molecule-core/README.zh-CN.md at 31da53bf5b39aac2f3cc87fbe1e0b49d032d38f7

molecule-ai/molecule-core

Fork 2

Hongming Wang 870faabced docs(gate-5): document Temporal dependency in CLAUDE.md/PLAN.md

2026-04-13 21:38:25 -07:00

14 KiB

Raw Blame History

English | 中文

面向异构 AI Agent 团队的组织级控制平面

全球最强大的 Agent Team 治理方案。

Visual Canvas • Runtime Compatibility • Hierarchical Memory • Skill Evolution • Operational Guardrails

文档首页 • 快速开始 • 系统架构 • Platform API • Workspace Runtime

一句话定位

Molecule AI 是目前最强的 AI Agent 组织治理方案之一，用来把 agent 从“能跑的 demo”推进到“可管理、可协作、可运营的生产系统”。

它把过去分散在 demo、内部胶水代码和各类 framework 私有工具里的关键能力，收敛成一个产品：

一套组织原生 control plane，管理团队、角色、层级和生命周期
一套 runtime abstraction，让 LangGraph、DeepAgents、Claude Code、CrewAI、AutoGen、OpenClaw 并存运行
一套与组织边界对齐的 memory 模型，把 recall、sharing 和 skill evolution 放进同一体系
一套面向线上 workspace 的运维面，统一完成观测、暂停、重启、检查和持续改进

今天很多团队能做好 workflow、单 agent、coding agent，或者自定义 multi-agent graph 中的一种。

但很少有团队能把这些能力一起运行成一个有清晰结构、稳定 memory 边界和生产级运维能力的 Agent 组织。

Molecule AI 填的就是这个空白。

为什么 Molecule AI 很不一样

1. 节点是角色，不是任务

在 Molecule AI 里，workspace 是一个组织角色。这个角色今天可以是单 agent，明天可以扩成内部子团队，而且对外身份、层级位置、memory 边界和 A2A 接口都不变。

2. 组织图就是拓扑

你不需要手动画协作边。层级天然决定默认协作路径。这里的组织结构不是装饰性 UI，而是运行模型本身的一部分。

3. Runtime 选择不再是死路

LangGraph、DeepAgents、Claude Code、CrewAI、AutoGen、OpenClaw 都可以挂到同一个 workspace abstraction 下。团队可以统一治理方式，而不必统一到底层 runtime。

4. Memory 被当成基础设施来做

Molecule AI 的 HMA 不是“多存一点上下文”而已。它关注组织边界、durable recall、scope sharing、awareness namespace、skill promotion，把这些放在一个完整体系里。

5. 它自带真正的 control plane

Registry、heartbeat、restart、pause/resume、activity、approval、terminal、files、traces、bundles、templates、WebSocket fanout 都不是补丁，而是平台一等能力。

Molecule AI 填补了什么市场空白

类别	擅长什么	通常卡在哪里	Molecule AI 补上的部分
Workflow builder	可视化任务编排	节点是任务，不是持久组织角色	角色原生 workspace、层级结构、长期团队
Agent framework	Runtime 语义强	缺统一 control plane 和组织级运维	生命周期、Canvas、registry、策略、observability
Coding agent	本地执行很强	不适合直接当团队基础设施	Workspace abstraction、A2A 协作、平台化运维
自定义 multi-agent graph	灵活度高	拓扑脆弱、治理分散	在保留 runtime 自由度的同时统一 operating model

Molecule AI 的可防御优势

优势	为什么重要
角色原生 workspace 抽象	模型切换、框架切换、团队扩容都不会打碎你的组织结构
分形式团队扩展	一个 specialist 可以平滑升级成一个部门，而不影响上游集成
异构 runtime 兼容	不同团队可以保留偏好的 agent 架构，但共用一套平台规则
HMA + awareness namespace	Memory 分享沿组织边界走，而不是全局乱穿透
Skill 演化闭环	成功工作流可以从 memory 逐步提升成可热加载的 skill
WebSocket-first 运维体验	Canvas 能即时反映任务状态、结构变更和 A2A 响应
Global secrets + local override	统一管理 provider 凭据，只在需要时做 workspace 级覆写

