端生态的关键桥梁。对于 AI 爱好者，它是体验本地化 AI Agent 的绝佳入口；对于开发者，它是构建垂直领域 AI Agent 系统的参考范本；对于企业用户，它提供了数据自主可控的 AI 助手解决方案。在"AI 普惠"的大趋势下，JiuwenSwarm 正在用自己的方式，为"让 AI 触手可及"这一愿景写下注脚。