AgentBrook 2.0 带来了革命性的架构升级，新增 ClawAI 高级 AI 编排、企业级知识库系统、异步工作流引擎等核心模块
Plan-Execute-Reflect 三阶段循环，自动分解任务、反思评估、持续优化
从 12 种节点扩展到 24+ 种，覆盖 AI 处理、多模态、人机交互等全场景
向量 + 图谱混合检索，5 种智能分块策略，构建可靠知识支撑
支持超长任务链路，异步触发与回调恢复，突破请求超时限制
全方位的企业级 AI 应用构建能力，从工作流编排到知识管理，一应俱全
实现 Model Context Protocol，让 AI 智能体调用外部工具和 API，支持 HTTP/SSE/Stdio 三种协议，通过工具服务无限扩展 AI 的实际操作能力。
支持在安全沙箱中执行外部脚本（Python、PowerShell 等），结合代码执行沙箱实现多语言安全隔离运行，赋予 AI 实际编程和数据处理能力。
基于有向无环图（DAG）的可视化拖拽式工作流编排系统，用户通过拖拽节点和连线构建 AI 应用逻辑，支持条件分支、并行执行、循环等复杂控制流。
自动分析节点依赖关系，支持并行执行独立分支，显著提升执行效率
支持长时间运行的子工作流异步执行与回调恢复，突破请求超时限制
通过占位符实现步骤间数据引用，灵活串联各节点输入输出
SSE 实时推送节点执行状态和中间结果，每个任务独立日志追踪
系统的核心差异化模块，实现"规划-执行-反思"循环的智能体架构
合并主控判断 + 任务规划为 1 次 LLM 调用，减少延迟 2-4 秒
自动选择 workflow_call 或 llm_reasoning，支持并行执行和循环
对照量化目标评估完成度，决定继续/重试/重新规划
工作记忆 + 情景记忆 + 长期记忆 + 用户画像，持续学习进化
支持多种格式文档导入、智能分块、向量化存储、混合检索和知识图谱构建
PDF / Word / Excel / PPT / TXT / Markdown
硬截断 / 语义边界 / 主题分割 / 实体感知 / LLM智能
向量 + 图谱联合检索，多跳查询和结果融合
自动实体/关系提取，基于 Apache AGE 的图谱构建
统一的 LLM 调用层，屏蔽不同 AI 供应商的接口差异，为系统提供一致的模型调用能力。支持为不同处理阶段配置专用模型，优化性能和成本。
通用对话和文本生成
文本向量化，用于语义搜索
搜索结果重排序，提升精度
文生图 / 图生图 / 文生视频
基于 Microsoft Semantic Kernel 的可扩展插件架构，为 AI 智能体提供丰富的操作能力。支持自定义插件开发，通过 MCP 协议对外暴露。
获取日期时间、农历转换、执行 Agent 工作流、执行应用工作流等基础能力
HTTP GET/POST 请求、文件上传、Session 管理、自定义 Headers，打通外部系统
基于 Semantic Kernel 函数调用机制，支持开发自定义插件满足业务需求
插件通过 MCP 协议对外暴露，实现跨系统、跨语言的工具共享与调用
实现 Model Context Protocol（模型上下文协议），使 AI 智能体能够调用外部工具和 API，扩展 AI 的实际操作能力，连接企业现有系统。
工具注册与暴露，支持 SaveToKMS 等内置工具，将内容导入知识库
标准 Web 服务调用，RESTful API 集成
Server-Sent Events 实时流式交互
本地进程间通信，适用于本地工具集成
技能型智能体节点，支持在工作流中执行外部脚本（Python、PowerShell 等），结合代码执行沙箱实现安全隔离运行，赋予 AI 实际编程和数据处理能力。
支持 Python、PowerShell、C# 等多种脚本语言
在 Docker 容器或 Firecracker microVM 中安全执行，无网络/只读/资源限制
作为工作流节点无缝嵌入，接收上游数据、输出处理结果
AI 编写脚本处理结构化数据分析、文件格式转换、批量操作等
集成多种 AI 生成能力，通过统一的 LLM 服务接口调用，在工作流中以节点形式灵活编排，实现从文本到图像、视频的全链路内容创作。
通过文字描述生成高质量图片，支持多种模型和风格，适用于营销素材、概念设计等场景
基于参考图片进行风格转换、内容修改，实现图片风格迁移、超分辨率等处理
通过文字描述生成动态视频内容，支持分辨率、时长等参数配置
将静态图片转化为动态视频，支持动作控制和场景扩展
内置丰富完整的节点卡片，灵活组合与编排，高效应对各类复杂业务场景
工作流入口，处理输入参数和附件
汇聚上游输出，生成最终结果
应用级主控 AI，逻辑处理与任务分解
通用 LLM 调用，支持函数扩展
高级 AI 编排，规划+反思+记忆
独立智能体，执行任务并返回结果
向量+图谱混合检索
条件路由，根据条件分发数据
调用外部插件，扩展 AI 能力
Model Context Protocol 工具调用
审批节点，人工决策确认
AI 图像与视频生成节点
定时触发，支持秒/天/周/月级调度
多分支汇聚，合并上游输入
执行外部脚本（Python/PowerShell）
记录员 / 便签 / 意图识别 / 文件转MD 等
六大技术亮点，打造行业领先的 AI 工作流系统
将传统"主控判断→任务规划"两次 LLM 调用合并为一次，通过结构化 JSON 输出同时完成意图识别和步骤生成，减少延迟 2-4 秒。
完整三阶段循环：Plan 自动分解复杂任务，Execute 智能编排步骤执行，Reflect 对照量化目标评估完成度。
向量检索负责语义相似度匹配，图谱检索负责实体关系遍历和多跳推理，融合两者优势显著提升召回率。
基于 DAG 拓扑排序，自动识别无依赖节点并行执行。测试数据显示 5 步骤任务总执行时间减少 40%。
自动对历史对话进行阶段性摘要与结构化归档，有效压缩上下文窗口占用，确保长对话场景下响应质量不衰减。
支持长时间运行的子工作流异步执行，通过回调机制恢复主流程，突破单次请求超时限制。
多层次性能优化，确保系统在高并发场景下依然高效稳定运行
模型初始化加速
请求跳过优化
I/O 减少
网络请求减少
清晰的分层设计，支持独立部署和水平扩展
核心代码完全开源，欢迎开发者参与贡献，共同打造更好的 AI 工作流系统
核心代码托管于 GitHub，采用开源协议，可自由查看、使用和二次开发。
前往 GitHub 仓库