兼容哪些 Agent 架构，怎么对比

Molecule AI 并不是要替代下面这些 framework，而是把它们纳入更强的组织级 operating model。

Runtime / 架构	当前仓库状态	原生优势	Molecule AI 额外补上的能力
LangGraph	`main` 已支持	图控制强、工具调用成熟、Python 扩展性好	Canvas orchestration、层级路由、A2A、memory scope、operational lifecycle
DeepAgents	`main` 已支持	规划和任务拆解更强	同一套 workspace contract、团队拓扑、activity、restart 行为
Claude Code	`main` 已支持	真实编码工作流、CLI-native continuity	安全 workspace 抽象、A2A delegation、组织边界、共享 control plane
CrewAI	`main` 已支持	角色型 crew 模式清晰	持久 workspace 身份、统一策略、共享 Canvas 和 registry
AutoGen	`main` 已支持	assistant/tool orchestration	统一部署、层级协作、共享运维平面
OpenClaw	`main` 已支持	CLI-native runtime，自有 session 模型	workspace 生命周期、templates、activity logs、拓扑感知协作
NemoClaw	`feat/nemoclaw-t4-docker` 分支 WIP	NVIDIA 方向 runtime 路线	计划并入同一抽象层，但当前还不是 `main` 已合并能力

核心价值就是：多种 agent runtime，共用一套组织级操作系统。

为什么我们的 Memory 架构会越跑越强

很多项目停留在“加了 memory”。Molecule AI 走得更远：

常见 memory 方案	Molecule AI
扁平 store 或弱命名空间隔离	与层级对齐的 `LOCAL`、`TEAM`、`GLOBAL` scope
分享很容易越界	分享是显式且结构感知的
Memory 和 procedure 混成一团	Memory 存 durable facts，skills 存 repeatable procedure
任意 agent 容易过权	workspace awareness namespace 缩小 blast radius
UI memory 和 runtime memory 混在一起	scoped agent memory、key/value workspace memory、recall surface 分层清晰

这套飞轮怎么转

任务执行
   -> durable insight 进入 memory
   -> 重复成功变成 signal
   -> workflow 提升成 skill
   -> skill 热加载回 runtime
   -> 后续协作更快、更稳

这正是 Molecule AI 最强的长期价值之一：系统会越来越像一个组织，而不是越来越像一段越来越大的隐藏 prompt。

Molecule AI 内建的自我进化式 Agent Team 架构

很多 agent 系统停留在“runtime 很聪明”。Molecule AI 往前走了一步: 它让团队可以把有效经验写入 durable memory，把稳定 workflow 提升成 skill，把这些改进热加载回 live workspace，并且让整条闭环在平台层可见、可治理、可复用。

对比维度	常见自我进化 agent 模式	Molecule AI
进化单元	单个 agent session 或 runtime	一个 workspace、一个团队，最终到整张组织图谱
运维可见面	主要隐藏在 agent 内部循环里	可被平台、Canvas、activity stream、memory surface、runtime controls 共同观察和治理
战略结果	一个更聪明的 agent	一个会持续复利、沉淀 durable knowledge 和 governed skills 的 AI 组织

在 Molecule AI 里，这条闭环落在哪些模块

核心机制	Molecule AI 对应模块	为什么重要
跨 session 的 durable memory	`workspace-template/builtin_tools/memory.py`、`workspace-template/builtin_tools/awareness_client.py`、`platform/internal/handlers/memories.go`	不只是持久化，而且是按 workspace 隔离的，可进一步路由到和组织结构绑定的 awareness namespace
Cross-session recall	`platform/internal/handlers/activity.go` 中的 `/workspaces/:id/session-search`	Recall 同时覆盖 activity history 和 memory rows，不需要再造一个隐蔽的新存储层
从经验里长出技能	`workspace-template/builtin_tools/memory.py` 里的 `_maybe_log_skill_promotion`	从 memory 到 skill candidate 的提升会被显式记录成平台 activity，而不是默默发生在黑盒里
技能在使用中持续改进	`workspace-template/skill_loader/watcher.py`、`workspace-template/skill_loader/loader.py`、`workspace-template/main.py`	Skill 改动可以热加载进 live runtime，下一次 A2A 任务就能直接使用，不需要重启 workspace
持久化 skill 生命周期	`platform/cmd/cli/cmd_agent_skill.go`、`workspace-template/plugins.py`	Skill 不只是“生成一次”，而是可以 audit、install、publish、plugin 挂载、治理和复用的正式资产

