molecule-ai/molecule-core
35
0
Fork 2
Code Issues 16 Pull Requests 2 Actions 49 Packages Projects Releases Wiki Activity
d8026347e5
molecule-core/docs/product/landing-messaging-report.md
Hongming Wang 24fec62d7f initial commit — Molecule AI platform 
Forked clean from public hackathon repo (Starfire-AgentTeam, BSL 1.1)
with full rebrand to Molecule AI under github.com/Molecule-AI/molecule-monorepo.

Brand: Starfire → Molecule AI.
Slug: starfire / agent-molecule → molecule.
Env vars: STARFIRE_* → MOLECULE_*.
Go module: github.com/agent-molecule/platform → github.com/Molecule-AI/molecule-monorepo/platform.
Python packages: starfire_plugin → molecule_plugin, starfire_agent → molecule_agent.
DB: agentmolecule → molecule.

History truncated; see public repo for prior commits and contributor
attribution. Verified green: go test -race ./... (platform), pytest
(workspace-template 1129 + sdk 132), vitest (canvas 352), build (mcp).

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-13 11:55:37 -07:00

22 KiB
Raw Blame History

Molecule AI Landing Messaging Report

Last updated: 2026-04-09

1. Executive Summary

基于当前 main 分支，Molecule AI 最适合对外讲的，不是“又一个 agent framework”，也不是“又一个 workflow builder”，而是一个更高层、更接近生产系统的类别：

Molecule AI is the org-native control plane for heterogeneous AI agent teams.

它解决的核心问题不是“单个 agent 怎么更聪明”，而是当企业开始真正运行一支 AI 团队时，如何把这些 agent 组织起来、治理起来、观察起来、恢复起来，并且允许不同 runtime 在同一个组织系统里协作。

从当前仓库能被严格支持的叙事看，Molecule AI 已经具备以下清晰卖点：

  1. Workspace 是角色，不是任务节点
  2. 组织结构本身就是协作拓扑
  3. 不同 agent runtime 可以共存于同一控制平面
  4. 记忆边界沿组织边界流动，而不是全局混写
  5. 平台具备真实 control plane 能力，而不是停留在 demo orchestration
  6. 系统已经开始形成 memory -> skill -> operational improvement 的复利闭环

因此，landing page 的主叙事应该从“agent 很强”转向“AI 团队可被设计、治理、扩张、运行和恢复”。

2. 基于最新版本的类别定义

2.1 一句话定义

Molecule AI 是一个面向 heterogeneous AI agent teams 的 org-native control plane。

更直白一点：

  • 它不是只负责 prompt 编排
  • 不是只负责某一种 agent runtime
  • 也不是只负责画流程图

它负责把一整支 AI 团队作为一个可运行、可治理、可扩张的组织系统来管理。

2.2 它填补的类别空白

当前市场里大多数产品大致分成四类：

  1. 聊天型 AI 产品

    • 强在单用户交互
    • 弱在组织结构、治理、运行边界

  2. workflow builders

    • 强在任务流程编排
    • 节点通常代表 task / API / tool
    • 弱在角色抽象、长期团队形态、组织治理

  3. agent frameworks

    • 强在 agent loop、tool use、planning
    • 弱在 control plane、生命周期治理、跨团队运营

  4. coding agents / CLI agents

    • 强在真实执行
    • 弱在团队组织层、层级协作、统一运维面

Molecule AI 的定位更像：

The missing operational and organizational layer above agent runtimes.

