openxlaw设置多个agent

看看我的 agent 团队们，有写图文的、网站运营的、监控金价的、记账的，还有提供情绪价值的，后面还要增加一个视频剪辑的 open cloud 小 龙虾 用上多 agent 的 模式了吗？但像我这样每个 agent 对 应一个机器人的配置是有点广泛。在飞书上其实有一种更简单的方式，就是通过拉群，实现一个机器人多个 agent 多个群聊分别管理的模式。我们来以选择题、写作和神稿三个事情为例，完整的配置一遍， 一共三个步骤。首先用这样的命令创建多个 agent， 分 别负责不同的工作，然后给每个 agent 的 职责拉一个飞书群，并且把我们的唯一的这一个 飞书机器人添加到群里面。接着把每一个群聊和 agent 绑定起来，在这里查看群的 id， 通过这样的 bindings 配置把两者映设起来。最后不要忘记给飞书 channel 增加这两张配置，开放群聊和群聊中，不需要艾特机器人也能回复。 配置完成之后，在各个群里和 agent 对 话，给他们安排好职责和身份，让他们记录下来，你就可以在不同的群里指挥不同的员工工作了。像这样的流程，先选择题再写作，审稿，审完再改， 最后得到一篇完整的内容就可以发布了。这样做配置简单，效果强大，快来把你的 agent 军团也安排起来吧！关注我，带你玩转 open club！

最近为大家做了多期 openclaw 相关的视频，而且昨天我还发了一期 openclaw 的 高级用法的视频。但最近我发现几乎每期视频的评论区都会有留言提到 openclaw 调用 cloud code 会非常消耗 token。 因为在之前的视频中，我有为大家演示过，用 openclaw 来调用 cloud code 进行编程开发，我们只需要为 openclaw 全程操作 cloud code， 为我们实现编程开发。 但是我们如果采用传统的方式，也就是常规的方式让 open cloud 直接调用 cloud code 的 话，那么 open cloud 每隔几秒就会轮循一次，检查一下 cloud code 的 状态以及 cloud code 的 输出。使用这种传统方式的话， open cloud 必须时刻盯着 cloud code， 所以 openclaw 就 会消耗非常多的 token。 所以 我发现在评论区大家抱怨 openclaw 调用 cloud code 会消耗更多的 token。 因为大家采用的是这种常规的传统方式， 所以 openclaw 要采用不断轮询的方式来查询 cloud code 的 状态，也就是 cloud code， 它执行的任务越久，在 openclaw 中它轮询的次数就越多，所消耗的 token 也越多。 所以我们可以完全不需要用这种传统的方式直接让 opencloud 来调用 cloud code。 因为无论是 opencloud 还是 cloud code， 它们都非常非常的灵活，所以越灵活就越强大，就越有利于我们去自定义一些功能，从而轻松解决用 opencloud 调用 cloud code 的 时候， 产生大量的 token 消耗。尤其是 cloud code 在 前几天新增了 agent teams 这个新特性，因为 agent teams 相当于在 cloud code 中随时可以创建一个完整的开发团队， 而且每个 agent 呢都是独立的进程，所以是真正的并行执行，而且每个 agent 之间还可以相互通信，还能共享任务列表，能自动认领，还能实现专职角色分工，比如说负责开发前端的 agent， 负责开发后端的 agent， 还有负责测试的 agent。 所以在 cloud code 中有了 agent teams 这个最强大的新特性，在 open cloud 中就可以更加轻松地向 cloud code 委派任务，让 cloud code 全自动完成整个开发工作流。 