当皇上

当皇上（danghuangshang）是一个把古代朝廷架构搬到 AI 领域的开源多 Agent 协作系统。它不是聊天窗口，而是一套由多个 Agent 分工干活的框架。官网入口是 danghuangshang.com，代码放在 GitHub 的 wanikua/danghuangshang 仓库，采用 MIT 许可证。下文按定位、使用门槛和常见疑问展开，适合正在评估多 Agent 工具、或想给个人业务搭一套自动化协作流程的人参考。

从聊天助手到“AI 内阁”，它到底在做什么

普通 AI 工具的思路是一个模型包打天下，拆解、执行、复核都由同一个模型完成。当皇上的做法不同：用户只给一个宏观目标，由“司礼监”这类调度角色拆成子任务，分派给各职能 Agent，最后汇总汇报。

职能划分借鉴三省六部，铺得比较细：

• 户部：成本追踪，如 API 消耗、云账单；
• 礼部：文案撰写、内容日历、传播分析；
• 兵部：代码生成与架构评审；
• 工部：服务器监控、容器与集群运维；
• 刑部：隐私协议、合规与合同条款审查；
• 翰林院、国子监、内务府：调研分析、知识库与培训、日程行政。

整体看，它的价值不在单个 Agent 多聪明，而在任务被拆开之后，各环节能互相补充甚至互相挑错。跨领域的长任务上，这种结构比单轮对话更接近真实工作流。

技术侧核心引擎叫“天工开物”，底层运行时基于 OpenClaw，记忆由 OpenViking 的三层结构承担，分别对应当前任务、用户偏好和长期知识。比较有意思的是三种治理模式：三省制强调起草—审核—执行的制衡，适合高风险决策；内阁制偏效率；企业制偏扁平。系统会按任务复杂度切换。项目方还提到按角色分配不同模型，并在重复任务上压缩 Token 开销，这类优化的实际效果通常与配置和任务类型有关。

使用体验与适用人群

上手有两条路：从官网了解并直接在网页端使用，或从 GitHub 拉代码自行部署，接进 Discord、飞书、WhatsApp 等渠道。流程大致是填模型 API Key、选治理模式、下达任务。门槛比一般聊天工具高一截，需要理解模型选择、API 这类概念，配置阶段免不了翻文档。

用得好不好，往往取决于两件事：所选模型本身的能力，以及指令写得够不够清楚。目标太模糊时，拆解环节容易跑偏，产出就会散。

更适合这几类人：

• 独立开发者或小团队负责人，想一个人兼顾财务、代码和营销几条线；
• 内容团队，选题到成稿本来就有固定流程；
• 需要把运维监控、代码审查、账单管理放在一处的人；
• 愿意折腾开源项目、能自己排查配置问题的技术型用户。

反过来，只想开个对话框问两句的人，用它大概率会嫌重。

• 部署前先看仓库的最近提交和 Issue，开源项目迭代快，文档和版本可能不同步；
• 自建时对第三方依赖做安全扫描，别把生产环境凭据直接交给 Agent；
• 合同、合规、健康类产出仍应由人复核，不同地区法规要求差别不小；
• 代码开源不等于零成本，模型 API 通常单独计费，是否提供免费额度、是否需要注册以实际页面为准。

常见问题 FAQ

• 当皇上是免费的吗？代码遵循 MIT 许可、可自行部署，但调用模型 API 一般要另付费用，具体以官网和仓库说明为准。
• 和 ChatGPT 有什么区别？后者是单一模型应对所有问题，前者是多 Agent 拆解任务、分工执行再汇总。
• 必须会写代码才能用吗？网页入口的使用门槛较低，本地部署和渠道接入则需要基本的命令行与环境配置能力。
• 支持哪些模型？文档提到 Claude、GPT-4o、DeepSeek、通义千问以及 Ollama 本地模型，可按角色分配。
• 数据安全怎么保证？开源意味着代码可自查，但业务数据仍受部署方式和模型服务商条款约束，敏感内容建议先做脱敏。

当皇上的看点是把“群体协作”这件事做成了可配置的结构，而不是又一个套壳对话界面。局限也清楚：配置成本不低，产出质量依赖模型与指令质量，是否顺手得自己试过才知道。把它当成团队流程的补充性渠道、和现有合规工具配合使用，比指望它一键替代整套后台更实际。想横向比较的话，也可以看看 {{内链:其他多 Agent 协作工具}}。