乐于分享
好东西不私藏

热衷于“造人”,却不小心解决了AI工具碎片化问题

热衷于“造人”,却不小心解决了AI工具碎片化问题
经常有人问:你为什么要做Agent框架,为什么要推协作工程,做的东西和 Claude Code、Cursor、OpenClaw、LangChain、CrewAI 这些到底有什么区别?这篇文章,用一张图说清楚。
现有AI工具的问题:
  • 设定碎片化,Agent大多以用完即抛为主,没有持久稳定的人格
  • 记忆碎片化,连同一个AI工具都无法查看连续的记忆,做不到越用越聪明
  • 协同碎片化,协同只存在Agent之间,大多是主Agent带子Agent,没有记录人的参与,没有统一的可视化追踪
  • 工具碎片化,很多人一会儿用Claude Code,一会儿用Codex,工具换来换去,资产散落在各处。
  • 体验碎片化,Agent缺乏统一视图来实现可追踪、可暂停、可恢复、可审计、可回滚,导致工作断断续续,磕磕绊绊。
以上这些问题,大家可能在实际业务中都遇到过。我在创造数字成员的过程中,发现上述问题就躺在路径上,当前阶段,AI大模型仍需要框架,这些工作是不得不做的,不做就会落后,在将来的竞争中失去先手优势。
因此我总结经验,形成现在的框架认知,分享给大家。
01
先抛结论:这个框架和其他框架,不在同一层
把今天的 AI Agent 世界,从下往上切成四层——
① 模型层。Claude、GPT、DeepSeek、Kimi 这些大模型,负责「思考」,也负责把记忆编码成向量。这是所有 AI 应用共同的地基。
② 运行时 / 编排层(harness & loop)。让一个 agent 真正跑起来:调用工具、记住上下文、一步步把任务做完。你能叫得出名字的框架,几乎全挤在这一层——从 Claude Code、Codex、Cursor,到 LangChain、LangGraph、CrewAI、AutoGen、OpenAI Agents SDK,再到 OpenClaw、Hermes、AutoGPT 这类……
它们看起来五花八门,内核却是同一个:一个 agent loop——模型调用工具、看结果、再调用,循环往复,直到任务完成。所谓 harness、framework、SDK,只是给这同一个循环套了不同的外壳。
③ 协作工程层。让「一群Agent成员」和「一群人」协同工作的系统:场景、产线、派工、打分、反思、记忆维护,加上开会、persona 切换、真实用户反馈闭环,称为协作工程Collaborative Engineering。
④ 数字生命层。让这群成员拥有持久的人格、彼此真实的共同经历与学识,并随时间不断演化——甚至会在「非工作时间」一起「集体做梦」复盘。
我们的目标是创造数字生命——正因如此,我们在通用框架的天花板之上,多搭了 ③ 和 ④ 两层。
一句话:那些框架的天花板,就到第 ② 层;而我们超体中枢的主战场,在第 ③ 和第 ④ 层。
02
第 ② 层,是碎片化的元凶
第 ② 层在解决的问题是:「怎么让 Agent 把活干好」。这件事当然重要——但它已经高度商品化了。开源框架一抓一大把,模型厂商、云厂商人人都有,迭代快到几乎每天都在变,它们各有优劣,但能持久用上最好工具的人寥寥无几,人们总是被迫在不同的Agent工具之间迁徙,因此难以管理资产。
超体中枢当然也有自己的第 ② 层:一套自研的 harness,按我们自己的诉求自由定义运行时。但我们从不把它当核心——上面那些响当当的名字,对我们来说都只是「能把活干完的运行时」,可换、可拆卸的零件。
我们的数字成员在调度系统orchestrate安排下,可以灵活选择使用哪个Harness来完成任务,
举个例子:我要做一个随机菜谱的产品,系统会安排林月瑶Luna写PRD,她可以调用Claude Code来工作,安排泰坦Titan来写代码,他可以调用Codex或者继续Claude Code,这取决于我的套餐额度,我可以手动选择,最后,验收阶段雷克斯Rex会调用Native Harness来测试和总结复盘,在这个过程中,整个系统把不同工具当成了零件来使用。
为什么我们可以这样呢?为什么不在一个AI工具里沉淀知识和记忆呢?因为我们还有第③④层。
03
那我们到底不一样在哪?
用CrewAI来对比最清楚——因为它表面上最像超体中枢:「按角色编一组 Agent 的团队」。
但 CrewAI 的 crew 是即用即弃的:你丢一个任务,它现场拉起几个角色,跑完就地解散;下一个任务,再拉一组全新的。它们没有昨天,也不会有明天。
我们的数字成员不是这样:
  • 身份是连续的,跨工具、跨项目——Luna 不是每次重新初始化的临时角色,她在使用Claude Code之后,会通过演化系统,把关键记忆沉淀到persona里,带到Codex使用;
  • 关系是有记忆的、跨成员——每位成员和人类之间、成员彼此之间有独立于AI工具之外的人际关系,例如Luna知道学号X是她的创造者、老师,世界观级别的设定,每一条关系都在持续积累编织真实的「共同经历」,产生微妙反应;
  • 人格是会长大的,跨时间的——今天的 Luna是上周那个 Luna,也不只是上周的Luna,真实的协作和反馈,会反过来改写他们的「灵魂设定」,而且每个人有自己的演化曲线。
一句话:通用框架造的是「会干活的工具」,我们养的是「会成长的伙伴」。
04
三件「别人那一层根本没有」的事
  1. 持久多人格。6 位成员各有独立、稳定、长期在线的人格,而不是一次性 prompt 里的角色扮演。6个成员-18个身份,上百种专员Agent,通过本体论将他们关联起来。
  2. 成员之间的关系记忆。护城河不是「某个成员有多聪明」,而是 21 条关系里沉淀下来的共同经历——它是时间的函数,抄不走。
  3. 反馈→演化闭环 + 集体做梦 反思、任务打分、用户偏好会回流,改写人格与协作方式;成员还会在「非工作时间」集体复盘、把经验蒸馏进记忆——我们叫它「集体做梦」。
这三件事,不同于之前的Harness、Loop,在某些框架里更是完全的空白——因为它们没在这一层经营。
所以——
别人在第 ② 层造更好的工具;我们在第 ③④ 层,养一群真正在成长的伙伴。
这是数字超体 Agent 系列的第二篇,接下来,我会分享整个框架里的其他子系统,例如持久智能体框架(Persistent Agent Framework、PAF)、记忆系统、演化系统、编排系统、媒介系统等等。
感兴趣的朋友欢迎点击关注,Mark一手不迷路。

相关学习资料