想让 open cloud 以更节省 token 的 方式来调用 cloud code， 其实非常简单，我们只需要用到 cloud code hux 功能， 在 open cloud 中可以结合 cloud code 的 hooks 功能，真正实现调用 cloud code 进行自主开发，并且能够实现真正的零轮询，而且还能非常节省 token。 当开发任务完成之后， 我们还能在聊天软件的群组中自动接收到任务完成的通知，包括实现的是什么任务， 项目存储的路径，还有耗时，还有 cloud code 的 agent teams 是 否已经起用，还有具体完成的功能，还有项目的文件结构等内容。下面我们就看一下我是如何通过 cloud code 的 hux 来实现了整个流程。 下面我们先通过这个流程图，让大家更直观的感受一下在 cloud code 中通过 hux 回调来实现的整个步骤是怎样的。 首先是由 opencloak 将我们要开发的任务委派给 cloud code， 像这个委派只执行一次，而且它是后台运行，不会阻设 opencloak 的 对话窗口和它的主 agent。 当 cloud code 接到任务之后，它就会进行自主开发还有测试，当任务完成之后，它就会触发 stop 事件。 第三步就是 cloud code 中 hooks 自动触发，它会先将执行结果写入到这个文件中，然后再发送 wake event 来唤醒。 open cloud 在 这里采用了 stop event 以及 session end event 实现双重保障，来保障在聊天软件中，我们能够真正收到它的任务完成的通知， 然后 opencll 就 会读取这个文件中的这些结果和状态，当它读取完这些结果和状态之后，它就会回复给我们，也就是通过我们的聊天软件来回复给我们这些状态。 像这个流程的话， opencll 只在给 cloud code 派发任务的时候调用一次 cloud code， 然后这中间的流程不需要 opencll 参与。在最后这里， opencll 再读取一下这个执行的结果，并且将执行结果发送给用户。 所以在第一步， opencloud 只是给 cloudcode 下发一个任务，它下发任务的过程所消耗的 token 几乎可以忽略不计。在最后这里，它只是读取一下结果，将处理结果发送给用户，而且这个结果里的内容非常少，甚至不超过一千字， 所以在最后一个步骤，它所消耗的 token 也几乎可以忽略不计。在 cloudcode 的 自主完成这个任务的过程中， opencloud 不 需要对 cloudcode 进行轮询。 好，下面为大家讲解一下我是如何实现的。在 cloud code 中通过 stop hook 来达到任务完成自动回调的效果。在刚才也提到了我们使用了 stop hook， 还用到了 cloud code 的 session end。 下面我们简单看一下为什么要用到这两个 hooks。 在 cloud code 中一共有十四个 hooks， 之所以我们选择这两个， 是因为我们构建的这个工作流，在 cloud code 中，它完成开发之后才会触发这个 hooks， 所以 使用 stop hook 作为主回调，就可以保证 cloud code 的 真正完成开发时才会触发。在这里我们还用到了 session and 作为兜底回调， 也就是假设 stop hook 它没有触发成功，还有这个 session and 它能够作为兜底。像这样的话，我们就能够真正保证 open cloud 向 cloudcode 发送一条开发任务，然后 cloudcode 独立运行。在 cloudcode 独立运行的这个过程中，它并不会消耗 opencloud 的 上下文。当 cloudcode 完成开发后才会触发 hux， 然后我们的聊天软件就会收到通知， 下面我们就可以看一下具体的代码。在这个代码中，我们先看一下这一个脚本，它的作用就是将要开发的任务来写入到这一个文件中，然后再通过这个脚本来启动 cloud code。 