工作流邁向工程化！國內開源 AI 智能體 Runtime 框架 MateClaw 發佈 v1.5.0 重磅更新

近日，開源 AI 智能體（Agent）Runtime 框架MateClaw 正式發佈了 v1.5.0版本。本次迭代並未盲目追求模型接入的數量，而是將重心放在了補齊 Agent 在真實團隊運行中所必需的底層基礎設施上，核心圍繞目標可驗收、知識庫一致性維護以及多用戶記憶隔離三大維度展開深度重構。

在真實業務場景中，傳統的智能體往往僅靠一個模糊的“完成度分數”來評估任務進度，導致管理人員難以明確具體卡在哪個環節。爲了打破這一黑盒狀態，MateClaw v1.5.0引入了全新的“目標驗收清單”（Goal Checklist）機制。該機制允許系統或運行中的大模型將一個宏觀目標動態拆分爲多個可獨立驗證的驗收準則。系統內置的評估器會在不同階段對準則進行逐條研判並記錄證據，只有當清單上的所有準則全部通過時，任務纔會被判定爲完成。這種數字化清單的設計，不僅讓任務收尾邊界更清晰，也爲 Agent 的自動跟進提供了精確的注入上下文。

作爲本次更新中工程量最大的一環，MateClaw將傳統的知識庫（LLM Wiki）升級爲了具備自維護能力的“知識引擎”。新版支持類似維基百科的頁面互聯(Wikilink)功能，具備完善的頁面改名級聯改寫、刪頁清理以及壞鏈掃描等一致性維護能力。更爲硬核的是，新系統引入了“知識分層”概念，將內容劃分爲基礎事實層與經驗總結層。一旦底層的“事實頁”發生變更，所有依賴它的“經驗頁”都會被自動標記爲待複覈狀態，從根本上解決了知識庫“事實已變、結論過期”的行業通病。此外，通過 PageType Profile 功能，管理員還可以針對不同的頁面類型配置結構化字段與 markdown 模板，並基於“員工+知識庫+頁面類型”的矩陣實現 fail-safe 級別的精細化權限流控。

爲了讓 AI 智能體安全地融入多人協作環境，MateClaw v1.5.0全面啓用了多用戶記憶隔離（Memory per-owner）功能。系統通過在底層爲記憶打上所有者標識(owner_key)與三檔可見性範圍(Scope)，確保同一個 Agent 在同時服務 Web 控制檯、即時通訊(IM)渠道或第三方 API 的多個不同用戶時，個人隱私與長期記憶絕不串臺。

除三大主線外，新版本還帶來了一系列面向生產環境的穩定性補強。其中包括支持爲員工綁定 Wiki 默認落點的主知識庫、優化模型選擇鏈路並讓偏好提供商路由真正生效，以及打包接入了全新的 Claude Opus4.8模型條目。在工程細節上，工具生成的各類多媒體文件現在會安全落盤並由定時任務自動清理，MCP 工具的默認讀取超時也放寬至60秒以減少誤判。同時，渠道側的微信、企業微信和飛書全面接入了統一入站媒體管線，支持利用特徵碼判斷文件類型和指數退避重試，大幅提升了羣聊場景下複雜文件交互的可靠性。目前，該版本的升級配置已全面兼容歷史數據，相關遷移由 Flyway 自動執行，正加速推動 AI 智能體邁向真正的工業級生產力落地。