# AI Engineering Squad 计划 > 面向建筑行业数字化、AI 研发平台与行业知识工程的多智能体协同体系设计 状态：规划基线 版本：0.1 日期：2026-05-07 维护方：ArchSightLabs 相关文档： - [AI Team OS 仓库架构](ai-team-os-repository-architecture.md) --- ## 文档定位 本文件定义 ArchSight AIOS 的 AI Engineering Squad 角色体系。该体系由 ArchSightLabs 发起，但角色契约应能被其他接入项目复用。 它回答的问题是： - 应该有哪些核心 Agent。 - 每个 Agent 负责什么、不负责什么。 - Agent 之间如何分层协作。 - 哪些角色属于第一阶段核心马队，哪些属于第二阶段扩展角色。 本文件不负责规定仓库目录、runtime 配置、prompt 存放方式和治理目录结构。这些内容以 [AI Team OS 仓库架构](ai-team-os-repository-architecture.md) 为准。 --- ## 一、总体定位 当前目标并不是构建“聊天机器人集合”。 而是： > 一个面向建筑行业数字化与 AI 工程研发的多智能体协同组织（AI Engineering Squad）。 核心方向包括： - 建筑行业平台研发 - BIM / IFC 标准体系 - ArchSight 行业知识平台 - GraphRAG / 行业知识图谱 - AI Coding 工作流 - 多模型协同研发 - Agent 工程体系 - 规范审查与智能审图 - 结构力学求解器 - 企业级 AI 研发平台 --- ## 二、整体组织结构 建议将 Hermes / OpenClaw Agent 体系划分为四层： | 层级 | 职责定位 | 是否核心 | | --- | --- | --- | | 战略层 | 架构、路线、治理、评审 | 核心 | | 产品层 | 行业知识、业务抽象、规范体系 | 核心 | | 工程层 | 开发、测试、交付、自动化 | 核心 | | 知识层 | BIM / IFC / GraphRAG / 标准体系 | 极核心 | --- ## 三、核心马队（第一阶段） 这是建议优先长期保留的六个核心 Agent。 它们共同构成： > 一个最小可运行的 AI 软件研发组织。 ### 1. Atlas（总架构师） 中文定位：总架构师 / 技术战略官 核心职责： - 系统架构设计 - 服务边界划分 - 技术选型 - 平台演进路线 - 多 Agent 协同治理 - 技术债控制 - 长期复杂度治理 角色特征： > CTO 型 Agent 重点不是写代码，而是审方案、做 tradeoff、控复杂度、规划长期演进。 适用场景： - ArchSight 服务拆分 - GraphRAG 架构设计 - Neo4j 是否合理 - pgvector + FTS 协同方案 - React / Vue 技术路线 - Agent Workflow 治理 - BIM 标准模块边界 ### 2. Mason（工程总工） 中文定位：工程总工 / 研发负责人 核心职责： - 研发任务拆解 - Sprint 管理 - 模块依赖治理 - Monorepo 管理 - 工程目录结构 - CI/CD 设计 - 开发规范 - PR Review 流程 角色特征： > 工程组织型 Agent Atlas 决定是否应该做，Mason 决定如何组织团队做完。 重点能力： - Monorepo - Workspace - Docker - API Boundary - Gateway - DevContainer - Frontend / Backend Split - AI Coding Workflow ### 3. Argus（代码审查官） 中文定位：代码审查官 / 质量卫士 核心职责： - Code Review - 安全审计 - 性能问题识别 - 架构反模式分析 - Prompt 注入风险 - 依赖风险 - Agent 失控风险 - 重复代码识别 角色特征： > AI 时代的质量守门员 重点不是生产代码，而是阻止 AI 制造大型技术债。 适用场景： - Codex - Gemini - Claude Code - OpenCode - Kimi - DeepSeek - 其他多模型协同研发环境 ### 4. Vitruvius（建筑数字化专家） 中文定位：建筑数字化专家 来源：Vitruvius 核心职责： - BIM - IFC - 建筑规范 - 行业术语 - 工程数据体系 - 招采业务 - 交付标准 - 审图逻辑 角色特征： > 行业知识编译器（Knowledge Compiler） 重点能力： - 规范结构化 - 条文抽取 - 规则约束 - 知识关联 - 冲突检测 - 审查逻辑构建 长期方向： - BIM 审查 Agent - 规范合规审查 Agent - 招投标审查 Agent - IFC 数据校验 Agent ### 5. Daedalus（AI 研发工程师） 中文定位：AI 研发工程师 核心职责： - Prompt Engineering - Context Engineering - Agent Workflow - RAG / GraphRAG - Embedding - MCP - Tool Calling - Multi-Agent Orchestration 角色特征： > AI Runtime 工程专家 Atlas 负责系统整体架构，Daedalus 负责 AI Runtime 体系。 