这使它天然适合被定义为：

  • AI 团队控制平面
  • AI 组织操作层
  • heterogeneous runtimes 的统一治理层

2.3 我们真正卖的不是 agent，而是组织能力

Molecule AI 对外卖的不是“一个更强的 agent”，而是：

  • 一种构建 AI 组织的方法
  • 一套治理 AI 团队的控制平面
  • 一个允许多种 runtime 在统一规则下共存的组织层
  • 一个让 AI 从 demo 走向 production operations 的平台底座

3. 当前 main 可以明确宣传的产品事实

这一部分只写当前主分支有文档支撑、可以安全对外表达的内容。

3.1 Workspace 是角色容器，不是任务节点

当前产品最核心的抽象是 workspace。

在 Molecule AI 中，一个 workspace 同时是：

  • 一个组织角色
  • 一个 agent runtime 容器
  • 一个带 Agent Card 的 A2A 服务端点
  • 一个可以递归扩展为团队的组织单元

这意味着用户在画布上搭建的不是 workflow DAG，而是 AI 组织图。

这个抽象带来的对外价值非常强：

  • 模型可换，但角色不变
  • runtime 可换，但角色身份不变
  • 单 agent 可以扩展成团队，但对外接口不变

适合 landing page 的表达是：

Start with one agent. Expand into a team. Keep the same organizational identity.

3.2 组织图就是拓扑

Molecule AI 不是通过手动画边来表达协作关系。当前系统的默认协作表面由 hierarchy 决定：

  • parent -> child 可以委派
  • child -> parent 可以汇报
  • siblings 可以协作
  • 团队外不能直接访问私有子工作区

这意味着组织图不是“装饰性 UI”，而是系统运行逻辑的一部分。

对外讲法可以明确到：

The org chart is the topology.

这句话在当前版本是成立的，因为通信边界、team expansion、discoverability 和 private scope 都围绕层级关系实现。

3.3 当前 main 已经形成 heterogeneous runtime 叙事

当前 main 已合并并文档化的 runtime surface 是 6 个 adapter：

  • LangGraph
  • DeepAgents
  • Claude Code
  • CrewAI
  • AutoGen
  • OpenClaw

这里需要特别注意边界：

  • NemoClaw 目前不是 main 已合并能力
  • 它只应当被视为分支级 WIP / roadmap，不应写成 current product proof

因此当前最准确的对外表达是：

Standardize governance without standardizing runtimes.

这也是 Molecule AI 一个极强的对外差异点。因为它不要求用户放弃底层 runtime 选择，只要求团队把治理和组织标准提升到上层。

3.4 HMA 已经是可以成立的深度概念

当前版本的 memory 叙事，不应再写成泛泛的“agent memory”。

最新文档显示，Molecule AI 的记忆模型已经明确区分：

  • LOCAL
  • TEAM
  • GLOBAL

并且当前实现里存在多类 memory surface：

  1. agent_memories

    • 面向 HMA 的 durable scoped memory

  2. workspace_memory

    • 适合 UI 配置和结构化状态的 key/value memory

  3. session-search

    • 最近活动与记忆回溯

  4. awareness-backed persistence

    • 当 awareness 配置存在时，memory 会进入 workspace-scoped namespace

所以现在适合宣传的不是“记得更多”，而是：

Memory is treated like infrastructure, not a flat vector dump.

这句话与当前 main 是匹配的。

3.5 Skill evolution 是 Molecule AI 的复利点

当前 README 和 runtime docs 已经把以下路径讲清楚：

  1. 任务执行沉淀 durable insight
  2. 重复成功形成信号
  3. 经验被提升为 reusable skill
  4. skill hot-reload 回 runtime

这意味着 Molecule AI 的能力叙事不只是 memory，而是 memory 和 skills 的协同：

  • memory 用于存事实、上下文、长期知识
  • skills 用于存可复用 procedure

这是一个比“memory feature”更有平台感的产品点，因为它暗示系统能够把团队经验转化为可运行能力。

3.6 当前平台已经具备真实 control plane 轮廓

根据最新 README、canvas、quickstart 和 edit history，当前 main 已经可以对外讲这些 control plane 能力：

  • workspace CRUD 与 provisioning
  • registry + heartbeat
  • pause / resume / restart
  • health sweep + auto-restart
  • activity logs
  • current task reporting
  • Agent Card refresh
  • WebSocket fanout
  • browser-safe A2A proxy
  • terminal access
  • files access
  • traces
  • templates
  • bundles
  • global secrets with workspace override

这意味着 Molecule AI 不是只会“把 agent 放在画布上”，而是已经在形成一个真正的运营面板。

3.7 当前 canvas 已是运营 UI，而不是展示 UI

最新版本的 canvas 文档和 quickstart 已经把这一点坐实：

  • 空画布部署入口
  • onboarding wizard
  • drag-to-nest team building
  • 10-tab side panel
  • WebSocket-first chat response delivery
  • hydration retry
  • app-wide error boundary

所以 landing page 可以明确表达：

Molecule AI is not just a visualizer. It is the operational UI for AI teams.

