广东倾云科技有限公司
返回案例列表

公司案例

重磅开源！Qyclaw：国产多智能体操作系统，让AI协作像呼吸一样自然

倾云科技开源的企业级自动化 AI 工作流平台 —— Qyclaw。文章深入解析了基于 OpenClaw 架构打造的多 Agent 协同机制、飞书生态整合方案、流程编排引擎及企业级安全权限控制，全面展示了 Qyclaw 如何帮助企业快速搭建自主可控的 AI 自动化工作流。

重磅开源！Qyclaw：国产多智能体操作系统，让AI协作像呼吸一样自然

Qyclaw 是一个面向多租户场景的智能体操作平台。

它不是一个只会“聊天回复”的前端壳，也不是一个把整套智能体直接塞进容器里跑的黑盒。Qyclaw 的核心目标是：    

  • 让智能体真正可运行、可隔离、可审计
  • 让用户记忆、技能、工具、外部连接都能分层管理
  • 让同一个平台可以在不同智能体后端之间切换
  • 让高风险执行进入容器沙箱，而不是把整套系统都绑死在容器里

00.png

https://github.com/760485464/qyclaw.git

项目定位

Qyclaw 可以理解为一个“平台化的智能体操作系统”：

  • 上层是多用户、多会话、多技能、多连接器的平台能力
  • 中间是队列、调度、记忆、权限、审计等运行时编排能力
  • 下层是容器化工具执行沙箱

它适合这些场景：

  • 团队内部的智能体工作台
  • 带审批和审计的自动化任务执行
  • 需要会话级工作区和文件处理的代理任务
  • 需要用户记忆、技能管理、MCP 接入的 AI 平台
  • 希望在 deepagents 和 claude 之间切换后端的系统

和 OpenClaw 相比，我们的优势

如果把 OpenClaw 理解为一个偏“单智能体执行内核”的基础形态，那么 Qyclaw 的重点不是简单复刻，而是把它平台化、可运营化、可隔离化。

01.png

Qyclaw 的增强点主要在这几个方向：

1. 多租户，而不是单会话实验项目

Qyclaw 原生支持：

  • 用户体系
  • 会话体系
  • 技能发布与审核
  • 会话级工作区
  • 多用户隔离
  • 管理端

这意味着它不是“本地 agent demo”，而是可以向团队内部真实交付的平台。


2. 记忆是分层的，不是只有上下文拼接

Qyclaw 现在把记忆拆成：

  • 用户长期记忆
  • 会话记忆
  • 记忆候选
  • 记忆审计日志

这带来的好处是：

  • 用户偏好可以跨会话延续
  • 当前会话状态不会污染所有会话
  • 记忆的读取、提取、更新都能审计
  • 后续可以继续扩展到 tenant 级记忆策略

3. 工具、技能、连接器是分层建模的

Qyclaw 不是把所有能力都混成“tool”。

当前系统已经区分：

  • System Tool
    • 平台内建能力
    • 比如 terminal、web_search、fetch_url
  • Skill
    • 面向行为和流程封装
    • 支持草稿、发布、分组、共享、复制
  • MCP Connection
    • 面向用户自己的外部能力接入
    • 比如 GitHub、Postgres、Notion、Custom HTTP