当 cloud code 完成开发后，这个 stop hook 就 会自动触发，然后就会调用这一个脚本，我们可以点开看一下， 这一个脚本就会将任务发送给 openclaw， 所以 这个自动回调流程，它会读取这两个文件里的内容，并且写入到这一个文件，然后 openclaw 就 会将这些信息推送到我们的聊天软件，这样的话我们就能够实现 在 open cloud 中向 cloud code 下达开发任务，然后由 cloud code 自主完成开发。当完成开发之后再触发这两个 hux， 最后我们的聊天软件就会收到推送通知。好，下面我们可以先用一个简单的开发案例来测试一下。在主 a 选项这里，我们直接在对话框中输入我们的任务， 我是为了是用 cloud code 的 a g and team 协助模式构建一个基于物理引擎还有 h t m l c s s 的 带材质系统的落沙模拟游戏，然后我们直接发送，看一下这个效果， 这里很快输出提示，它已经将这个任务派发给 cloud code 的 agent teams。 这个开发模式就是调用 cloud code 的 agent teams 多智能体写作，这里还给出了这个工作路径，然后这里它提到完成后会自动通知到群里， 像这样的话，这个主 agent 的 线称并没有被阻塞，它还可以继续为我们执行其他的任务。比如说我们在这个主 agent 中继续输入任务，比 比如说让他查询新加坡今天的天气，然后我们直接点击发送，看一下最终的效果。像我们如果采取传统的方式在 open cloud 中来调用 cloud code， 在 主 agent 中必须等到 cloud code 真正完成开发之后，这个主 agent 呢才会继续执行我们的其他任务。 像我们采取了现在这种方式，这个主 agent 的 进程并没有被阻塞，所以我们让他查询新加坡的天气，然后这里他就很快查询了一个天气，然后我们还可以继续输入其他人物，比如说讲个笑话，然后这里他就很快输出了一个笑话。而 cloud code 在 后台完全是自主运行，不需要我们去干预， 然后我们只需要等待 cloud code 完成之后，将完成后的消息推送到这一个群组里就可以了。之所以设置为将完成后的消息单独推送到一个群组，是因为我们在这个 agent 中可能还在进行其他任务的操作， 比如说让他讲个笑话，他在讲笑话的时候突然多出来一条任务完成提示，这样会导致这个上下文窗口比较混乱，所以我们就将他完成后的这个消息推送单独推送到一个群组里，这样的话就不会占用这个主 a 智能的这个聊天窗口。在这个群组里我们就看到了这个消息推送，我们点开群组 查看一下，在这里我们就看到了这个任务推送，这里提示 cloud 的 任务完成。这里是开发的这个游戏，然后这里是游戏的路径， 在 cloud 的 code 中使用的就是 agent teams， 这里就是给出的项目文件，然后这里它还推送了第二条消息，这里还给出了完成时间大概六分钟，然后这里还包含一百八十四个测试通过， 然后这里就是给出的交付，然后这里还给出了这些性能，下面我们可以输入提示词，让他将代码文件打包发给我，这样的话我们就可以在本地打开进行测试，因为我的 open cloud 是 运行在云端的 好，这里他将为我们开发的这个项目文件发送给了我们，这里还提示解压后在浏览器中就可以打开使用，然后我们直接点开，然后我们在浏览器中打开看一下这个效果，就是他开发的这个落沙游戏，我们可以先测试一下，我们选择这个沙子 好，这样点击之后这个沙子就落在了底下，然后我们再点击这个水 好，可以看到水落在了沙子上，然后我们再给它加一把火，可以看到这个火会往天上飘，再给它加一些木头， 然后再给它加一些蒸汽，可以看到这个蒸汽飘到木头上会变成雨。像这样的话，我们就真正实现了在 open cloud 中调用 cloud code 进行开发。大家就不用担心在 open cloud 中调用 cloud code 非常浪费。 token， opencloud 所消耗的 token 几乎可以忽略不计，哪怕我们不在电脑前，也可以通过手机向 opencloud 下达开发指令。当完成开发之后，我们就可以在群组中查看推送的这些消息。