3.8 Global secrets 是企业化落地的重要卖点

最新主分支已经有：

  • platform-wide secrets
  • workspace-level overrides
  • Config UI 中可视化 scope

这使得对外可以讲：

  • 企业不需要给每个 workspace 手动重复配置 provider key
  • 平台可以集中管理基础凭证
  • 特殊角色仍可局部覆盖

这是一个非常适合技术负责人和平台团队的现实卖点。

3.9 Runtime tiers 可以作为治理与风险分级叙事

当前 workspace-tiers.md 文档是 4-tier 模型：

  • T1 Sandboxed
  • T2 Standard
  • T3 Privileged
  • T4 Full Access

它最适合用于表达“不同角色拥有不同执行权限与风险边界”，而不是泛泛地讲安全。

更好的对外表述是：

  • 所有 agent 不应该在同一权限层运行
  • AI 团队内部也应有风险分级
  • 执行能力应该与角色责任匹配

4. 产品哲学与理念

4.1 角色比任务更稳定

Molecule AI 的核心抽象不是 task node，而是 role-native workspace。

这是一个很重要的产品哲学判断：

  • task 会变
  • tool 会变
  • model 会变
  • runtime 会变
  • 但组织中的角色职责更稳定

例如：

  • Research Lead
  • Developer PM
  • QA Engineer
  • Marketing Lead
  • DevOps

这些更像企业真实组织结构，而不是一次性的 DAG step。

因此，Molecule AI 更适合讲“长期可运行的 AI 组织”，而不是“临时拼装的自动化流程”。

4.2 组织边界就是治理边界

在 Molecule AI 的理念里：

  • 组织结构决定通信关系
  • 组织结构决定 team scope
  • 组织结构决定 memory sharing surface
  • 组织结构影响 runtime 风险分层

这让治理和组织不再是两套独立配置，而是同一张图的不同投影。

这是 Molecule AI 最强的哲学表达之一：

Governance is not bolted on later. It is encoded into the organizational model.

4.3 Memory 应服从组织边界，而不是追求全局共享

多数 agent 系统会默认“共享越多越好”，但企业现实并不是这样。

真实企业需要的是：

  • 正确的人看到正确的信息
  • 共享发生在合适的组织边界内
  • 全局知识可读，但高风险写入有约束

HMA 在当前产品中的真正价值不是“更强记忆”，而是：

  • 组织隔离
  • 协作 handoff
  • 结构化 recall
  • 治理可解释性

4.4 Agent 需要被运行和治理，而不是被神化

Molecule AI 的整体产品气质不是“全自动 AI 乌托邦”。

它更接近：

  • 可部署
  • 可观察
  • 可恢复
  • 可暂停
  • 可检查
  • 可约束

这使 Molecule AI 更像企业级 operating layer，而不是 consumer AI assistant。

5. 技术差异化优势

5.1 相比 workflow builders，Molecule AI 的节点语义完全不同

传统 workflow builders 通常是：

  • 节点 = task / tool / API
  • 核心问题 = 执行顺序与分支逻辑

Molecule AI 是：

  • 节点 = 组织角色 / workspace
  • 核心问题 = hierarchy、governance、lifecycle、team structure

所以它并不是“更复杂的流程图工具”，而是另一种系统抽象。

5.2 相比 agent frameworks，Molecule AI 不打 agent loop 正面战

LangGraph、CrewAI、AutoGen、DeepAgents 等的价值主要在：

  • reasoning / planning
  • tool use
  • runtime semantics
  • collaboration primitives

Molecule AI 不需要和它们在这一层竞争。它的定位是：

The operational and organizational layer above heterogeneous agent runtimes.

