2023 年，清华 OpenBMB 开源的 ChatDev 以一个狂想的设想火遍全网：让 AI Agent 组建一家"虚拟软件公司"——CEO 定需求、CTO 做架构、程序员写代码、测试员找 bug，各司其职地"开会"，把一句想法自动变成可运行的软件。它是"多智能体协作"最出圈的启蒙教材，配套论文也发表于 arXiv 2307.07924。2026 年 1 月，这个项目完成了一次华丽蜕变：ChatDev 2.0（DevAll），一个零代码多智能体平台，口号 "Developing Everything"——不写一行代码，通过可视化画布编排 Agent 工作流，搞定数据可视化、3D 生成、深度研究、游戏开发甚至教学视频，老版 1.0 退居 chatdev1.0 分支维护，仓库见 GitHub。
这次蜕变的本质是把"软件开发"这个具体场景抽象成了通用编排能力：1.0 像一家只造汽车的工厂，2.0 升级成可以生产任何东西的精密机床。本文按"前世今生、画布与节点、控制流与数据流、MacNet 底座、场景案例、上手路径、生态对比、总结"组织全文，一次看懂它的进化逻辑与学术血统。
1、从虚拟公司到万能工厂
先看 1.0 的形态：你给它"我想要一个五子棋游戏"，它模拟瀑布式开发流程——CEO 与 CPO 对齐需求、CTO 出技术方案、程序员编码、评审员把关、测试员跑用例、设计师补图，平均开发时间不到 7 分钟、成本不到 3 元人民币。惊艳，但架构写死了软件开发这一条流水线：想让这家"公司"做市场调研或生成 3D 模型？角色和阶段都对不上号。
2.0 的解法是釜底抽薪：把"角色"与"流程"从代码里抽出来变成画布上的可拖拽积木。你不再被动围观 AI 开会，而是自己定义任何角色与任何流程——"虚拟公司"从内置剧本变成了众多可编排剧本中的一个模板。项目定位也随版本号迁移：从论文里的"聊天驱动的软件开发框架"变成仓库自述的"通用多智能体平台"。
| 维度 | ChatDev 1.0 | ChatDev 2.0 DevAll |
|---|---|---|
| 定位 | 虚拟软件公司演示 | 零代码多智能体编排平台 |
| 交互 | 命令行一句需求 | 可视化画布拖拽 |
| 流程 | 内置瀑布开发流水线 | 任意自定义拓扑 |
| 角色 | 固定软件团队 | 任意自定义 Agent |
| 维护 | chatdev1.0 分支 | 主分支 |
2、画布与节点
打开 2.0 的 Web 控制台是一个无限画布，核心积木是四类节点，各自职责清晰。
| 节点 | 职责 | 说明 |
|---|---|---|
| Agent 节点 | 干活的人 | 配置人设提示词、记忆与函数调用工具 |
| Human 节点 | 人在回路 | 关键步骤暂停，等待人类确认或修改 |
| Python 节点 | 精确执行 | 嵌入自定义代码，处理大模型不擅长的计算与文件操作 |
| Logic 节点 | 流程控制 | 条件判断与循环，让团队懂得反思和重试 |
Human 节点是最务实的设计：当前 AI 还做不到完全靠谱，在代码上线前、文章发布前插一个确认位，流程暂停等人点头——这让编排具备了进入生产环境的资格，与第 37 篇 nanoMuse"不可逆动作先询问"是同一安全哲学。Python 节点则是另一条腿：需要确定性输出的环节（统计计算、格式转换）交给代码而不是交给概率。
3、控制流与数据流
2.0 编排设计上最见功力的地方，是把两件通常被捆在一起的事拆开了。多数工作流工具里 A 连 B 既是"A 做完 B 做"，也是"A 的结果传给 B"；但复杂协作里两者并不一致——测试员开始测试（控制流上接程序员），但需要的信息除了代码还有最初的需求文档（数据流要接回需求阶段）。
- 控制流决定"下一步轮到谁"：线性推进，或按条件分支，比如测试不通过回退给程序员重写
- 数据流决定"信息怎么传"：精细配置每个节点能看到哪些历史消息，支持清洗、提取与过滤
数据流可配置的直接收益是省 token 与降幻觉：模型只看它需要的上下文，而不是全量聊天记录的倾倒。这与第 39 篇 TencentDB Agent Memory 的检索预算控制、第 40 篇 PocketPal 渐进披露技能，同属一个设计母题——上下文是稀缺资源，编排层必须精打细算。
