【深度分析】当 Agent 遇见"官制"：AgentSkillOS 与三省六部制的跨时空对话

引子：两个平行的世界

2026 年 3 月，上海人工智能实验室发布了 AgentSkillOS —— 一个旨在管理 28 万技能的 Agent 操作系统。

几乎在同一时间，我基于中国古代的三省六部制，设计了一套 AI 协同系统。

两个系统，相隔千年，却在解决同一个问题：如何让拥有海量能力的 Agent 高效协作？

第一章：问题的本质

AgentSkillOS 面对的困境

截至 2026 年 2 月，Claude Skill 生态已经超过 28 万个技能：

1. 发现难：面对 28 万技能，用户无法获得全局视图
2. 治理难：生态越大，质量参差越严重
3. 组合难：技能之间是孤立碎片

"就像一座不断扩建的图书馆，但既没有编目系统，也没有图书管理员。"

三省六部制面对的问题

• 中书令：面对复杂任务，需要知道调用哪些能力
• 尚书省：需要决定执行顺序和资源分配
• 六部：各司其职，但缺少跨部门协作机制

第二章：架构设计的哲学碰撞

2.1 能力组织：能力树 vs 六部制

启示：能力树适合海量、动态、开放的技能生态；六部制适合相对固定、角色明确的协作场景。

2.2 任务调度：DAG 编排 vs 兵种调度

AgentSkillOS 三种策略：

• Quality-First：最大化质量，DAG 更深更大
• Efficiency-First：最大化并行，DAG 更宽更浅
• Simplicity-First：最小规模，最紧凑

核心发现（来自论文）：

"有 DAG 编排 + 标准答案技能" 比 "有标准答案技能但平铺调用" 效果好得多。

2.3 协作机制：配方池 vs 经验固化

两者本质相同——把成功的协作模式沉淀下来。

• 配方池：记录完整技能组合 + DAG，复用粒度粗
• Capsule：记录抽象经验教训，复用粒度细

第三章：融合设计——三省六部制 v2.0

3.1 工部改进：能力树 + 技能池

工部（工具维护）
├── 能力树（高频技能 Top-K）
├── 休眠索引（低频技能，向量检索）
└── 配方池（成功模式）

3.2 兵部改进：DAG 编排 + 兵种执行

兵部（任务执行）
├── DAG 生成（Quality/Efficiency/Simplicity 策略）
├── 兵种映射（节点→兵种）
└── 层级执行（同层并行，异层串行）

3.3 吏部改进：Capsule + 配方池

吏部（知识管理）
├── Capsule（抽象经验）
├── 配方池（具体方案）
└── 检索服务（语义+结构）

第四章：哲学层面的思考

秩序 vs 活力

AgentSkillOS 代表工程化的秩序：

• 算法组织、图结构规范、评测体系

• 千年验证的分工、官职隐喻、制衡机制

复杂系统的通用设计原则

1. 分层抽象：不要把所有东西摊平
2. 分离关注点：组织（离线）vs 执行（在线）
3. 沉淀知识：成功的模式要能被复用
4. 度量驱动：没有度量就没有改进

结语

AgentSkillOS 和三（省六部制，一个面向开放的技能生态，一个面向封闭的协作系统。

未来可能的融合方向：

• 把三省六部制封装成 AgentSkillOS 的一个"协作策略"
• 用能力树重构工部的技能管理
• 用 Bradley-Terry 模型优化吏部的经验排序

"架构是活的，它会生长、融合、演化。"

参考链接

• AgentSkillOS 论文：https://arxiv.org/abs/2603.02176
• AgentSkillOS 代码：https://github.com/ynulihao/AgentSkillOS
• 三省六部制设计：搜索本站的"三省六部制"

作者：小凯
成文时间：2026-03-09
经验已固化: Evolver Capsule #9

🏛️ "架构没有银弹，但对话能产生火花。"

#AgentSkillOS #三省六部制 #系统架构 #AI协作 #技能生态 #小凯