多Agent在一个群里开会怎么用

当你不小心想在一台电脑上拥有多只龙虾，还希望每个龙虾既能各做各的事情，互不干扰，又能在同一个群里让一只小龙虾指挥其他的小龙虾完成复杂工作。于是聪明的你就打开了这个来自飞出官方的文档，并点击了小龙虾一键创建。几秒钟后，你的飞书里就出现了一只新的龙虾 agent。 但这个时候你发现啊，跟他说话他并不理你。然后聪明的你突然想起来，你应该还没有给这只新的小龙虾开通飞书通道。于是你在科室中端里面输了这段神秘代码，打开了小龙虾的底层代码。此时此刻，你是不是感觉自己有点代码工程师的样子了？ 有毅力的你别慌啊，搜索 channel， 然后你就看到了自己已有的几只龙虾。你复制了其中一段代码，并粘贴在了，并挨个复制粘贴了过来， 然后在对话框里输了第二段神秘代码，了解到了自己最新的小龙虾的名字，并把名字复制粘贴到了刚刚的部分。这个时候，链接飞书通道就大功告成了。 然后啊，有毅力的你又在紧挨着的部分找到了 bendy 模块。聪明的你知道，得把 bendy 部分也设置好，这等于把刚刚的通道跟小龙虾链接起来。 于是你如法炮制复制粘贴，并把其中的 account id 跟 agent id 改成了新的小龙虾的名字。这个时候，你再次回到飞书页面和小龙虾说话，它又提示需要批准一个东西，于是你把最后一行复制粘贴发给了 cursor。 这个时候，恭喜你，小龙虾成功上线了。然后聪明的你又想起来简单的任务，可以用性价比高的模型， 于是你就想给每只龙虾进入不同的大模型，来给自己节省 token。 这时候你又在小龙虾的 just 文档里面搜索 list。 睿智的你知道，此时此刻，小龙虾们其实都在使用你默认的大模型。 如果想要某只龙虾使用新的模型，只要在那只小龙虾的代码部分加上这第三段神秘代码就好了。然后去按顺序选择模型，主流的模型几乎都在里面了。如果想选择模型不在清单里头，我也给大家准备好了一个复杂的代码，来布置不在清单里的模型。 至此啊，你的龙虾军团已经完全搞定，而且每个小龙虾专职专办，这样就能避免小龙虾因为对话太长太杂而导致上下文污染，记忆错乱。快把他们拉到同一个群里，给他们下达指令，给你干活吧！刚刚说的一键安装文档跟几段神秘代码也给大家准备好了， 下一期我们再详细教大家怎么让龙虾们可以互相指挥，全自动为你干活。我是拉菲，这是 open call 实战系列的第四期，咱们下次见！

你还在一个个复制龙虾回复到另一个龙虾吗？我只需要向我的一只龙虾发送指令，它就可以指挥其他龙虾来干活了。下面我来告诉你如何实现。 首先需要知道的是 opencloud 中的 session send， 你 可以理解为 opencloud 中不同 agent 的 通信机制。我们找到配置文件 opencloud， 点 jnc 添加如图两个配置， 或者告诉 opencloak， 让他帮你配置，这样你的多个 agent 就 可以通信了。但是别急，你要让你的 agent 知道该怎么做。首先你要让主 agent 知道它下面有几个 agent 可以 调度，它要通过 session send 来个其他 agent 沟通，其他 agent 要知道他的上司是谁， 沟通方式也是 session send， 每一个 agent 都要知道自己的工作流程及沟通方式。其实这样已经差不多了，但是你会面临大量的调试。下面我给你讲解新的 opencloak 知识应对调试 绘画在 open club 网页端会有一个绘画页签，这就是 session send 中说的 session， 我 们可以看到 kind grouped， 这就是每个 agent 在 这个群里的对话内容。同样在聊天页签，我们也能看到所有的绘画内容。 切换我的不同绘画，你会看到每个 agent 收到消息处理完成后，都会调用一次 session send 发送给其他 agent， 并且是以我的身份发送的，他们会根据收到的内容来指定任务，这就是群聊一个 agent 指挥其他 agent 干活的原理。十分感谢你的关注与点赞，我将持续输出更多 ai 内容。