4、MacNet 底座
外表是拖拽积木，内核是两篇学术工作。MacNet（多智能体协作网络） 提供了通用拓扑底座：支持有向无环图甚至带环图的任意结构，2.0 画布上的环状拓扑（Loops）由此而来。原生支持环意味着可以轻松构建具备自我修正能力的系统——写文章"初稿、审核、修改、再审"的迭代环，写代码"编码、报错、修复"的重试环，都是画一条回边的功夫。
MacNet 之上是 Puppeteer 模式：复杂任务里如果所有智能体乱哄哄发言，效率极低。Puppeteer 像一个不知疲倦的调度员，利用强化学习动态决定"此刻谁发言最有用"——既提升任务质量，也实打实降低 token 消耗。学术脉络完整保留：从 1.0 的瀑布对话链，到 MacNet 的图拓扑，再到 Puppeteer 的动态调度，仓库的版本史就是一部多智能体协作机制的演进史。
5、场景案例
官方与社区展示的方向远超软件开发的原始边界，四个代表性场景如下：
- 深度研究：搜索员调外部搜索接口查新闻、阅读员提取关键信息、分析师对比去伪、撰稿人成文、审核员把关，不合格打回重写，全程自动流转
- 3D 生成：接入 Blender 的 MCP 服务，一个 Agent 拆解步骤、一个生成脚本、一个调用渲染，"做一棵圣诞树"从需求到成品
- 数据可视化：上传 Excel，分析师 Agent 自动判断数据特征、选择图表类型并生成图片，不写一行画图代码
- 游戏与教学：1.0 时代的看家本领保留为模板，教学视频生成等新场景进入能力清单
MCP（Model Context Protocol）兼容是这些案例的共同底座：Agent 连接外部工具与数据源不必重复造轮子，这一行业标准的接入让 2.0 的"万能"有了真实的工具供给。
6、上手路径
1.0 的经典姿势依然可用，一行命令把想法变成软件：
python run.py --task "设计一个五子棋游戏" --name "Gomoku"
上面这条命令会拉起完整瀑布流水线，产物在 WareHouse/Gomoku 目录下。2.0 的入口换成 Web 控制台：克隆仓库、装依赖、起服务后浏览器打开画布，从模板库拖一个现成工作流改造成自己的第一条流水线。开发者不需要停留在零代码层——节点逻辑可以像写 LangGraph 一样用代码深度定制，记忆后端不满意可以自己重写，私有模型也能接入。仓库的安装说明覆盖了 API Key 配置与本地部署两条路线，模板库是零基础用户最好的起点。
7、生态对比
放到 2026 年的多智能体工具版图里看，2.0 卡在了一个有意思的位置。与主流框架对比如下：
| 维度 | ChatDev 2.0 | LangGraph 与 AutoGen | Dify 类低代码 |
|---|---|---|---|
| 使用门槛 | 零代码起步 | 需要框架文档与代码基础 | 零代码 |
| 灵活性 | 图拓扑加代码逃生舱 | 代码级完全自由 | 受平台功能限制 |
| 拓扑能力 | 支持环与无限嵌套 | 有向无环为主 | 线性为主 |
| 血统 | 学术研究同源 | 工程框架 | 商业平台 |
两个极端的老问题被它居中化解：要么啃 LangChain、AutoGen 的文档在代码堆里处理上下文传递，要么用功能阉割的"套壳"工具做不了复杂跳转。2.0 的答案是零代码画布加代码逃生舱的双层结构——小白用模板开箱即用，开发者下潜到代码层深度定制。此外它还支持无限嵌套：把一个十节点的协作组打包成超级节点，在更大流程里直接复用，复杂度理论上可以无限扩展。
8、总结
ChatDev 的两次亮相代表多智能体领域的两条路径：1.0 用"虚拟公司"证明了角色分工协作的可能性，2.0 把这套可能性封装成人人可用的编排画布。天花板依然取决于基座模型——模型不够聪明，编排再花哨也只是排列组合；但优秀编排的价值恰在于让 60 分的模型组合出 80 分的效果。想体验的用户建议从 2.0 画布的模板库起步跑通一个深度研究流，想深挖的读者建议顺着论文、MacNet、Puppeteer 的学术链路读源码——这个仓库难得地把研究血统与工程产品装在了一起。