你如果用这个 open cloud， 肯定会消耗很多 token， 那 最好的方法就是用免费的模型，这里它就会支持 onigravity。 千问还有 open code， 咱们这里就教一下怎么设置这个 onigravity。 用它里边的免费模型装上了之后就 out bought config， 这里边就点选 logo， 这里边儿选 model， 这个再选里边儿的模型。因为 onigravity 是 谷歌的，所以这里边儿选谷歌，选 onigravity。 当然你可以选这个 google gemini c l l， 这个也是因为 gemini c l l 也是免费的，但是 onigravity 它有更多模型，包括 cloud code 的 模型，还有 gemini 的 模型，所以这个 咱们选 onigravity， 它会跳一个网页让认证，所以这里你就选你的谷歌账号儿就可以了。 三音这很快就认证成功了，就可以选模型了。这里它选的模型比较多，所以就会需要一直往下拉， 它在谷歌 on the gravity 里边往下走，走走走，这是 coco 的 get up， 对， 这里就是大家可以看到谷歌 on the gradient。 我 这里边是把谷歌 on the gradient 下边的模型全都选了之后选，直接按空格就可以选和反选， 选完之后按那个回车就可以选定了，这里话直接跟 t 钮，然后它结束之后就可以自动地使用 anti gravity 模型了。这样 clubbot open cloud 就 可以免费使用 anti gravity 里边的 cocoon 了，就不用自己买 cocoon。 当然你可能配置完之后想选自己的首选模型，因为 integrative 里边儿有很多模型，咱们可以在这里边儿配置。在这个尼加目录点 cloud bot， cloud bot， 点 jason， 我 这里边儿直接打开，咱们就往下走，这里边儿你可以看 a 阵词，下边儿这有一个 default， 这就是你默认用的模型，这里有个 primary， 就是 它首选的模型。就是啊， google on the gravity 里边儿这个 color whoops， 四点儿五 thinking， 这个比较慢，所以我想要把它改成 gemini flash 这个模型，咱们呢？ sun flash 对 这个模型会比较快，所以我想把它改成这个模型，当然你可以自己改，它就会首先尝试的模型是这个，如果不行，它会用 fallback。 这边的模型我现在已经改好了，之后我就可以保存重启一下 clubbot， 它就可以 clubbot play the gateway start， 我 又拼错，然后这就重启了，就可以开始用我新设置的这个 drama 三 flash 这个模型了。咱们看一下它具体的情况， 你就会看到你的模型已经开始用。呃，首选模型，这个有时候它算比较慢，但是总体来说它会遵循你的配置的。今天就到这来谢谢大家，希望可以帮到你们。

兄弟们，上一期视频给大家演示如何安装配置大龙虾 openclaw， 从这期视频开始，教大家如何把 openclaw 变成真正的生产力。每天我的 ai 一 阵，会自动去全网搜 ai 编程 独立开发的热门主题，写好一篇三千字的公众号长文，直接推到草稿箱，我只需要审核一下点发布就行。今天教你怎么用 openclaw 搭一个这样的全自动内容创作 ai agent。 先看下这个 agent， 这是我的 telegram， 这个机器人就是我的内容创作 agent。 我 只需要给他下达非常简单的命令， openclaw 就 会全自动地调用内容采集、内容创作、内容发布、内容转换等多个 skills 去完成工作，整个过程完全自动 生成的内容热度高，专业性强，图文并茂，排版优美。为什么选择 openclaw？ 因为 openclaw 的 多 agent 架构太适合构建一人公司了。 我可以跑一个日常助手 agent， 帮我处理邮件日程。再跑一个专门内容创作的 agent， 它们完全隔离，互不干扰。每个 agent 有 自己的人格记忆技能。写作 agent 只专注写文章，不会被其他事情分心。