# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
谷歌大神用6个AI智能体杀疯了。
智东西3月5日消息，近日，谷歌高级AI产品经理Shubham Saboo公开了一套已稳定运行一个月的多智能体自动化系统。不同于停留在演示阶段的AI智能体方案，这套系统基于开源平台OpenClaw搭建，每天真实承接他的六项日常工作：AI动态研究、推文撰写、领英内容生产、新闻简报编辑、代码审查及社区事务处理。
这支由6个AI智能体组成的团队在他睡觉时自动运转，Saboo本人只需在早晨喝咖啡的10分钟里过一遍审批，就能每天腾出4至5小时来专注真正需要人脑的事务。
Saboo还以不同的美剧主角为他的6个AI智能体命名。6个AI智能体，6个岗位；职责分明，各司其职。
这套系统通过SOUL.md人设文件定义每个AI智能体的身份与行为准则，以共享文件系统替代复杂的API通信框架，并借助双层记忆机制持续积累用户偏好。
值得关注的是，Saboo构建的整套系统仅用一台普通电脑即可部署运行，月成本不到400美元（约合人民币2760元）。
Saboo是编程社区Unwind AI创始人，该平台帮助6000+订阅者每天仅需三分钟就学会构建大模型、RAG和Agent应用。此外，他还创建了热门的GitHub仓库Awesome LLM Apps，该仓库专门收录各类大模型应用案例，是目前最受欢迎的AI应用实战教程集合之一，在GitHub上的star数已达到99.5k。
▲谷歌高级AI产品经理Shubham Saboo（图源：领英）
他在X上发布的这篇长文，详细披露了基于OpenClaw搭建这套系统的完整思路、文件结构、实际成本和踩过的坑，获得超100万次浏览。
▲Shubham Saboo在X平台的推文截图
在日常工作中，Saboo每天必须完成六件事：追踪AI领域最新动态、写推文、写领英帖子、给订阅用户出新闻简报、审查开源项目的代码贡献、处理社区问题。每件事看似不大，却各需30到60分钟。
Saboo最先尝试的解法是用一个AI智能体包办一切。他把提示词给智能体，让它既研究、又写作还审查，但输出质量并不乐观。一个AI智能体无法同时胜任六种不同的工作。
Saboo基于OpenClaw构建了6个Al智能体，并以不同的美剧主角为其命名。这样做的好处是，他只需要输入名字，模型就能根据已有的数据提炼这个人的性格特点、做事风格。
在Saboo的AI团队里，最核心的角色是Monica，她是Saboo每天打交道最多的AI。这位“参谋长”得名于《老友记》中的Monica Geller。她的职责是看全局、做统筹、把合适的任务派给合适的人，同时处理那些说不清楚归谁管的事。
团队情报员Dwight，以《办公室》里的Dwight Schrute命名。他每天进行三次研究扫描，检查X平台、Hacker News、GitHub热门项目、谷歌AI博客、学术论文，并撰写结构化情报报告供其他所有AI智能体使用。
读完Dwight的报告，第一个行动的是推文写手Kelly。她取名自《办公室》里的Kelly Kapoor，专门用Saboo的语气和风格写推文——单条推文、串推、引用推文，皆样样精通。她的个性定义SOUL.md里写着：“趋势还没成趋势，你就已经知道了。”
同样的情报，到了领英帖子写手Rachel那里，却是完全另一种呈现。她以《老友记》里的Rachel Green命名，面向的是领英上的专业受众——这里的人不看热点，要看行业洞察和专业观点，所以Rachel的写法更沉稳，更像一个思想领袖在发言。
工程师Ross，命名来自《老友记》里的Ross Geller，负责代码审查、Bug修复和技术实现。他的行为准则里写着：“当你处理一个问题时，要完全理解它，不要只修复表象。”
简报编辑Pam，以《办公室》里的Pam Beesly命名。她把Dwight每天的情报报告转换成新闻简报，发给订阅用户。
Saboo构建的整套系统运行在一台配备M4芯片的Mac mini上，但Saboo强调，这台机器没什么特别的，任何能持续运行的设备都行。他用Mac mini只是因为它小、静音、不费电，方便而已。
他基于两条命令在不到五分钟的时间里安装好了OpenClaw。下面是他构建上述6个AI智能体的操作过程：
1. SOUL.md：一张给AI看的 “员工手册”
整个系统最关键的设计，是一个叫做SOUL.md的普通文本文件。
当前大模型默认不具备持久化记忆能力，每次会话结束后不保留任何交互内容。新会话启动时，模型既不了解用户历史，也不记得自身被赋予的角色与职责。
SOUL.md正是为解决这一“会话失忆”问题而设计。每次智能体启动新会话时，系统都会自动加载该文件，将身份定位、职责范围、行为准则以及与其他智能体的协作关系一并写入上下文。换言之，它相当于一份结构化的“岗位说明书”，在每次运行前完成角色初始化，确保智能体在不同会话之间保持行为一致性。