这使得它可以吸纳 runtime 生态，而不是被 runtime 生态替代。

5.3 相比 coding agents，Molecule AI 把单兵能力升级为团队基础设施

Claude Code 这类运行时擅长真实执行，但单独使用时更像个人 agent。

Molecule AI 带来的额外价值是：

  • workspace identity
  • hierarchy-aware collaboration
  • A2A delegation
  • shared control plane
  • memory scopes
  • operational lifecycle

换句话说，Molecule AI 把优秀的单兵 runtime 变成可编排、可治理的团队成员。

5.4 Recursive team expansion 是非常强的结构性优势

当前 team expansion 机制具备非常强的产品表达力：

  • 一个 workspace 可以扩展成内部团队
  • 对外仍然保持同一个角色接口
  • team lead 作为唯一外部桥接面
  • 子团队在内部递归协作，对外保持封装

这非常接近现实组织的扩张方式，也是平台未来模板化和 bundle 化的基础。

5.5 Awareness namespace 让 memory boundary 从理念进入实现

过去讲 HMA 很容易被理解成架构概念。现在最新版本已经更具体：

  • runtime 工具接口稳定
  • awareness 开启后，memory 进入 workspace namespace
  • 没有 awareness 时也能保持兼容回退

这说明 Molecule AI 正在把“组织边界内的 memory”从理念做成稳定实现路径。

5.6 WebSocket-first operational UX 提升了“真实系统”感

当前系统已经不是“发请求后等刷新页面”这种 demo 交互。

现在已经形成：

  • WebSocket-first A2A response delivery
  • current task 实时更新
  • AGENT_CARD_UPDATED 实时刷新
  • AGENT_MESSAGE 主动推送
  • error boundary + hydration retry

这使 landing page 可以更有底气地讲：

Molecule AI is built to operate live systems, not static demos.

6. 商业差异化与市场价值

6.1 我们卖的是组织能力，不是 prompt 技巧

很多 AI 产品卖的是：

  • 模型效果
  • prompt 包装
  • 单任务效率

Molecule AI 卖的是：

  • 企业如何拥有一支 AI 团队
  • 如何让不同 agent 作为真实角色协作
  • 如何在组织边界内给 AI 放权
  • 如何把 agent 从实验对象变成可治理资产

这使它天然更适合：

  • CTO / AI platform 团队
  • 内部自动化平台
  • 需要长期运行 agent 组织的公司
  • 希望同时支持多种 runtime 的技术组织

6.2 平台属性比单点功能更强

workflow 工具容易被新节点替代。
聊天产品容易被模型替代。
单 agent 产品容易被更强 agent 替代。

但 Molecule AI 绑定的是更高层的东西：

  • 组织结构
  • runtime 治理
  • memory boundary
  • lifecycle operations
  • templates / bundles / reusable team patterns

一旦进入企业内部流程，它更接近基础设施，而不是单点功能。

6.3 异构 runtime 兼容提升了平台议价能力

如果平台要求所有团队都迁移到同一种 runtime，企业 adoption 会很慢。

Molecule AI 的商业价值恰恰在于：

  • 不强制 runtime 统一
  • 允许团队保留底层偏好
  • 只要求在 governance 和 operations 层达成统一

这会显著降低 adoption friction。

6.4 Bundles、templates、skills 为未来产品化打开空间

当前版本已经有：

  • templates
  • bundle import/export
  • skills hot reload

这意味着未来非常自然的商业路径包括：

  • 行业 Bot Team / Agent Team 模板
  • 可复用组织能力包
  • 团队级最佳实践分发
  • 面向企业的平台增值能力

即使当前还不应该把 marketplace 当成“已上线能力”去宣传，它也已经是非常自然的 next layer。

7. Why Now：为什么现在是这个类别成立的时点

这一部分是 landing page 很值得强化的融资叙事。

今天行业已经不缺：

  • 单个强 agent
  • workflow automation
  • coding agent demo

真正缺的是：

  • 让不同 agent 以组织角色存在
  • 让它们在边界内协作
  • 让它们被统一运营
  • 让团队能 live、recover、inspect、govern

