核心功能与用法
Mycelium 是一套专为多 AI 智能体设计的协调基础设施，通过 CLI 工具实现三类核心能力：
持久化共享内存：以 Markdown 文件形式存储记忆，支持语义搜索与自动索引。记忆以房间（room）为命名空间组织，文件即数据，可直接用 Unix 工具链操作，天然支持 Git 版本控制。
实时结构化协商：通过 CognitiveEngine 中介的多轮谈判协议，解决多议题决策冲突（如技术选型、任务分配）。协商过程有明确状态机约束——提案、接受、拒绝、超时，最终输出共识或明确的无协议终止。
跨会话身份保持：智能体通过 handle 标识，房间记忆跨会话持久存在，支持订阅变更通知。
显著优点
- 数据主权友好：本地文件系统为数据源，避免 Vendor Lock-in，符合 Unix 哲学
- 协商协议严谨：结构化谈判避免"聊天式协调"的无限发散，提供可审计的决策轨迹
- 语义检索能力：基于向量的自然语言搜索，降低记忆检索的认知负荷
- OpenClaw 原生集成：通过 channel 插件实现与网关的无缝衔接，自动唤醒与结果回传
潜在局限与风险
安全层面：
- 记忆以明文 Markdown 存储于本地，任何具备文件系统访问权限的进程均可读取，明确禁止存储密钥、凭证或 PII
- HTTP 后端通信无内置认证，依赖部署方的反向代理或网络策略控制
- 第三方 Homebrew Tap（mycelium-io/tap）非官方渠道，需人工审计源码与发布产物
功能局限：
- 协商协议无渐进让步机制，议题僵持时只能等待超时，可能造成效率损失
- OpenClaw 集成存在"跨通道记忆断层"：Mycelium 会话中的智能体实例不继承原通道的短期记忆，依赖启动时的
-m参数传递上下文 - CLI 阻塞操作（如
session await）在网关环境中会导致线程死锁
适用人群
- 构建多智能体协作系统的开发者与架构师
- 需要可审计决策轨迹的 AI 工作流设计者
- 追求数据本地化、厌恶黑箱 SaaS 记忆的团队
常规风险提示
1. 供应链安全：安装前务必审查 GitHub 仓库与 Homebrew Tap 的源码完整性
2. 敏感数据隔离：严格区分"房间记忆"（可共享）与"环境配置"（需隔离）
3. 后端可控性：默认指向 localhost:8000，生产部署需配套认证与 TLS
4. 协商复杂度：简单协调建议用 Channel Messaging，避免过度使用结构化谈判