而且它跑在我自己的服务器上，数据完全可控。整个系统最上面是 open call 的 给腿， 二十四小时运行在服务器上，随时待命。目前里面跑着两个 agent， 一个是日常助手，一个是内容创作。它们拥有独立的工作空间、人格记忆能力等。日常助手 agent 负责处理日常事务。内容创作 agent 专注内容采集、创作、发布，与日常助手完全隔离。 核心是我们为内容创作 agent 定制化了三个专有 skills。 第一个是 content research， 它会采集全网主流科技媒体关于 ai 编程 独立开发出海应用领域的热门内容，根据信息量、时效、热度、写作价值、受众等评分筛选后输出结构化报告。第二个是 content writer， 基于内容采集报告创作三千到五千字长文，包含标题、正文、结构、排版样式、质量自检清单等。看看这个内容质量检查清单，非常的专业。 最后一个 content publisher， 把 markdown 转换成平台需要的 html 格式，通过 api 自动推送到草稿箱，通知用户审核并发布。让 agent 以定时任务的方式，每天就能全自动地帮我们获取内容、创作内容、发布内容啦。 本期视频先介绍一下原理和效果，下一条视频我会手把手教你从零搭建这个 ai agent 包括创建独立 a 阵的配置、人格与记忆、创建三个定制化的 skills， 配置多 a 阵的消息、路由、定时任务等。点赞关注不迷路，如果你也需要或者有其他个性化需求，请在评论区打出来。

大年初七的早晨七点钟，我爬起来录了一个四十分钟教你们安装 openclog 的 一个教程，面向小白的他就能够独立安装，后续遇到一些故障都能够解决。今天早晨在安装的过程中有一些心得我都写进去了，我觉得这个可以实现两个目标，第一个目标就是我知道你们 不只是想要安装成功，还需要的一个目标就是我知道你们不只是想要安装成功，还需要的一个目标就是我知道你们不只是想要的自主的去解决 这个，我才是，我觉得才是真正靠谱的学习方法，而不是求着别人去给你操纵。你的电脑是怎么样，我觉得还有一些安全性的风险，所以我自己研究出来了一套怎么用另外一个 agent 去辅助你去安装，这是我自己的一个思路，希望你们能够学到。

嘿，你是不是觉得自己的 ai 助手什么都想干，结果却什么都干不好？别担心，今天咱们就来彻底解决这个问题，我 会手把手教你怎么用 opencore， 把一个啥都懂一点的 ai 小 白直接升级成一个各司其职的专家团队，而且一切都可以在 whatsapp 上实现，我们马上开始。 你肯定遇到过这种尴尬情况吧，你正让 ai 助手帮你润色一份严肃的工作报告，结果他突然跳出来提醒你，记得给晚上的番茄炒蛋加点糖。 哎，这就是让一个 ai 包揽所有活的下场，工作和生活乱成一锅粥，效率吗？可想而知，这可不是简单的让你多开一个机器人喽，这完全是两个概念， 他能让你创造出好几个拥有独立大脑、独立记忆的 ai 专家，个个管利，他绝对不会不相干的。所以我们说的这个多技能提示到底是个啥？其实说白了就是在同一个 oppo 的 大背景下，让好几个完全。 你可以想象一下，他们就像住在一栋公寓楼里，每个人都有自己的房间，自己的工作，平时各忙各的，互不打扰。那么要实现这种效果，主要靠三大植入。 首先呢是隔离性，这个很重要，他保证每个智能体都有自己独立的小房间，工作文件和购物清单绝对不会放错地方。其次是并行性，就是说他们可以同时干活，就像一个配合默契的团队，你跟这个聊着，那个也能同时响应别人。 最后也是最酷的一点就是灵活性，你可以给每个成员定制完全不同的角色，比如一个是贴心的生活管家。 好了，说了这么多理论，咱们来点实际的，今天咱们的小目标很简单，也很实用，我们就创建一个叫 home 的 生活管家，用你的个人 word 账号来处理家里的杂事，然后再创建一个叫 word 的 工作助理，用另一个企业账号来处理工作， 一个管生活，一个管工作，分得清清楚楚，对吧？好，那咱们现在就正式开始着手吧。 