随着 agent 开始进入真实工作流，新的瓶颈不再只是模型本身，而是：

  • 谁负责什么
  • 谁能调谁
  • 谁能看什么
  • 哪个 agent 能执行高风险动作
  • 故障怎么恢复
  • 如何把团队经验沉淀为可复用能力

Molecule AI 的类别价值，恰恰诞生在这里。

8. Landing Page 最值得重点宣传的叙事结构

8.1 第一层：类别定义

先说清楚：

  • Molecule AI 不是另一个 workflow builder
  • 不是另一个单 runtime 框架
  • 它是 AI agent teams 的 org-native control plane

目标是抢到类别定义权。

8.2 第二层：理念与产品哲学

接着讲：

  • the node is a role, not a task
  • the org chart is the topology
  • memory follows organizational boundaries
  • governance is built in, not added later

目标是建立 worldview。

8.3 第三层：当前产品 proof

然后给出当前 main 能撑住的 proof：

  • six runtime adapters on main
  • HMA-style memory scopes + awareness namespaces
  • recursive team expansion
  • global secrets with local override
  • WebSocket-first operational UX
  • restart / pause / resume / health sweep / auto-restart

目标是建立“这不是概念页”的可信度。

8.4 第四层：商业与平台价值

再解释为什么这对企业重要：

  • heterogeneous runtime teams 需要统一治理
  • AI 团队需要控制平面，不只是 prompt layer
  • 平台级 adoption 比单 agent feature 更难被替代

8.5 第五层：未来愿景

最后才讲更远的 vision：

  • terminal agents
  • browser agents
  • device agents
  • embodied systems
  • bot teams

这样可以在不夸大现状的前提下把想象空间拉高。

9. 适合 landing page 的理念表达

9.1 品牌级表达

  • Build AI organizations, not fragile agent demos.
  • The node is a role, not a task.
  • The org chart is the topology.
  • Standardize governance without standardizing runtimes.
  • Memory should follow organizational boundaries.
  • Operate live AI teams, not brittle orchestration graphs.

9.2 对技术负责人的表达

  • 把 agent 从 runtime 选择题，升级成统一治理问题
  • 把不同团队的 runtime 差异留在底层，把 control plane 拉到上层统一
  • 把 memory 从平面共享改造成组织基础设施
  • 把 AI 团队纳入 pause / resume / restart / inspect / trace 的真实运营体系

9.3 对企业决策者的表达

  • 你不是在部署一堆 bot，而是在设计一支 AI 团队
  • 你不需要先统一所有 runtime，才能获得统一治理
  • 你可以像管理组织一样管理 AI
  • 你可以从一个角色开始，再扩展成一个团队，而不必重建整个系统

10. 未来愿景：从 Agent Teams 走向 Bot Teams

这一层必须明确是 vision layer，不是 current main proof。

10.1 为什么这个愿景与当前产品方向一致

Molecule AI 当前已经成立的抽象有几个很关键的前提：

  • workspace 是组织角色容器
  • runtime 是可替换执行载体
  • A2A 是协作接口
  • hierarchy 是治理边界
  • tiers 是风险分级执行模型

这些前提并不要求执行体一定是“纯软件里的 LLM agent”。

因此，Molecule AI 的未来愿景可以自然延伸为：

Today, Molecule AI organizes AI agent teams.
Tomorrow, it can organize bot teams across software, terminals, devices, and embodied systems.