重点方向： - Hermes / OpenClaw 协同 - Context 裁剪 - Memory 管理 - Skill 编排 - Tool 治理 - 上下文防爆炸 - Agent 状态治理 ### 6. Hephaestus（受控执行官） 中文定位：受控执行官 / 自动化工匠 核心职责： - 自动生成代码 - 自动修复问题 - 自动改 UI - 自动生成文档 - 自动执行脚本 - 自动部署 - 自动测试 角色特征： > 真正干活的执行型 Agent 类似 Codex、Claude Code、OpenHands、Devin 这一类执行型 AI。 --- ## 四、核心体系覆盖能力 | 能力方向 | Agent | | --- | --- | | 架构治理 | Atlas | | 工程管理 | Mason | | 质量控制 | Argus | | 行业知识 | Vitruvius | | AI 系统工程 | Daedalus | | 自动执行 | Hephaestus | --- ## 五、第二阶段扩展 Agent 在核心马队稳定后，再逐步扩展专业兵种。 ### 1. Euclid（结构力学专家） 中文定位：结构分析专家 方向： - 梁系分析 - 桁架分析 - FEM - 刚度矩阵 - 荷载分析 - 数值求解 长期目标： - ArchSight Solver - 结构力学求解器 - Web FEM 平台 ### 2. Athena（知识治理官） 中文定位：知识治理官 方向： - 标准体系治理 - 文档结构 - 版本管理 - 知识图谱治理 - 数据血缘 - 条文差异分析 适用方向： - BIM 标准体系 - IFC 标准治理 - 规范修订管理 ### 3. Mercury（AI 情报官） 中文定位：AI 情报官 方向： - AI 行业资讯 - GitHub 趋势 - MCP 生态 - Agent 工程生态 - 开源项目分析 - 模型能力跟踪 适用方向： - 每日 AI 情报推送 - 技术趋势分析 - 新工具评估 ### 4. Janus（产品策略官） 中文定位：产品策略官 方向： - SaaS 架构 - 商业模式 - MVP 边界 - 用户分层 - 平台路线 - 行业化路径 适用方向： - 工程猿平台 - ArchSight 商业化 - AI 平台产品化 --- ## 六、建议避免的问题 ### 1. 避免人格秀 不要构建： - 苏格拉底 - 爱因斯坦 - 马斯克 - 孙悟空 这类人格化聊天机器人。 原因： > 缺乏工程生产力。 ### 2. 避免角色重叠 不要同时存在： - CTO - 技术总监 - 架构专家 A - 架构专家 B 这会导致： - 上下文冲突 - 职责模糊 - Agent 内耗 ### 3. 避免所有 Agent 都写代码 否则： - 无治理 - 无评审 - 无边界 - 无质量控制 最终会让 AI 生成大型技术债。 --- ## 七、长期方向 当前探索的并不是： > “AI 辅助写代码” 而是： > “AI 工程组织系统” 即： > AI Team Operating System --- ## 八、长期核心能力 当前已经具备的方向包括： - Skills - OMX / OMCC - Spec Kit - gstack - 多模型协同 - Hermes / OpenClaw - GraphRAG - 受控交付 - Agent Workflow - Context Engineering 这些共同指向： > AI 时代的软件研发组织形态。 --- ## 九、当前仓库落地结构 当前已采用 `archsight-aios` 作为 AI Team OS 仓库，不再建议为第一阶段核心马队另建一个只保存 prompt 的独立仓库。 Agent 角色资产采用三层管理： | 层 | 内容 | 作用 | | --- | --- | --- | | Source | `role.md` / `responsibilities.md` / `constraints.md` / `workflow.md` | 长期维护、沉淀角色资产 | | Runtime | `system-prompt.md` | Hermes 创建 Agent 时直接使用 | | Instance | Hermes / 飞书机器人 | 实际对话入口 | 第一阶段核心 Agent 在仓库中的结构为： ```text archsight-aios/ ├── agents/ │ ├── atlas/ │ │ ├── role.md │ │ ├── responsibilities.md │ │ ├── constraints.md │ │ ├── workflow.md │ │ └── system-prompt.md │ ├── mason/ │ ├── argus/ │ ├── vitruvius/ │ ├── daedalus/ │ └── hephaestus/ ├── workflows/ ├── runtime/ ├── governance/ ├── knowledge/ └── docs/ ``` --- ## 十、推荐仓库名称 建议优先考虑： - `ai-engineering-squad` - `archsight-agents` - `archsight-ai-team` - `archsight-agent-system` - `ai-team-os` - `archsight-runtime` - `archsight-labs-agents` 其中最推荐： > `archsight-ai-team` 原因： - 兼顾品牌 - 兼顾行业 - 兼顾 Agent - 兼顾未来组织化方向 - 不局限于单一工具链 --- ## 十一、维护原则 这份文档作为 AI 马队建设的初始规划基线。后续修改应遵循： - 先更新职责边界，再扩展 Agent 数量。 - 先沉淀工作流，再固化 Prompt 或 Skill。 - 先验证核心六人组，再引入第二阶段扩展角色。 - 每个 Agent 都应有清晰职责、输入输出、适用场景和禁止事项。 - 避免以人格魅力替代工程生产力。