第一步也是打地基的一步，就是给先对我们的 ai 团队成员创建他们各自独立的工作空间，说白了就是先给他们一人一个家， 操作超级简单，就是在你的终端里敲两条命令， openclaw agents at home， 然后是 openclaw agents at work， 就这么两下，系统就会自动帮他们建立好独立的文件夹，用来存放各自的配置和数据。这样一来，我们前面提到的第一个支柱隔离性就实现了。 ok， 家安好了，接下来就是整个设置里最最核心的一步了，我们需要修改一个配置文件，就像填写一份花名册一样，正式的定义我们团队有谁，并且把每个成员和他们专用的 whatsapp 账户给对应起来。 我们会用到一个很强大的命令，叫 getaway， 点 config， 点 patch。 你 别看它名字长，其实可以把它理解成是给系统的主配置文件打一个补丁， 也就是说我们不去动整个复杂的原始文件，而是很精准的告诉系统，嘿，就在这几个地方帮我更新一下信息， 我们拆开看看，一点都不复杂。我们先看第一步， agent start list。 这几行代码的作用，说白了就是向 open house 系统正式报备一下，你看，我们在这里列出了 home 和 work， 这就 等于在快速行动。喂，注意啦，我的团队现在正是有这样一名成员了，接下来我们要开始 并且给它们分别取名叫 personal 和 business。 这就像是给我们的两个团队成员一人发了一部专用的工作手机，每部手机都有自己独立的号码和身份信息。 好，现在最关键的一步来了，这个 bindings 部分就是一条条的绑定规则，它就像是把前面我们定义的所有东西用线串起来。你看这行 regiment home agent personal account， 意思再明白不过了。把 home 这个智能体跟 personal 这个 whatsapp 账户绑在一起，同理，我们把 work 和币子也绑上，这样一来，谁用哪个手机，这个关系就彻底定下了。 好了，配置文件的蓝图我们已经画好了，现在就剩最后一步，就是把我们虚拟定义的这两个 whatsapp 账户跟我们手里的真手机配对起来，也就是我们最熟悉的。扫个二维码，把这条沟通线路给正式了。 这里的操作也一样，非常直接，我们先运行 open c o w whatsapp payer personal， 端端里会出现一个二维码， 你用准备好的个人手机去扫一下，然后再运行 oppo c o w vivo caredes， 用另一个工作手机去扫第二个二维码。记住啊，一个账号扫一次就别搞混了。 搞定，恭喜你到这里，所有设置就全部完成了。现在你拥有了两个功能完备而且完全独立的 ai 智能体，它们已经整装待发， 随时可以并行处理你的各种任务了。不信你看，这就是咱们的最终成果。左边我正跟 home 智能体聊购物清单的事，与此同时，在右边我跟 work 智能体讨论下午的工作日程。两个对话完全独立上下玩，一点都不会搞混， 这不就是我们最开始想要的那个效果吗？是不是超酷？好，让我们来快速的回顾一下。其实整个过程就三步，很简单，第一，用 app 命令给每个智能体安个家，实现隔离。第二，用 patch 命令划出蓝图，定义好谁是谁，谁用哪个号。 第三，用 pair 命令扫码配对。通过这三步，我们就得到了一个张重运行步骤，绝不串线的。 好了，现在你已经掌握了打造 ai 团队的秘诀，那么除了简单的工作和生活，你还能想到什么更有意思的角色呢？比如说，一个专门帮你分析数据的数据分析师，一个语言口语的伙 伴？还是一个能随时给你不敏感的创意大师？发挥你的想象力吧！

