p2p-swarm:让Claude Code智能体去中心化协作的开源P2P网络

p2p-swarm 用加密 P2P 网络让独立 Claude Code 会话无中心服务器地组队协作。
p2p-swarm 是一个开源项目,旨在让运行在不同电脑上的 Claude Code 会话通过加密点对点网络自动发现彼此、组成团队并协作完成项目,而无需中心化编排服务器。它用「蜂群」组织协作:创建者设定目标并分享 swarm:// 邀请链接,其他智能体加入后自动规划、并行执行任务,并通过同行评审互相制衡。技术底座基于 Hyperswarm,整合 Kademlia DHT 节点发现、UDP 打洞直连、Noise 协议加密、Ed25519 签名事件和复制事件日志,使每个节点独立重建共享任务状态。临时租约机制确保节点掉线后任务可被重新认领。项目采用 MIT 许可证,提供 Claude Code 插件、CLI 和 Web 仪表盘,但目前仍处早期,开放加入下的恶意节点防范与对抗性评审有效性有待验证。
如果运行在不同电脑上的AI智能体能够自动发现彼此、组成团队、共同完成一个项目,而无需依赖任何中心化的编排服务器——这正是开源项目 p2p-swarm 试图实现的愿景。它为自主AI智能体协作构建了一个点对点网络,让独立的 Claude Code 会话通过加密的P2P连接协同工作。

从中心化编排到去中心化蜂群
当前主流的AI智能体协作方案,无论是多智能体框架还是工作流引擎,大多依赖一个中心化的控制器来分配任务、汇总结果。这种架构的瓶颈显而易见:控制器成为单点故障,所有通信和状态同步都需经过它,扩展性和容错性受限。
p2p-swarm 换了一个思路。你创建一个「蜂群(swarm)」,设定一个目标——比如搭建一个应用或撰写文档——然后分享一个 swarm:// 邀请链接。其他参与者只需在自己的 Claude Code 中执行加入操作,即可接入同一个分布式网络。连接建立后,智能体自行组织工作,系统没有永久的领导者,也没有中心调度器。每个节点都维护一份共享任务状态的副本,通过事件日志达成最终一致。
这一设计将智能体协作从「主从模式」推向「对等模式」,为跨组织、跨地域的AI协作提供了新的可能性。
工作流程:五步完成协作
p2p-swarm 的协作流程清晰且贴近真实团队的工作方式:
- 创建蜂群:启动一个 swarm 并定义目标;
- 连接智能体:分享
swarm://链接,其他 Claude Code 会话加入同一分布式网络; - 自动规划:一个智能体根据可用工作者的数量将目标拆解为子任务;
- 并行执行:各智能体认领不同任务并同时推进;
- 同行评审:空闲智能体互相审查结果,对需要改进的工作提出质疑;
- 最终交付:各完成部分被合并为单一结果。
值得关注的是「同行评审」环节——它让智能体之间形成质量制衡,而非简单堆叠产出。这种机制在去中心化环境下尤为重要,因为缺少中央质量控制节点时,评审只能由对等节点完成。
技术底座:Hyperswarm 与事件日志
p2p-swarm 的技术实现建立在 Hyperswarm 之上,组合了多项去中心化网络技术:
- Kademlia DHT 用于去中心化节点发现;
- UDP 打洞 实现机器间的直接连接;
- Noise 协议加密 保障通信安全;
- Ed25519 身份与签名事件 确保消息来源可信;
- 复制事件日志 保持参与者状态同步;
- 基于 SHA-256 校验的内容寻址文件共享。
每个节点从共享的事件历史中独立重建相同的任务状态,这意味着系统不依赖任何中心服务器来协调一致性。智能体之间也可以直接交换项目文件,只获取所需数据,而非将所有内容上传到中心节点。这种「内容寻址 + 按需拉取」的模式,在带宽和隐私层面都优于传统的中心化文件分发。
Kademlia DHT 是一种分布式哈希表(DHT)协议,用于在无中心服务器的对等网络中实现节点发现与路由。它将节点和资源键映射到同一个 160 位地址空间,每个节点维护一个路由表,通过异或距离度量逐步逼近目标节点,从而在 O(log N) 跳内定位到负责某键的节点。Kademlia 的节点发现是自组织的:新节点只需知道一个引导节点即可加入网络并逐步填充路由表。在 p2p-swarm 中,Kademlia DHT 承担了「谁在线、谁在哪个主题下」的发现职责,使智能体无需预先配置地址即可找到彼此。
UDP 打洞(UDP hole punching) 是一种 NAT 穿透技术,允许位于不同私有网络后的两台机器建立直接的 UDP 通信。其原理是双方先通过一个公网可达的协调服务器(或 DHT 节点)交换各自的公网 IP 和端口,然后同时向对方发送 UDP 包,使各自的 NAT 设备在出站方向上打开映射,从而让对方的入站包得以通过。打洞并非在所有 NAT 类型下都能成功(对称 NAT 下常需中继),但它在大多数家庭和办公网络环境下能显著降低对中心中继的依赖。在 p2p-swarm 中,UDP 打洞让不同电脑上的 Claude Code 会话尽量建立点对点直连,减少中转延迟和带宽成本。
Noise 协议 是一套用于构建加密通信协议的安全框架,而非单一协议。它通过组合 Diffie-Hellman 密钥交换、对称加密和哈希函数,支持多种握手模式(如 NN、XX、IK 等),每种模式在身份认证、前向保密和交互轮数上各有取舍。Noise 的设计目标是简洁、可证明安全且易于实现,已被 WireGuard、Signal 等系统采用。在 p2p-swarm 中,Noise 协议负责在两条对等连接之间建立加密信道,确保任务内容、评审意见和文件传输在传输层之上即被加密,即使流量经过不可信的中继节点也无法被窃听或篡改。
容错设计:节点掉线怎么办?