以情报员Dwight为例，其SOUL.md规定：每条数据必须附有来源链接，不允许估算；不确定的内容标注“未验证”；不知道优于给出错误答案。
参谋长Monica的SOUL.md则规定：直接给出有效帮助，省略冗余表述；推文内容交由Kelly处理，代码问题交由Ross处理，职责不明确的任务由Monica自行承接；允许表达不同意见。
每个SOUL.md大约40到60行，要保持简短。其原因是，AI处理信息的 “工作台” 大小有限（专业术语叫上下文窗口），SOUL.md过长会压缩智能体处理实际任务的可用空间。
2. 智能体协作机制：以文件系统替代API通信
Saboo通过一个共享文件夹，就实现了让6个AI智能体协同工作。
具体流程为：情报员Dwight完成情报收集后，将结果写入DAILY-INTEL.md文件；Kelly、Rachel、Pam的定时任务依次触发后，各自读取该文件，分别生成推文草稿、LinkedIn帖子和新闻简报。Dwight的配置文件规定其将结果写入指定路径，Kelly等智能体的配置文件则规定从该路径读取情报，以此完成信息交接。
这一设计看起来很“简单”，却避免了认证失效、API速率限制等常见的系统集成问题。数据存储上采用双格式：结构化数据以JSON格式保存，用于机器去重和长期追踪；供智能体读取的摘要内容以Markdown格式保存。
3. 记忆系统：让AI越用越聪明
AI每次都失忆，怎么让它越来越了解你的风格和偏好？
Saboo为该系统设计了两层记忆结构。每日日志存储于memory/YYYY-MM-DD.md，记录当天的任务执行情况、草稿内容及用户反馈，由智能体在工作过程中实时写入。长期记忆存储于MEMORY.md，定期从每日日志中提炼规律性内容，包括用户偏好、行为准则的调整记录等。
每个智能体会话开始时自动加载的行为规则文件AGENTS.md中明确规定：会话重启后不保留任何临时记录，需要保留的内容必须写入文件。
这一机制在实际使用中的效果体现在：推文写手Kelly最初生成的推文草稿包含大量表情符号和感叹号，经Saboo反馈后，Kelly将该风格规则写入记忆文件，此后生成的草稿自动遵守，无需重复提示。情报员Dwight起初将所有热门内容纳入报告，经Saboo要求聚焦关键信号后，其筛选标准得到更新，后续报告质量随之提升。
AI本身没有变聪明，但它加载的 “经验” 在不断积累，效果就是越来越好用。
4. 定时任务：让AI自动醒来干活
这六个AI智能体不是Saboo手动叫醒的，而是按各自的时间表自动触发。其顺序是：情报员Dwight最先运行，因为其他所有人都要读他的报告。推文写手Kelly和领英写手Rachel在Dwight之后运行，因为他们需要情报文件已经存在。
OpenClaw内置了定时任务调度功能，Saboo设置好时间，关掉终端，AI们自己按点上班。
5. 容错机制：基于心跳文件的任务自动恢复
定时任务不是百分之百可靠的，机器重启、网络中断、API速率限制等因素均可能导致某个定时任务未能按时执行。
针对这一问题，Saboo在系统中引入了心跳文件HEARTBEAT.md。Monica定期检查所有定时任务的上次运行时间，一旦检测到某任务超过26小时未执行，便自动触发强制重跑，无需人工介入。
1.无需管理后台，通过Telegram与智能体交互
Saboo与6个AI智能体的日常交互不依赖任何管理后台，而是通过Telegram完成。OpenClaw支持将智能体接入Telegram，配置完成后智能体以机器人账号形式运行，用户可直接发送指令、接收草稿并完成审批。
以他的典型工作日为例：早晨打开Telegram，Dwight已发送当日AI动态摘要，Kelly提交了3条待审推文草稿，Rachel的LinkedIn帖子已就绪。在喝杯咖啡的10分钟里，他将智能体们发来的内容审核完毕，正式开始当天的工作。
2.别再写完美提示词，AI智能体要靠反复纠正
Saboo说，很多人搭建AI系统时，倾向于在一开始把提示词写得面面俱到。他认为这行不通，也没必要。
以美剧角色命名为每个AI智能体提供了初始性格基准，但稳定的工作风格需通过持续反馈迭代形成。Saboo将AI智能体的调优过程称为“纠正性提示工程”：也就是让AI给一个粗糙的初版，观察它的实际行为，哪里不对就指出来，让它把修正规则写入记忆文件，以文件形式固化，在后续每次会话中加载生效。Saboo说：“这就像带一个真实的新员工。”
Saboo的经验是：第一版智能体是平庸的，第十版是好用的，第三十版才是出色的，需持续投入调优时间。此外，为每个智能体设定单一明确的职责范围和终止条件，有助于提升输出的稳定性。
3.坚持权限隔离，严控数据访问范围
把日常工作交给AI，信息安全怎么办？
Saboo的安全策略核心是权限隔离：AI团队运行于专用设备Mac mini上，所用账号、API密钥均单独申请，与其个人账户完全隔离，各服务的访问权限可独立关闭。他不向智能体直接授权任何个人账户，所有需要智能体处理的内容均通过手动转发或Telegram共享的方式传入，由此确保智能体的数据访问范围完全可控。
