AI

我给自己造了一支 AI 团队：OpenClaw 多智能体系统重建实录

我给自己造了一支 AI 团队：OpenClaw 多智能体系统重建实录

五个 AI Agent，各司其职，全天候自动运转——这是我用一个下午完成的事情。

一、背景：为什么要搞多智能体？

我一直在用 OpenClaw 跑 AI Agent。最初只是把几个 Agent 挂在飞书群里聊天用，但用着用着发现一个问题：它们太”被动”了。

Agent 只会回复消息，不会主动做事。没有工作流，没有定时任务，没有收入产出。它们更像是几个等待投喂的聊天机器人，而不是真正的”团队成员”。

于是我决定做一次彻底重建——不是调调参数，而是从身份定义、模型策略、自动化调度、到收入管线，全部推倒重来。

二、团队阵容

重建后的五人阵容：

Agent 代号 角色 语言
Judy 💖 main 总调度 / 管家 中英双语
Phoenix 🦅 coding 全栈开发 / 开源 English
Mike ⚙️ devops 运维 / 基础设施 English
Shirly ✍️ momo 内容创作 / 自媒体 中文
xueqin 📜 litterature 小说写作导师 中文

每个 Agent 都有完整的 SOUL.md（身份定义）、IDENTITY.md（自我认知）、USER.md（对我的了解）和 HEARTBEAT.md（自主工作指令）。

三、四大子项目

整个重建拆成了四个子项目，按依赖顺序执行。

SP1: 基础重建（Foundation Rebuild）

核心改动：

  • 模型策略统一：所有 Agent 统一使用 github-copilot/gpt-5-mini 作为主模型，配合 OpenRouter（免费额度）和 Ollama 本地模型作为降级方案
  • 身份体系重写：五个 Agent 的 SOUL/IDENTITY/USER 全部重写，明确性格、能力边界、语言偏好
  • 配置清理：API Key 迁移到环境变量，移除硬编码密钥，per-agent models.json 精简为连接信息
  • Token 上限：maxTokens 从默认值提升到 16384

模型降级链：

1
gpt-5-mini (Copilot) → stepfun/step-3.5-flash (OpenRouter免费) → qwen3.5:35b (Ollama本地) → gemma4:e4b (Ollama本地)

这样即使 Copilot API 出问题，Agent 也不会完全停摆。

SP2: 自动化引擎（Automation Engine）

之前只有一个孤零零的 DevOps 日报 cron job。重建后变成了 Judy 主导的三段式调度：

时间 任务 说明
08:00 晨间派发 Judy 检查 Apple Reminders，扫描各 Agent 状态，分派任务
14:00 午间巡检 检查进度，催促无产出的 Agent，协调阻塞
22:00 夜间总结 生成日报，通过飞书私信发给我

每个 Agent 的 HEARTBEAT.md 也从空文件变成了具体的自主工作指令——Agent 被唤醒时知道该做什么，而不是等着被告知。

SP3: 内容管线（Revenue: Content Pipeline）

Shirly 从”聊天机器人”升级为自媒体内容引擎：

  • 目标平台：小红书 + 微信公众号
  • 内容存储：~/shirley-content/，包含 queue（待发布）、published（已发布）、archive（归档）
  • 模板系统：JSON 格式的平台模板（标题字数限制、标签规则、封面规格等）
  • 浏览器自动化：基于 Playwright + Edge 的发布脚本，支持 cookie 会话管理
  • 日常流程：调研选题 → 撰写内容 → 生成封面 → 自动发布
1
2
3
4
5
6
7
~/shirley-content/
├── queue/          # 待发布内容（JSON 格式）
├── published/      # 已发布归档
├── archive/        # 历史内容
├── templates/      # 平台模板（xiaohongshu.json, weixin.json）
├── scripts/        # Playwright 发布脚本
└── .sessions/      # 平台 cookie 会话