10.2 从 software agents 到 terminal/device executors

未来进入 Molecule AI 组织层的“成员”，可以不只是当前意义上的 agent。

它还可以包括：

  • terminal bots
  • browser bots
  • desktop operation bots
  • mobile execution bots
  • device-connected agents
  • robot or embodied execution systems

Molecule AI 的角色不是替代这些执行体本身，而是给它们提供：

  • 组织关系
  • 协作边界
  • 记忆边界
  • 风险分层
  • 审计与恢复能力

10.3 为什么“Bot Team”是合理延展，而不是空想

这个愿景不是凭空跳跃，原因在于当前产品已经接受了三个关键前提：

  1. 异构运行时是前提，不是例外
  2. 对外统一的是 workspace contract，而不是内部实现
  3. 治理层高于 runtime 层

一旦这些前提成立，未来接入新的执行体类型就是产品边界外扩，而不是范式重写。

10.4 通用问题与复杂问题的长期分工

未来非常适合对外讲的愿景结构是：

  • 通用问题由通用 Bot Team 自主解决
  • 复杂问题由多角色、多执行体、层级化组织协同解决

这会把 Molecule AI 的终局表达，从“多 agent 协作”升级为：

an organizational layer for autonomous problem-solving systems

中文版可以表达为：

Molecule AI 正在构建自治问题解决系统的组织层。

11. 对外表达时需要谨慎处理的边界

11.1 NemoClaw 不能写成 current main support

当前主分支只应宣传 6 个 runtime adapter。

NemoClaw 可以出现在 roadmap / future direction / branch-level experimentation，但不能当作已合并能力写到 current proof 里。

11.2 Bot / terminal / robot 只能写成愿景层

这些方向可以大胆写，但必须标注成：

  • future direction
  • natural extension
  • long-term platform vision

不能写成当前已经全面落地支持。

11.3 不要把 memory 讲成“我们已经有完整企业知识中枢”

当前可以讲的是：

  • HMA 思路
  • scoped memory
  • workspace awareness namespaces
  • memory-to-skill promotion path

不宜夸大成已经完成全面企业知识治理平台。

11.4 不要把 tiers 讲成“完整合规体系”

当前 runtime tiers 很适合表达风险分级和执行边界，但不应该直接等同于大型企业合规认证能力。

12. 可直接压缩成 landing 文案的结论

如果把最新版本压缩成最值得对外讲的几句话：

  1. Molecule AI 不是一个 workflow builder，而是 heterogeneous AI agent teams 的 org-native control plane。
  2. 在 Molecule AI 里，workspace 是角色，不是任务节点；组织图本身就是协作拓扑。
  3. Molecule AI 允许 LangGraph、DeepAgents、Claude Code、CrewAI、AutoGen 和 OpenClaw 在同一控制平面下协作。
  4. Molecule AI 把 memory 当作组织基础设施来设计，而不是扁平共享上下文。
  5. Molecule AI 已经具备运行一支 AI 团队所需的关键 control plane 能力，包括 lifecycle、observability、secrets、WebSocket-first ops 和 team expansion。
  6. 长期看，Molecule AI 不只适用于 software agent teams，也天然指向 software, terminal, device, robotics 组成的 bot teams。

13. 建议对外的品牌终局表达

如果需要一句最能承载平台 ambition 的表达，当前最稳妥的是：

Molecule AI is building the organizational layer for autonomous teams.

如果希望更偏未来愿景，也可以写：

From AI agent teams to bot teams, Molecule AI is building the control plane for autonomous problem-solving organizations.

中文版建议：

Molecule AI 正在构建自治型团队的组织层。

或：

从 AI Agent Team 到 Bot Team，Molecule AI 正在构建自治问题解决组织的控制平面。

14. Source Basis

This report is aligned to the current main branch and grounded primarily in:

  • README.md
  • docs/index.md
  • docs/quickstart.md
  • docs/product/core-concepts.md
  • docs/architecture/architecture.md
  • docs/architecture/memory.md
  • docs/architecture/workspace-tiers.md
  • docs/agent-runtime/workspace-runtime.md
  • docs/agent-runtime/cli-runtime.md
  • docs/agent-runtime/team-expansion.md
  • docs/frontend/canvas.md
  • docs/edit-history/2026-04-08.md
  • docs/edit-history/2026-04-09.md

This version intentionally separates:

  • current main product claims
  • strategic narrative inferred from the architecture
  • forward-looking vision

so the landing page can be ambitious without blurring the boundary between shipped reality and future direction.