Saboo说，这和管理真实员工的逻辑一样，第一天入职，公司不会把所有的系统权限都给你，而是按需分配，随着信任建立再逐步扩大。
4.基础设施总会出故障，这五类问题Saboo都踩过
Saboo在帖子中列出了该系统的几类常见故障及对应解决方案。
网关崩溃时，执行重启命令即可恢复，心跳机制会自动补跑未完成的任务。定时任务因网络中断、设备休眠或API速率限制未能按时执行时，心跳机制在检测到任务超过26小时未运行后自动触发补跑。智能体输出质量下滑通常由记忆文件内容冗余或相互矛盾引起，需定期将有效经验提炼至长期记忆文件，并归档或删除过期日志。多个智能体并发写入同一文件会导致数据冲突，应在设计阶段明确每个文件仅由一个智能体负责写入，其余智能体只读。会话加载文件过多导致上下文溢出时，需将SOUL.md控制在60行以内，每次会话仅加载当日及前一日的记忆日志。
Saboo建议，初期应从单个智能体开始部署，待其稳定运行一周后再逐步扩展，过早铺开会增加问题排查的难度。
1.每月不到400美元，换来六个全天候AI员工
硬件方面，Saboo使用配备M4芯片的Mac mini，新品起价499美元（约合人民币3443元），任何可持续开机的设备均可替代。模型使用上，大部分智能体任务采用Claude Opus和Sonnet，部分工作流使用Gemini。他也在测试Ollama上的本地模型，试图进一步压低成本。
各项费用明细如下：
Claude（Max 套餐）：200美元/月（约合人民币1380元/月）
Gemini API：50-70美元/月（约合人民币345-483元/月）
TinyFish（网页智能体）：约50美元/月（约合人民币345元/月）
Eleven Labs（语音）：约50美元/月（约合人民币345元/月）
Telegram：免费
OpenClaw：免费
总计：不到400美元/月（约合人民币2760元/月）
2.省时间是起点，持续积累的记忆文件才是真正的壁垒
在效率提升方面，情报员Dwight每天为Saboo减少2至3小时的研究工作量。此前Saboo需要每天早晨手动检查X、Hacker News、GitHub热门项目和AI博客，现在醒来即可获得一份附有来源链接和行动项目的优先级摘要。推文写手Kelly、简报编辑Pam和领英写手Rachel合计减少1至2小时的内容起草时间，工程师Ross承接了此前需要占用整个晚上的工程任务。6个AI智能体每天合计为Saboo节省4至5小时。
Saboo指出，持续运行这套系统带来的长期价值同样不可忽视。以研究类任务为例，智能体每日执行、持续积累，其信号追踪和趋势判断能力会随记忆文件的丰富而逐步提升，这是单次会话无法实现的效果。目前，他在X上的发帖频率和内容质量均有所提升，发布节奏趋于稳定，开源项目保持持续更新，新闻简报也形成了稳定的内容来源。
需要指出的是，原创性判断、战略决策和创意生成目前仍超出这套系统的能力范围。该系统的价值在于将重复性、规律性的工作稳定执行，从而释放出用于处理更高复杂度任务的时间和精力。
3.分四阶段稳步推进，从零搭建智能体系统
Saboo建议按以下四个阶段逐步推进系统搭建。
第一周，完成OpenClaw安装，部署单个智能体，编写SOUL.md，专注处理一项重复性日常任务，观察运行情况并修复问题。
第二周，针对初期输出持续给出反馈，根据实际表现调整SOUL.md，推动记忆文件逐步完善。
第三周，在现有智能体输出已能稳定使用的基础上，按需引入第二个智能体，并配置文件读写协作关系。
第四周及以后，以实际工作需求为驱动扩展智能体数量，每个新增智能体应对应明确的任务缺口，而非为追求系统完整性而添加。
Saboo不仅用这套系统省下了时间，更重要的是，它展示了一种可复制的路径：借助OpenClaw这类开源工具，个人开发者无需依赖云端服务或从头搭建编排框架，即可在本地设备上部署持续运行的多智能体自动化系统。
OpenClaw具备三项多数AI智能体平台不具备的特性：完全开源、本地优先（记忆以Markdown文件存储于用户本地设备）、以及基于心跳守护进程的自主调度能力。这些特性正是Saboo这套系统得以稳定运转的基础。
同样值得关注的是他处理系统复杂度的方式：以文件系统替代编排框架，以记忆文件替代模型微调，以角色命名建立初始性格基准。每一项设计决策都指向同一个原则——在满足需求的前提下保持最低复杂度。
Saboo在帖子中指出，模型本身已成为普遍可及的基础资源，真正形成差异的是围绕模型构建的系统，包括智能体配置文件、记忆机制、协调规则和持续调优的积累。这套系统会随使用时间的增长持续优化，成为属于你的个人化资产。
文章来自于“AI应用风向标”，作者 “陈佳”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
