Show HN: Division Swarm：多智能体系统的操作系统
一句话看懂：Division 团队在 GitHub 上开源了 Division Swarm，一个将多 LLM 智能体集群作为持久化、有状态系统运行的操作系统级框架。它采用确定性引擎而非让大模型直接控制流程，旨在解决当前多智能体协作中的状态丢失、路由混乱和难以恢复的核心痛点。
事件核心：发生了什么
Division Swarm 是一个用单一 Go 二进制文件交付的开源项目，默认使用本地 SQLite 数据库，生产环境可切换至 Postgres。它定义了一种新的多智能体编排范式：工作单元（如工单、订单）被建模为在声明式状态机中流转的实体，运行时负责调度、隔离、计量开销、持久化状态，并在崩溃后恢复。当前支持 Anthropic API、Claude CLI 以及任何兼容 OpenAI Chat Completions 接口的模型后端。最关键的设计选择是“控制循环必须是确定性的”——大模型在限定会话中进行推理并产生事件，但路由和状态变更完全由基于 CEL（一种强类型、非图灵完备的条件表达式语言）的 YAML 声明控制，杜绝了模型绕过系统逻辑的可能性。
为什么重要
目前大多数多智能体框架（如 MetaGPT、AutoGen）本质上是“串行或并行调用大模型”的协调器，存在两个主要问题：一是状态丢失，一旦进程中断，运行上下文难以恢复；二是大模型可能生成非预期的路由指令，导致系统行为不可控。Division Swarm 的定位正是解决这两点。它将“每一步状态变更”都封装为一次数据库事务，支持从日志完整回溯和分叉（fork）重演任意历史运行，这使得多智能体系统从“实验性玩具”向“可审计的企业级工作流”迈进了一大步。此外，它将“人在回路中”设计为与事件平级的一等公民，而非事后补丁，这符合企业对复杂自动化流程的风险控制需求。
对用户/开发者/创作者的影响
对于 AI 应用开发者而言，Division Swarm 提供了一套近乎“操作系统”的抽象：你不再需要自己管理每个 agent 的会话、状态持久化、并发隔离和故障恢复。通过声明 YAML 文件即可定义复杂工作流，并且由于所有执行都可复现和调试，开发和测试成本显著降低。对于企业采购决策者来说，该框架与目前流行的“低代码 + AI Agent”思路吻合，但更强调审计追踪和不可抵赖性——这一点在金融、医疗等强监管场景中是硬性要求。对于独立创作者或小团队，单二进制部署和本地 SQLite 的支持降低了上手门槛，但需要注意，其灵活的编排能力需要投入前期学习来理解状态机思维。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，该项目目前是 GitHub 上的 Show HN 演示，是否形成稳定的社区生态和文档支持尚需观察。第二，Division 团队提到的长期方向——将整个工程、支持、运营部门作为自治 Swarm 流运行——需要验证大规模生产环境下 Go 二进制加 SQLite/Postgres 的性能和并发瓶颈。第三，可关注是否有主流云平台（如 AWS、Azure、GCP）将其打包为托管服务，或是否有竞品（如 LangGraph、Temporal）在类似方向跟进。第四，值得留意的是，当前 GitHub 页面未明确说明该团队是否接受外部贡献者，这会影响其开源社区的活跃度。
来源：github.com
