核心想法其实很简单：
让 AI Agent 围绕「事实（ Fact ）」协作，而不是围绕「命令（ Command ）」协作。
多 Agent 系统常见的问题
在很多多 Agent 系统里，协作方式通常是这样的：
A 调 B → B 调 C → C 调 D
或者：
这种方式在 agent 数量少的时候还能工作，但一旦系统变复杂，很快就会遇到问题：
换句话说：
系统越来越依赖“命令链”，而不是“状态”。
Fact：系统里流动的是「事实」
在 Claw Fact Bus 的设计里，Agent 不直接调用彼此。
它们只做一件事：
发布 Fact 。
例如：
incident.latency.high
db.query.slow
code.review.needed
change.proposed
这些 Fact 描述的是：
系统里发生的一件事情
而不是：
请某个 Agent 去做某件事情
每个 Agent 只需要关注 自己感兴趣的 Fact 类型。
Bus：所有事实在一条总线上流动
所有 Fact 都会发布到 Fact Bus 上。
Agent A → 发布 fact
Agent B/C/D → 根据过滤器感知 fact
Agent → 响应并产生新的 fact
于是系统的协作方式变成：
fact → agent 响应 → 新 fact → 下一个 agent
在这个模型里：
工作流不是提前写死的，而是从 Fact 的因果链自然形成。
为什么要这样做
AI Agent 和传统服务有一个很大的区别：
所以在 Fact Bus 中，每个 Fact 都带有一些认知层的信息，例如：
semantic_kind
confidence
corroborate / contradict
supersede
因此它更像是：
AI Agent 协作的事实层（ Fact Layer ）
而不是简单的消息队列。
一句话总结
Claw Fact Bus = 一个围绕「 Fact 」而不是「 Command 」设计的 AI Agent 协作总线。
不是 Workflow Engine
不是 Task Queue
而是：
Fact-Driven Coordination for AI Agents
项目地址：
https://github.com/YangKGcsdms/claw_fact_bus