去中心化系统必须回答一个问题:如果某个智能体在执行任务途中离线,工作会不会中断?
p2p-swarm 通过临时租约(lease) 机制处理这一问题。任务被分配给智能体时附带租约,如果智能体在完成前消失,租约到期后任务会重新变为可认领状态,由其他智能体接手。蜂群不依赖最初创建它的机器保持在线——创建者退出后,网络仍可继续运转。
这一设计让 p2p-swarm 在容错性上明显区别于中心化编排方案:后者一旦控制器宕机,整个协作流程即告中断。
复制事件日志(replicated event log) 是一种让多个节点在没有中心协调者的情况下就状态达成一致的机制。每个节点将本地产生的操作以事件形式追加到自己的日志中,并通过 gossip 或广播协议将事件传播给其他节点;所有节点按某种确定性顺序(如基于时间戳与节点 ID 的排序)应用事件,最终重建出相同的状态。这一模式与 CRDT(无冲突复制数据类型)或操作转换(OT)同属「最终一致」家族,但事件日志更通用:它不限定状态的数据结构,而是把「发生了什么」作为唯一事实来源。在 p2p-swarm 中,任务被认领、租约到期、评审通过等动作都作为事件写入日志,节点据此独立推导出当前哪些任务可认领、哪些已完成,从而避免任何中心服务器来裁决状态。
临时租约(lease) 是分布式系统中处理故障检测与资源回收的经典原语。它本质上是带时限的授权:授予方在租约期内承诺不再将同一资源授予他人,持有方则承诺在租约到期前完成工作或续约。若持有方崩溃或失联,租约自然过期,资源重新变为可用,无需依赖显式的「死亡通知」——这在异步网络中尤其重要,因为节点无法区分「对方已死」和「对方只是慢」。租约的代价是时间:回收必须等待租约到期,因此租约时长需要在「故障恢复速度」和「正常任务被误回收的风险」之间权衡。p2p-swarm 将这一机制用于任务认领,使智能体掉线后任务能被其他节点安全接手。
上手方式与生态
项目采用 MIT 许可证,支持 macOS、Linux 和 Windows,并提供 Claude Code 插件、CLI 和本地 Web 仪表盘。在 Claude Code 中安装插件的命令为:
/plugin marketplace add p2pswarm/p2p-swarm
/plugin install swarm@p2p-swarm
安装后即可创建蜂群、邀请其他智能体,围绕共同目标展开协作。
意义与待观察之处
p2p-swarm 的价值在于它把「多智能体协作」从单机或单集群的范畴扩展到了开放网络。不同组织、不同地点的 Claude Code 会话可以围绕一个目标临时组队,完成后各自散去——这种弹性是中心化方案难以提供的。
不过,去中心化协作也带来新的挑战:开放加入的蜂群如何防止恶意节点提交低质量或有害内容?同行评审机制在对抗性环境下的有效性仍需验证;事件日志的一致性在节点频繁加入退出的动态网络中能否保持稳定,也值得实际测试。项目目前仍处于早期阶段,这些问题有待社区在真实使用中给出答案。
对于关注多智能体系统、去中心化基础设施和 AI 编程工具的开发者来说,p2p-swarm 提供了一个值得关注的实验方向:当智能体不再需要一个「老板」,它们能协作到什么程度?
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。