这种拆分非常重要，因为它让权限边界更清楚：

  • 平台能力归平台
  • 用户连接归用户
  • 行为封装归技能系统

4. 容器化隔离的是“工具执行”，不是整套智能体运行

这是 Qyclaw 一个非常关键的设计边界。

Qyclaw 并不是把整个 agent runtime 扔进容器里跑，而是采用：

  • 智能体编排在主系统
  • 工具执行在容器沙箱

也就是说：

  • 队列
  • 会话状态
  • 记忆编译
  • 审批流
  • SSE 推流
  • 多智能体后端切换

这些都在主系统中完成。

而下面这些高风险动作，才进入容器：

  • shell 命令执行
  • 文件读写
  • 技能脚本运行
  • Office/PDF/文件处理
  • 工作区内工具调用

这样做的优势是：

  • 主系统更容易管理状态和恢复
  • 安全边界更清晰
  • 工具风险被限定在沙箱中
  • 不会因为容器生命周期把整套 agent state 搅乱

5. 不止一个智能体后端

Qyclaw 当前支持按会话切换执行后端：

  • deepagents
  • claude

这意味着平台层和智能体后端是解耦的：

  • 会话、记忆、技能、MCP、审计这些资产保留在平台里
  • 后端可以逐步切换、灰度、fallback

这比“整个系统和单一 agent runtime 深绑定”更灵活。


6. 队列和调度能力更适合真实业务

Qyclaw 不是简单的“一条消息直接跑一轮”。

系统已经引入：

  • 会话级串行队列
  • 全局并发控制
  • 调度任务
  • 重试与退避
  • backend 路由与 fallback

这让它更适合：

  • 多用户并发
  • 定时任务
  • 文件任务
  • 长任务执行
  • 人工审批恢复

02.png

03.png

核心能力

1. 多会话、多用户、多租户基础

  • 会话管理
  • 用户登录与权限体系
  • 会话消息流
  • 管理端
  • 会话级 backend 选择

2. 智能体记忆

  • 会话记忆
  • 用户长期记忆
  • 记忆候选提取
  • 记忆审计日志
  • 记忆与会话实例绑定

Qyclaw 的设计原则是：

用户长期记忆属于用户，由会话实例加载和更新； 会话记忆属于当前实例，不自动污染长期记忆。

Hindsight 长期记忆集成

Qyclaw 现已支持把用户长期记忆接入 Hindsight。

Hindsight 项目地址：

  • GitHub: https://github.com/latent-knowledge/hindsight

当前接入方式如下：

  • 长期记忆按 user:{user_id} 聚合，不再按会话拆 bank
  • 回答前调用 Hindsight recall，把与当前问题相关的用户长期记忆注入提示词
  • 回答后调用 Hindsight retain，把用户输入和助手回答写入长期记忆
  • 会话 conversation_id 仍保留在 metadata/tag 中，用于来源追踪，但不参与长期记忆隔离
  • 本地数据库仍保留聊天消息和会话摘要；长期语义记忆由 Hindsight 提供

当前默认不会在每轮主链路中同步执行 reflect。Qyclaw 采用低频异步反思策略：

  • 每个用户累计完成若干轮 retain_turn 后，异步触发一次 Hindsight reflect
  • 触发阈值由配置项 hindsight.reflect_every_turns 控制
  • 设置为 0 时表示关闭自动 reflect


3. 工具系统

Qyclaw 目前对工具做了系统级建模：

  • 工具启用/禁用
  • 风险等级
  • 是否需要审批
  • 是否必须在容器中执行
  • backend 支持范围

高风险工具会受到更严格的限制，例如：

  • terminal 命令校验
  • debug_exec 权限控制
  • 文件路径真实路径校验
  • 容器挂载范围收紧

4. 技能系统

Qyclaw 的技能系统不是简单的“prompt 模板”。

当前技能作用域包括：

  • global
  • group
  • user
  • conversation

5. MCP 连接体系

Qyclaw 把用户自己的外部能力建模为 MCP，而不是硬塞进全局 tool。

当前已经支持：

  • MCP server definition
  • MCP connection
  • MCP binding
  • 会话级绑定
  • 用户私有连接隔离

这使得“用户自己的 GitHub / Postgres / Notion / 自定义 HTTP 连接”可以被平台正式管理。


6. 定时任务和调度

Qyclaw 已具备：

  • 定时任务模型
  • 任务运行日志
  • scheduler
  • 任务统一进入 runtime queue

这意味着它不仅能做对话式 agent，也能做自动化 agent。

容器只做工具执行沙箱，不承载整套智能体运行。