为什么这在 Molecule AI 里更适合团队级系统

学习闭环是 org-aware 的，而不只是 session-aware。 Memory 可以按 LOCAL、TEAM、GLOBAL scope 运作，awareness namespace 让每个 workspace 都有清晰的持久边界。
学习闭环是对运维可见的。 Promotion events、activity logs、current-task updates、traces、WebSocket fanout 让自我进化进入 control plane，而不是藏在黑盒内部。
学习闭环是可以跨团队复利的。 某个 workspace 学出来的稳定 workflow 可以变成受治理的 skill，热加载回 runtime，写进 Agent Card，并继续服务更大的组织层级。

所以 Molecule AI 的目标不只是“一个会学习的 agent”，而是一个会随着工作沉淀出 durable memory 和 reusable procedure、并持续变强的 AI 组织。

`main` 分支已经具备什么

Canvas

Next.js 15 + React Flow + Zustand
drag-to-nest 团队构建
empty state + onboarding wizard
template palette
bundle import/export
包含 chat、activity、details、skills、terminal、config、files、memory、traces、events 的 10 个侧栏 tab

Platform

Go/Gin control plane
workspace CRUD 和 provisioning
registry 与 heartbeat
浏览器安全的 A2A proxy
team expansion/collapse
activity logs 与 approvals
secrets 和 global secrets
files API、terminal、bundles、templates、viewport persistence

Runtime

统一 workspace-template/ 镜像
adapter 驱动执行
Agent Card 注册
awareness-backed memory
plugin 挂载共享 rules/skills
本地 skills 热加载
coordinator-only delegation 路径

Ops

Langfuse traces
current-task reporting
pause/resume/restart
activity streaming
runtime tiers
终端与文件层面的 workspace 直接排障

适合什么团队

Molecule AI 特别适合下面这些场景：

需要 PM / Dev Lead / QA / Research / Ops 等角色协作的 AI 工程团队
不同子团队偏好不同 agent runtime 的组织
需要长期 memory 边界和技能沉淀的 agent 系统
想把 agent team 作为正式基础设施，而不是零散脚本的内部平台团队

架构总览

Canvas (Next.js :3000)  <--HTTP / WS-->  Platform (Go :8080)  <---> Postgres + Redis
         |                                          |
         |                                          +--> Docker provisioner / bundles / templates / secrets
         |
         +-------------------- 展示 --------------------> workspaces, teams, tasks, traces, events

Workspace Runtime (Python image with adapters)
  - LangGraph / DeepAgents / Claude Code / CrewAI / AutoGen / OpenClaw
  - Agent Card + A2A server
  - heartbeat + activity + awareness-backed memory
  - skills + plugins + hot reload

快速开始

git clone https://github.com/Molecule-AI/molecule-monorepo.git
cd molecule-monorepo

./infra/scripts/setup.sh
# 启动 Postgres (:5432)、Redis (:6379)、Langfuse (:3001)
# 以及 Temporal (:7233 gRPC, :8233 UI)，全部挂在共享的
# `molecule-monorepo-net` Docker 网络上。Temporal 默认无鉴权，
# 仅用于本地开发；生产环境必须加 mTLS / API Key。

cd platform
go run ./cmd/server

cd ../canvas
npm install
npm run dev

然后打开 http://localhost:3000：

在 empty state 中部署模板，或者创建 blank workspace。
跟着 onboarding guide 进入 Config。
在 Secrets & API Keys 中添加 provider key。
打开 Chat 并发送第一条任务。

文档导航

文档首页
快速开始
产品概览
系统架构
记忆架构
Platform API
Workspace Runtime
Canvas UI
本地开发
生态观察 — 值得关注的相邻项目（Holaboss、Hermes、gstack 等）

当前范围说明

当前 main 已经包含核心平台、Canvas、memory model、6 个正式 adapter、skill lifecycle 和主要运维面。像 NemoClaw 这样的相邻 runtime 路线仍然属于分支级工作，只有合并后才会进入正式支持列表，这里会明确区分。

License

允许个人、内部与非商业用途。不得使用本作品提供与本产品竞争的商业服务。2029 年 1 月 1 日起转为 Apache 2.0。

14 KiB Raw Blame History Unescape Escape