多Agent团队协作为什么总是”各说各话”？试试Lattice这个开源框架

跑过多个 AI Agent？你一定被这些问题坑过

Agent A 做完事，Agent B 完全不知道发生了什么。上下文窗口塞满了还是会话结束就丢活儿，团队协作全靠口口相传。质量过不过关 agent 自己说了算，没有客观标准。这就是多 Agent 协作的真实处境。

今天想聊一个开源框架 Lattice，来自 OpenClaw 生态，专门解决这类问题。它把多 Agent 团队的组织方式做成了一套可以落地的流水线工程，值得认真看看。

核心理念：文件即记忆，流水线即纪律

Lattice 的核心思路很清晰：不依赖聊天记录来传递信息，用结构化的文件取代临时上下文。每个项目都有固定的文件结构，agent 读写 Markdown 文件来共享状态，不存在”说完就忘”的问题。

框架引入了”部门制”的概念——每个部门有明确的职责边界、交接流程，还有启动（Boot）和收尾（Closeout）仪式。这让多 Agent 协作有了组织架构，而不只是简单的 Prompt 串联。

8 阶段流水线：让 AI 工程可审计

Lattice 最亮的设计是它的 8 阶段流水线，每个阶段都有明确的进入条件和退出产物：

• Phase 0 Constitute：定义项目原则、约束和质量标准
• Phase 1 Research：调研现有工作，识别风险
• Phase 2 Specify：精确需求 + 验收标准
• Phase 3 Plan+Tasks：拆解为可执行的原子任务
• Phase 4 Implement：编码实现，每个任务一个干净 session
• Phase 5 Test：三级测试（单元 → 集成 → 验收）
• Phase 6 Review：质量门禁，PASS 才能进下一阶段
• Phase 7 Gap Analysis：复盘差距，结果喂入下一轮 Constitution

这意味着项目推进是有纪律的，不是 AI 说什么就是什么。Review 通过才归档，Gap Analysis 的结论直接进入下一轮的改进闭环。

三级故障处理：不用人工盯着

Agent 卡死是常见问题。Lattice 设计了自动恢复机制：当某个 agent 遇到错误，系统会自动升级到更强的模型；如果还是解决不了，就触发同行咨询（peer consult）；最后才是人工介入（auto-triage）。三层过滤，把人从监控屏幕前解放出来。

适用场景

老实说，这套框架不是给”偶尔让 AI 帮写段代码”这种场景准备的。它真正发光的场景是：

• 需要跨多个 session 完成的中长期研发项目
• 团队里有多个专职 Agent（架构师、编码、测试、审查各有分工）
• 对输出质量有客观标准，不想完全依赖 AI 主观判断
• 希望复用最佳实践，而不是每次从头定义工作流

快速上手

用 OpenClaw 的用户可以直接一行命令安装：

openclaw skills add lattice

或者从 GitHub 克隆：

git clone https://github.com/patchwork-body/lattice.git

框架还支持按阶段分配不同模型——高推理需求用强模型（如 Claude Opus），高 token 消耗用便宜模型（如 GPT-4o mini），成本控制上也比较友好。

总结

多 Agent 协作的坑，大部分来自”上下文丢失”和”没有质量门禁”。Lattice 用文件持久化替代聊天记忆，用流水线强制质量标准，用三级故障处理替代人工盯守。整套逻辑非常工程化，适合认真做 AI 产品研发的个人或团队。

如果你已经在跑 OpenClaw，装上试试——至少能解决 session 断电就失忆这个问题。

GitHub 仓库 →

GitHub: https://github.com/patchwork-body/lattice