成果|ChatDev 2.0:零代码构建多智能体,快速开发一切

开源链接：

https://github.com/OpenBMB/ChatDev

一、智能体开发从复杂代码升级为“可视化交互”

在多智能体开发的探索与落地过程中，开发者往往面临着一个艰难的选择： 是忍受低代码工作流平台的刻板与失忆，只为了拖拽的便捷？ 还是死磕代码框架的复杂与晦涩，只为了获得真正的灵活性？

ChatDev 2.0 让开发者不再艰难做选择，而是“鱼和熊掌都可兼得”。ChatDev 2.0 不再仅仅提供一个单一的智能体框架，而是交付了一套完全开源、零代码的生产力工具。通过直观的 “Drag + Configure”（拖拽+配置）范式，将晦涩的代码逻辑抽象为可视化的交互体验，将多智能体系统的构建门槛降至无限接近于零，让每一个创意都能拥有自己的“智能团队”。

仅需“拖拽+配置”，零代码开发多智能体

• Drag（拖拽）： 在无限画布上自由拖拽，定义智能体之间的协作连边。无论是简单的线性流程，还是复杂的网状拓扑，只需鼠标连线即可完成。

• Configure（配置）： 摒弃复杂的配置文件。通过表单化配置，你可以精细调整每个节点的角色、提示词、基座模型及上下文窗口。

从简单的文章写作助手，再到支持 3D 建模的复杂协作流，ChatDev 2.0 完全按照开发者的需求“持续进阶”。

二、超高自由度的底层编排能力

ChatDev 2.0 不仅仅是“看起来简单”，我们在底层通过高鲁棒性的图结构实现了多智能体的编排能力，为开发者提供了较高的开发自由度：

1、计算载体：丰富的节点类型

ChatDev 2.0 不再局限于单一的 LLM 调用，而是提供了多种类型的计算节点：

• Agent 节点： 负责任务执行，支持 Function Calling（工具调用）、Memory（记忆）与 Thinking（思考）。

• Human 节点： 原生支持 Human-in-the-loop（人在回路），让原本封闭的自动化流程可以随时介入人工反馈与决策。

• Python 节点： 执行输入代码，共享 Workspace（工作空间）。

• Logic 节点： 包含 Subgraph（子图嵌套）、Loop_counter（循环控制）等，支持任意深度的嵌套循环与逻辑复用。

2、控制与通信：边的双重功能

ChatDev 2.0 在连边上实现了控制流与数据流的解耦，逻辑判断与信息传递分离，避免了为了传递信息而强行触发执行的尴尬：

• 控制流：决定“下一步由谁执行”。支持复杂的条件分支判断，精准调度后续节点。

• 数据流：决定“信息如何传递”。我们实现了上下文的精细化治理，支持在传递过程中对数据进行清洗、提取、过滤；同时为充分使支持多智能体并行以提高效率，边上支持动态分发功能，即支持运行时自动拆分前序节点的输出，并并行分发至多个后续节点。

3、编排革命：无限嵌套与自由拓扑

ChatDev 2.0 拒绝将多智能体系统降维成线性的“流水线”，而是致力于打破大多数 Workflow 的拓扑限制，将“自由”真正交还给开发者：

• 全拓扑兼容，原生支持“环”： 系统不仅支持有向无环图，也支持了大部分的复杂带环图。这意味着你可以自由构建包含多轮自我反思迭代、审核-修改循环的非线性流程，还原人类协作的真实复杂度。

• 无限嵌套，无限扩展： ChatDev 2.0 原生支持无限嵌套。你可以将一个包含数十个智能体的复杂协作组封装为一个普通的“节点”，并在其他的图中直接调用。 这种分形般的架构设计，使得多智能体系统的规模化成为可能——从简单的三人小组，到庞大的虚拟软件公司，系统的复杂度完全由你定义，上不封顶。

三、“标准化模板+代码级拓展”，让小白、极客各取所需

ChatDev 2.0 不仅交付了工具，更交付了一套完整的多智能体协作方法论，让不同层级的开发者都能按需、高效地完成多智能体的构建：

1、小白用户：开箱即用，拒绝“空白画布”

• 最佳实践： ChatDev 2.0 在系统内置了多种多智能体系统的模版。无论是生产力任务（数据分析、Deep Research、视频生成），创意设计（3D 建模、游戏开发），还是经典复现（ChatDev 1.0, MacNet），均可一键加载，即刻运行。

• 保姆级引导： 依托系统内嵌的图文 Tutorial，手把手教你 Build your first workflow，让“零基础”也能五分钟上手。

引导搭建多智能体系统

2、极客玩家：开源透明，像搭积木一样二次开发

• 代码级扩展： 系统完全开源。开发者可以像使用 LangGraph 一样深度定制——编写全新的节点类型、接入私有 LLM Provider、或重构 Memory 存储后端。自定义 Edge Condition 和 Payload Processor，精准清洗数据、控制流程走向。

• 硬核文档： 配备详尽的 GitHub 开发文档，从 YAML 结构解析到 Provider 适配指南，助你快速吃透架构，将 ChatDev 2.0 改造为你的专属底座。

实用案例，探索 ChatDev 2.0 的强大功能

ChatDev 2.0 可以轻松构建支持不同功能的多智能体系统，从而高效支持各类复杂任务，如 3D 建模、数据分析等，帮助用户快速实现不同任务的产出。

1、3D 建模

2、数据分析

3、视频生成

4、Deep research

5、游戏开发

欢迎大家参与 ChatDev 2.0 的共建

无论是分享你构建的多智能体工作流，复现并验证已有研究工作，提供具有代表性的应用案例，还是提交功能建议、Bug 修复，亦或贡献新的节点类型、编排模式与底层机制，我们都鼓励并期待开发者与研究者通过 PR / Issue 的形式参与其中。

对于社区贡献者，我们将：

• 将贡献者列入 GitHub Contributors；同时，对高质量的社区方案、工作流模板与应用案例，纳入官方示例与推荐实践体系。

• 为持续活跃的开源贡献者，提供线下技术交流活动的优先参与机会。

• 在合适的研究方向与条件下，探索进一步的研究合作可能，包括潜在的实习机会、系统共建以及学术成果产出。

如果你关注多智能体系统的表达能力、可扩展性以及在真实场景中的落地问题，ChatDev 2.0 期待与你共同探索。

我们相信群体智能的未来属于每一个人。现在，就来 ChatDev 2.0，像搭积木一样，构建属于你的超级智能体团队！

欢迎扫码入群，查看详细开发文档，与主创团队面对面交流

关于我们

清华大学自然语言处理与社会人文计算实验室（TsinghuaNLP）成立于 20 世纪七十年代末，是国内开展自然语言处理研究最早、深具影响力的科研单位，也是中国中文信息学会计算语言学专业委员会及中国人工智能学会因果与不确定性人工智能专业委员会的挂靠单位。实验室在学术总体带头人孙茂松教授及学术方向带头人刘洋教授、刘知远副教授的带领下，围绕以中文为核心的自然语言处理，在语言大模型、跨模态大模型、中文信息处理、机器翻译、知识图谱、智慧教育、社会人文和艺术计算等方面开展系统深入的研究，在国内外具有较大的学术影响。近年来，实验室承担了国家 973 项目、国家重点研发项目、国家社会科学基金重大项目等多项重要研究任务，并与腾讯、华为等企业建立密切的学术合作关系。