AI代理编排智能层
Project Mesh 定位为 OpenClaw 之上的“intelligence layer”，不是单一聊天机器人，而是面向多 AI Agent 队列的控制平面。它连接用户自托管的 OpenClaw gateway，用于编排任务、监控信号、管理成本、沉淀记忆，并让 Agent 通过事件和 runbook 自动协作。
其核心围绕 Agent 运维与自治展开：仪表盘可查看每个 Agent 的状态、活跃任务、token 用量和健康分；Spec State Machine 将工作从 draft、approved、building、review 到 done 流转；Runbook Engine 支持“if X then do Y”的自动执行；Proactive Signal Detection 可监控 GitHub、邮件、市场数据和竞品页面并自动路由；Fleet Memory Search 则可跨 Agent 记忆合成回答。模型方面，Project Mesh 不绑定特定 LLM，而是支持任何 OpenClaw 支持的 provider，包括 OpenAI、Anthropic、Google、Mistral 和本地模型，前提是用户自带 API Key。
价格结构清晰：Free 为 $0/月，含 1 个 workspace 和 3 个 agents；Pro 为 $29/月，提供不限 workspace 和 agents、优先支持和新功能早期访问；Team 为 $99/月，增加团队角色、SSO 和审计日志。隐私是明显卖点：会话、Agent 配置和 API Key 留在用户基础设施中，Mesh 只连接 gateway，不存储数据，并通过 Tailscale 降低公网暴露风险。
优点是架构适合重视数据控制权的技术团队，功能覆盖 Agent 编排、协作、成本分析和多渠道消息接入。缺点也明显：必须自托管 OpenClaw，部署与网络理解门槛高；文档中 Getting Started、Gateway、API Reference 等仍显示 Coming soon，产品成熟度信息不足；中文支持、支付方式、SLA 与合规认证未披露。它更适合已有 Agent 基础设施的开发者、创始团队和工程组织，不太适合只想即开即用的普通办公用户。
抓取文本未提供中国大陆网络可用性与支付方式信息，china_access 只能判定为未知。由于其依赖 Tailscale、自托管网关以及海外 LLM Provider，国内团队还需额外评估网络连通性、模型 API 可用性和付款可行性；若受限，可考虑以本地模型和自建 OpenClaw 网关作为替代路径。
本测评基于公开资料整理,不构成购买建议,请以 projectmesh.io 官网实际信息为准。
面向 AI agent 工作流编排，适合关注自动化团队。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。