Network AI

核心用法

network-ai 是一个本地优先的多智能体工作流编排系统，通过6个纯Python标准库脚本实现任务分解、代理协调和权限管控。核心组件包括：

1. Swarm Guard (`swarm_guard.py`)：预算管理与拦截器，支持任务级token预算初始化、intercept-handoff预检查、结果验证和主管审查
2. Blackboard (`blackboard.py`)：基于markdown的共享状态存储，支持TTL过期、读写删除和快照操作
3. Context Manager (`context_manager.py`)：三层记忆模型中的持久层，管理项目目标、技术栈、里程碑和决策记录
4. Permission System (`check_permission.py`/`validate_token.py`/`revoke_token.py`)：抽象资源访问控制，支持DATABASE/PAYMENTS/EMAIL/FILE_EXPORT四类资源的申请、授权与审计

典型工作流：初始化预算 → 分解为3个子任务 → 拦截检查通过后委托代理 → 黑板协调 → 结果验证 → 主管审批 → 合成输出。

显著优点

• 零依赖部署：仅Python 3.8+标准库，无pip安装负担，Windows可选filelock
• 完全本地执行：所有脚本零网络调用，数据目录data/仅本地持久化
• 安全边界清晰：通过--from/--to显式声明代理间委托关系，权限闸门强制要求justification和scope
• 三层记忆模型：会话级（平台托管）→ 黑板共享（TTL）→ 项目上下文（永久），满足不同生命周期需求
• 可审计设计：JSONL格式审计日志自动记录所有敏感操作，支持合规追溯
• 预算防滥用：3层拦截（handoff限制3次/任务、消息500字符上限、60%产出率阈值）防止"委托税"浪费

潜在缺点与局限性

• 非自包含：核心网络功能sessions_send/sessions_list/sessions_history为宿主平台（OpenClaw）内置，本skill仅提供前置检查，实际代理通信依赖外部运行时
• 抽象资源模型：DATABASE/PAYMENTS等为本地抽象概念，如需对接真实外部API需自行实现适配层
• 单节点架构：黑板和审计日志均为本地文件，不支持分布式多机协调
• 无加密存储：token和日志以明文JSON/JSONL存储，依赖OS文件权限保护
• TTL非实时：过期清理需手动调用--cleanup，非自动后台任务

适合人群

• 使用OpenClaw/兼容平台的用户，需要结构化代理协调
• 希望避免第三方依赖、追求可审计本地执行的团队
• 需要权限闸门和预算控制来管理多代理成本的场景
• 开发复杂工作流（金融分析、合规审查、策略建议）需分解为专业化子任务的用户

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| PII泄露 | justification字段和审计日志持久化明文存储 | 禁用PII/凭证输入，定期轮转日志，限制`data/`目录权限 |

| 权限绕过 | 恶意代理可能伪造token或直接访问资源 | 依赖宿主平台隔离，建议配合沙箱运行 |

| 令牌重放 | grant token 5分钟有效期内可能被复用 | 单次使用后即验证并记录，建议缩短TTL |

| 沉默故障 | 代理无响应但其他代理继续处理 | 强制heartbeat机制，health-check前置校验 |

| 平台耦合 | 升级OpenClaw可能破坏sessions_send契约 | 关注平台兼容性公告，保留预算检查层作为降级保障 |

核心用法

network-ai 是一套基于纯Python标准库的多智能体编排框架，通过本地文件系统实现代理间的协同与状态共享。核心组件包括：

1. 三层记忆模型：

• Layer 1（Agent Context）：平台托管的临时会话上下文
• Layer 2（Blackboard）：通过 scripts/blackboard.py 管理的共享 Markdown 协调空间，支持TTL自动过期
• Layer 3（Project Context）：通过 scripts/context_manager.py 持久化的项目级知识库（技术栈、里程碑、禁用方案等）

2. 预算感知委托协议：swarm_guard.py 实现令牌预算管理、交接拦截检查与行动比例监控（60%行动占比规则、3次交接上限）

3. 权限墙系统：check_permission.py 基于权重评分（justification 40%/trust 30%/risk 30%）对 DATABASE/PAYMENTS/EMAIL/FILE_EXPORT 四类抽象资源进行本地评估，生成UUID令牌并记录审计日志

4. 静默故障防护：心跳检测、结果验证（validate-result）与主管复核（supervisor-review）三层防线

显著优点

• 极致本地安全：零网络调用、零第三方依赖，所有数据驻留本地 data/ 目录，从根本上消除数据外泄风险
• 完善的注入防护：多层正则过滤、长度限制、重复词检测、关键词填充检测
• 健全的审计体系：JSONL 格式的不可篡改审计日志，支持自动化合规检查
• 灵活的工作流策略：支持 Merge/Vote/First-Success/Chain 四种并行执行模式

潜在局限

• T3来源可信度：来自个人开发者社区项目（Jovancoding/Network-AI），无顶级机构背书，需使用者自行承担审查责任
• 审计日志累积风险：justification 字段的自由文本可能包含意外泄露的敏感信息，长期运行存在隐私累积隐患
• 依赖宿主平台：sessions_send/sessions_list/sessions_history 为 OpenClaw 平台内置能力，skill本身仅提供前置预算检查
• Windows文件锁可选依赖：跨平台文件锁需额外安装 filelock

适合人群

• 需要严格数据主权的企业场景（金融、医疗、政务）
• 复杂分析任务需多专家视角并行（数据分析师+风险评估+策略顾问）
• 对外部API调用极度敏感的离线/隔离环境
• 具备Python代码审查能力的技术团队

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| 日志敏感信息泄露 | 用户提供的justification可能含PII | 定期轮转日志、限制目录权限、输入培训 |

| 令牌过期管理 | 5分钟TTL需主动清理 | 任务开始时运行 `revoke_token.py --cleanup` |

| 宿主平台配置错误 | 若未禁用`sessions_send`可能意外触发外网调用 | 安装前在平台层面对 `sessions_send` 进行重定向或禁用 |

| 社区维护风险 | 个人开发者维护，更新节奏不确定 | fork后自维护、订阅release通知 |