哈喽，今天我们来讲一个，呃，如何给我们的 openclaw 增加一个 agent， 让它可以一个 mac mini 上建立多个小龙虾，帮助我们进行一个长的工作，让它可以具备多样化的 能力。那这是我们的飞书的后台，我可以看到我们已经建立了四个 agent 了，它们各司其职，每天可以做不同的工作，在同一个时间段里面，可以你给他安排不同的任务，来帮助你提高整个的工作效率和生产效率。好，今天我们用的这个方式呢，用这个 codex， 我们用 codex 给它添加一个 agent， 但是整个的方式呢？你不管是用 openclaw 自己还是用 cloud code， 都是一样的操作方式啊。那首先的话，我们是新建一个应用啊，今天我们建的一个这个 agent 呢，我们准备叫一个修 bug 的 一个小小助手。 好，那我们可以给他传一个可爱的头像，那之前其实我已经准备了挺多头像的，我这里就选了一个。好，那第二步呢？我们要添加一个机器人啊，把它的能力添加一个机器人啊。 好，那这个时候呢，我们第三步呢，其实就是把它开通它的权限，那权限呢？尽可能多给他开放一点，因为你是自己用吗？所以说只要我们看到的，我们都选上，像消息类的，还有是文档类的啊，一般来说，我会把这两个都给他添加好， 确认开通权限。我们回到这个出示页面，我们可以把这个应用凭证看到了吧，这里复制一下。好，这时候我就交代这个 codex 啊，今天我们还要复制一下这个 app secret。 好， 我们都发给他，这时候 codex 就 会帮你进行这个自助式的自动化的一个添加了，我们等待一下啊， 遇到这个提示的话，你就一路敲 yes 就 可以。我们在等待的时候，我们可以先把第一个版本给发布了，创建版本，那这个更新说明是必填的啊，所以你就随便敲保存一下就好了。好，这个时候就已经发布了，那我们打开我们的飞书，这时候应该能够在工作台里面找到它了 啊，这时候就已经出现了这个，但是现在还不能聊天，我们要等这边的添加完成。那在添加的过程里面，我们其实可以打开这个 opencloud 的 目录，我们可以看到其实它已经创建好了一个新的 workspace。 看，这个是刚创建好的一个 workspace， 它里面其实有这个写好的一些人设啊，比如说 identity， 它是编程助手， bug 伙伴啊，还有 agent 啊，它有一些职责啊，默认的流程啊，还有就是它的这个 so 就是 人格定位，你是 unan 的 工程搭档啊，那它都已经帮你自动的设设置好了。当然这些东西如果不满意，我们后面都可以跟 codex 或者跟 openclaw 去更新它的一个人设啊。在等待的过程中呢，我们可能要回到这个事件与回调这里啊，准备下一步，好吧， 好，这个时候他说他已经创建完了，那这个时候我们再去来添加这个事件回调的一个配置，如果说前面他没有添加完，没有做绑定的话，这里是添加不了这个事件配置的。好，添加好这个事件配置之后呢，我们要去选择 js 的 一个 聊天的一个权限给到他啊，那，呃，最重要的就是消息已读和消息接收消息，其实最重要的是这个接收消息我们一定要把它给点上，点上来之后点确认添加。好，这个时候呢，我们把回调的配置也配置好， ok， 就 创建版本，好，随便敲一些更新说明啊，因为这个只有自己看好，这个时候呢，我们把这个手机打开来，我们看一下，测试一下是不是已经连上了啊？好，这时候已经可以发麦了啊， 他会有最后一步告诉我需要配对，那我们把这个给复制下来啊，贴给 codex 就 可以， codex 就 会把最后的一个配对的这个工作给做完，那我们就添加好这个 agent 了， 我们稍等一下。好，这时候他说已经添加完成了，那我们切换到我们的手机上。好，那你看这个他已经通了，就是这样的一个新的 a 证，他就已经添加完成了。那后续的工作就是你要跟他聊天，给他分任务，培养他一些你的偏好， 他就会来，在他的自己的专场的任务，你会发挥的越来越好啊，那回头看一下我的这些 a 政策啊，那我看到了这个第一个其实是我的 一个工作的搭档，那还有我的一个孩子辅助学习的一个搭档，那还有我们家的一个金融方面的一个 agent， 所以 说这些 agent 是 大家可以自己去定义的，那今天的我的分享就到这里，好，谢谢大家。

他已拿下两万家新标字节跳动开源的深度研究家。多智能体框架 dear flow， 它不是一点零的升级版，而是从零开始的全新版本。它能帮你深度调研搜索网页、分析内容代码、执行、内容生成等几乎任何任务。 因为它内置了多智能体协助系统，能分工合作、并行执行，甚至能记忆你的偏好，让每一次请求更聪明高效。最关键的是，支持各种主流搜索引擎集成自定义工具和私有知识库，可以说是学习科研、自动化办公的全流程智能解决方案。