SP4: 编码管线（Revenue: Coding Pipeline）

Phoenix 的定位是自主开源开发者：

  • 项目管线：~/workspace-phoenix/pipeline/ — ideas → active → shipped
  • 收入模式：开源项目 + GitHub Sponsors + 产品化
  • 工作流程：发现趋势 → 评估可行性 → 原型开发 → 迭代打磨 → 发布到 GitHub
  • 完全自主：无需我审批，Phoenix 自行决定做什么项目

四、踩过的坑

坑 1：配置校验比想象中严格

OpenClaw 的 openclaw.json 有严格的 schema 校验。我们在 agents.defaults.model 里加了 fallback 数组：

1
2
3
4
{
  "primary": "github-copilot/gpt-5-mini",
  "fallback": ["openrouter/stepfun/step-3.5-flash:free", "ollama/qwen3.5:35b"]
}

结果 gateway 直接拒绝启动：agents.defaults.model: Invalid input。

正确做法是 model 只接受 {"primary": "<alias>"} 的格式，模型列表在 models 字段定义。降级逻辑由 OpenClaw 框架根据 models 里的可用模型自动处理。

坑 2：Per-Agent compaction 不被支持

想给 coding 和 litterature 两个 Agent 设置 compaction: auto（因为它们上下文消耗大），结果：

1
agents.list.1: Unrecognized key: "compaction"

compaction 只能放在 agents.defaults 级别，不能放在单个 Agent 的配置里。所有 Agent 共享同一个 compaction 策略。

坑 3：Playwright 的浏览器选择

默认 Playwright 会下载 Chromium，但我的 Mac 上主力浏览器是 Edge。需要在脚本里显式指定：

1
const browser = await chromium.launch({ channel: 'msedge' });

这样可以复用已有的 Edge 安装和 cookie，不需要额外下载几百 MB 的 Chromium。

五、架构全景

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
~/.openclaw/
├── openclaw.json           # 中央配置（模型、Agent、工具、通道）
├── .env                    # 环境变量（API Key）
├── cron/jobs.json          # 4 个定时任务
├── agents/                 # 5 个 Agent 的运行时配置
│   ├── main/               # Judy
│   ├── coding/             # Phoenix
│   ├── devops/             # Mike
│   ├── momo/               # Shirly
│   └── litterature/        # xueqin
├── workspace*/             # 各 Agent 的工作空间
│   ├── SOUL.md             # 身份定义
│   ├── IDENTITY.md         # 自我认知
│   ├── USER.md             # 用户画像
│   ├── HEARTBEAT.md        # 自主工作指令
│   └── memory/             # 持久化记忆
└── docs/superpowers/       # 设计文档和实施计划
    ├── specs/              # 4 份设计规格
    └── plans/              # 4 份实施计划

~/shirley-content/          # Shirly 的内容管线（独立于 openclaw）
~/workspace-phoenix/        # Phoenix 的项目管线

六、效果与展望

重建完成后，运行 openclaw gateway restart，整个系统立即生效：

  • ✅ Judy 每天三次自动巡检和调度
  • ✅ Phoenix 自主探索开源项目机会
  • ✅ Shirly 进入内容创作工作流
  • ✅ Mike 按时提交运维日报
  • ✅ xueqin 持续小说写作辅导

下一步计划：

  1. 观察运行数据，调整 cron 频率和 heartbeat 策略
  2. 小红书和公众号开通后，验证 Playwright 自动发布流程
  3. 为 Phoenix 的项目配置 GitHub Sponsors
  4. 考虑加入数据库替代 Markdown 做指标追踪
  5. 扩展 Shirly 到抖音/微博等更多平台

七、写在最后

搭建这套系统的过程本身就很有趣——我用 AI Agent（GitHub Copilot）来设计和实现另一组 AI Agent 的工作流。这种”AI 造 AI”的体验让我意识到：

多智能体系统的核心不是技术，而是组织设计。

模型选哪个、参数调多少，这些都是战术问题。真正关键的是：每个 Agent 的职责边界在哪里？它们之间怎么协作？谁来做决策？谁来兜底？

这跟管理一个真实的团队没什么两样。

本文撰写于 2026 年 4 月 5 日。整个重建过程在一个下午内完成，包括设计、实施、调试和验证。