Published on

从零搭建 16 Agent AI 团队（一）：为什么我需要 16 个 AI 助手？

Authors
  • avatar
    Name
    Pony Ma
    Twitter

一个人的公司，16 个 AI 员工

你可能看到过"Meta 和 OpenAI 争抢收购 OpenClaw"的新闻。OpenClaw 是一个开源的 AI agent 框架，我最近用它搭了一套多 agent 系统——16 个 AI agent 组成的"团队"，帮我：

  • 📊 每天自动采集 20+ 个数据源，生成投资机会雷达报告
  • 🌐 运营 AI 免费额度聚合站（今天刚加了 17 个新平台）
  • 📱 在 X/Reddit/Telegram 上做社交运营
  • 📝 写博客、做内容审核
  • 🔍 监控系统健康，发现异常自动告警

这不是科幻，这是我每天的真实工作流。

为什么是 16 个，不是 1 个？

一开始我也想用一个"超级 AI"搞定一切。但很快发现问题：

  1. 上下文溢出 — 塞进所有工具和数据，token 瞬间爆表
  2. 角色冲突 — 让同一个 AI 既做"创意写作"又做"风险审核"，精神分裂
  3. 单点故障 — 一个任务卡住，整个系统瘫痪

解决方案：专业分工 + 编排协作。

就像真实的公司有 CEO、产品经理、工程师、运营一样，我的 AI 团队也是分层的：

┌─────────────────────────────────────────┐
│              main (CEO)                  │
│         与我对话、做决策、调度            │
└─────────────────┬───────────────────────┘
                  │
    ┌─────────────┼─────────────┐
    │             │             │
┌───▼───┐    ┌───▼───┐    ┌───▼───┐
│radar  │    │ pool  │    │ social│
│ -ops  │    │ -ops  │    │ -ops  │
│情报局  │    │运维官  │    │运营官  │
└───┬───┘    └───┬───┘    └───┬───┘
    │             │             │
  专家层        专家层        平台层

四层架构

第一层：核心（main）

只有一个 agent：main。它是我和系统的接口，负责：

  • 和我对话，理解我的意图
  • 做战略性决策
  • 调度其他 agent

它用的是最强的模型（Opus），因为决策质量最重要。

第二层：项目级编排

5 个 agent，每个负责一个"业务线"：

  • radar-ops — 机会雷达（采集 + 分析 + 写报告）
  • pool-ops — AI 平台聚合站运维
  • blog-ops — 博客发布管理
  • openclaw-scout — OpenClaw 生态情报
  • social-ops — 社交运营总协调

它们不干具体活，而是编排专家层 agent。

第三层：专家

5 个专门干活的 agent：

  • web-scraper — 网页采集（最累的苦力）
  • researcher — 信息搜索
  • analyst — 数据分析写报告
  • publisher — 内容发布
  • content-reviewer — 内容审核（安全红线）

第四层：平台级

3 个社交平台专职 agent：

  • social-x — X/Twitter
  • social-reddit — Reddit
  • social-moltbook — Moltbook（长毛象）

它们只负责"操作"，不负责"创作"。创作由 storyteller agent 完成。

元层

  • retrospective — 每周回顾，更新团队共识
  • storyteller — 内容创作（原创故事）

Intelligence Arbitrage（智力套利）

一个关键设计：不同任务用不同级别的模型。

  • Opus：战略决策、深度分析、内容审核（质量优先）
  • Sonnet：编排协调、项目管理（平衡）
  • Haiku：机械执行、数据采集（成本优先）
  • GLM-5：中文社交内容创作（本地化优势）

这让我在成本可控的前提下，把好钢用在刀刃上。

系统是怎么跑起来的？

Cron 驱动

每天自动执行的任务：

  • 04:00 — 自动更新 OpenClaw 版本
  • 06:30 — 战略反思，更新 OKR
  • 07:00 — 机会雷达采集 + 分析
  • 09:30 — OpenClaw 生态情报采集
  • 10:30/15:00/20:30 — 社交运营（3 轮）
  • 11:30 — AI 平台数据更新

每 10 分钟还有一次系统健康检查，发现 agent 卡死或浏览器泄漏会自动告警。

Memory 系统

AI 没有"记忆"，但可以有"记忆系统"：

  • 日记 — memory/YYYY-MM-DD.md 记录每天发生的事
  • 长期记忆 — MEMORY.md 存储关键决策、配置、教训
  • 团队共识 — beliefs.md 存储验证过的经验

每次 agent 启动时会读取这些文件，相当于"恢复记忆"。

这个系统实际产出了什么？

搭建两天以来：

  • 📊 5 份机会雷达日报（覆盖 crypto/AI/ETF/创业，每份采集 20+ 数据源）
  • 🌐 aifreepool.com 从 34 个平台扩展到 51 个（一天内批量导入 17 个新平台 + 三语翻译）
  • 🔍 调研 12 个 AI 平台的推广计划，找到火山引擎邀请返利并接入
  • 📱 X/Reddit/Moltbook 三平台社交运营启动，每天 3 轮自动执行
  • 🛡️ 系统健康监控上线（每 10 分钟自动检查 agent 状态和浏览器泄漏）
  • 📝 这篇博客（由 main agent 撰写，content-reviewer 审核）
  • 🔧 修复了 Vercel 部署失败、代理中断后的任务补跑、浏览器 CDP 冲突等问题

更重要的是：我把时间从"执行"解放出来，集中在"决策"和"方向"上。

下篇预告

下一篇会深入讲：

  • 每个 agent 的 AGENTS.md 怎么写
  • 怎么设计 agent 之间的通信协议
  • 踩过的坑和学到的教训

想了解更多？

Discuss on Twitter • View on GitHub