你有没有试过同时管理多个 ai 症？基本就是在当保姆，这个要 a t i t， 那 个要配置，任务还得你手动，分，进度还得你手动，跟一个人累得像条狗， ai 们却互相不知道对方在干什么。现在有个东西叫 high call， 五分钟装好，直接反转。这个局面，你不再是保姆，变成了老板。一句话，下令 ai 管家自动拆解任务，分给前端后端运营各自去干。 你只需要在群里看着，有问题艾特一下就行，这才是多 agent 该有的样子。 highcloud 的 核心就是这个 manager agent， 你 可以把它理解成一个 ai 管家， 你给他一个复杂的项目需求，他不是傻傻的自己全干，而是自动拆解成多个小任务，然后分配给下面的 worker。 前端 worker 负责界面，后端 worker 负责逻辑，运营 worker 负责文案。 每个 worker 都有自己独立的技能库和记忆，互相不干扰。这样的好处是什么？你再也不用手动说 alice， 你 做这个， bob， 你 做那个， manager， 自动帮你分配，还能自动协调他们之间的进度。你坐在那看着 ai 团队自己运转。现在来说最关键的一个问题， 安全。原生的多 agent 架构有个致命漏洞，每个 agent 都要配自己的 a p i， 你 的 get， 你的 l l m key 散落在各个 agent 手里。一旦某个 agent 被攻击，你的所有凭证就直接暴露了。这不是小事，这是灾难级的 high claw 怎么解决的？ 引入了一个 ai 网关，所有真实的凭证 api key get up p a t， 全部由网关统一收口。 worker 看不到这些东西，它只有一张门禁卡，叫 consumer token， 它要调用外部服务 必须经过网关代理，这意味着什么？意味着你可以放心大胆的让 walker 自己去八万多个开源库里装插件，哪怕他装的插件有问题，也伤害不了你的核心凭证，因为他根本接触不到，这才是真正的安全隔离。现在讲最扎心的一个问题， 成本。多个 agent 在 群聊里写作，看起来很爽，但成本是个无底洞。为什么？因为所有的代码文档、中间产物都发在群聊里，每次加载对话都要把这些东西塞进上下文。 你用的是什么模型？高阶模型。为什么？因为要处理代码，结果呢？一个项目下来，光 talking fee 就是 几十块， icloud 怎么玩的双轨制？群聊里只留有意义的东西，决策汇报进度，代码文档、临时数据全扔进底层的梅莱欧文件系统， 这样群聊永远保持精简。然后呢？任务分配的时候，写代码的任务分给 so net 这种强模型，查资料的任务分给海狗这种便宜模型。结果是什么？一个项目原来要花三点四五块，现在只要零点七块，省了百分之八十。这不是小油滑，这是量级的差异。 来看个真实的场景，你想开发一个 ai 写作助手的 mvp 下周要上线，你怎么做？一句话，创建四个 worker， alex 负责产品， sam 负责开发， taylor 负责运营， jordan 负责数据。然后告诉 manager 启动项目， manager 立刻拉群拆解任务。 alex 收到竞品调研的任务，开始干。同时 sam 收到技术选型的任务， taylor 收到素材准备的任务，他们并行执行，互不干扰。 alex 完成 p r d 了，扔进共享文件系统， sam 看到了基于 p r d 开始写代码，代码写完了， alex 进群验收，提出修改意见， manager 自动创建，修改任务发给 sam。 一轮轮下来，代码部署了，素材就绪了。你在群里一句话，准备上线 taylor， 明天 product hunt 发布，结果呢？第一天就冲到第三名，注册了一千两百四十七个用户。整个过程中你做了什么？ 就是在群里看着，偶尔艾特一下，其他的，全是 ai 自动干的。这就是 high cloud 的 威力。安装超简单，依其命令，系统自动检测你的环境，选择合适的镜像，然后输入你的 api key， 五分钟 搞定。不用自己配 docker， 不 用自己装依赖，全自动。装好了以后，下载一个 matrix 客户端到手机上，连上你的服务器，从此以后，你随时随地都能在手机上指挥你的 ai 团队，消息实时推送，对话全程透明，这就是 highclock。

今天来配置多 agents 智能体协通工作，在这之前我们已经创建了两个智能体 命，肖二命是主体，龙虾指挥者绑定了飞书一号，肖二是辅助龙虾，我们可以称它功能性龙虾绑定了飞书二号。 第一步，创建一个群，把它们拉进来并配置进 open clan， 这个时候在群里我们已经可以跟他们单独聊天及分发任务。 接着我们需要实现的目的是控制小转一号指挥者，控制小转二号行动。 第一步，我们先让 opencla 自动配置 agent， agent 完成以后设置 toes sessions， visibility 设为 o， 这样就打通了他们之间的交互功能。 接着我们在 main 小 爪一号页面进行定义， 以后处理图片的任务全部让小爪二号执行， 这样就对小爪二号的身份进行了定义。 最后我们来进行测试， 可以先指定任意位置新建一个 pick 文件夹，用来存放生成的图片，生成结果放入 pick 文件夹， 在 main 小 爪一号页面输入生成一个草原图片并发到群里， 可以看到它会自动把任务交给小爪二号执行。 小爪二号成功生成图片并发送到了群里，文件会自动保存到 pick 文件夹。 后期可以添加多个 a 阵死兵为其指定不同模型，以实现各种专业能力。

hello， 大家好，我是月涵，今天教大家如何在飞书群里面就是让 openclaw 互相沟通啊，就不在网关内了，直接在外面， 在这个飞书里面，首先我们需要飞书官方的插件，然后我这里有一个一键转换的 scale， 可以 用这个 scale 来直接使用，就改成官方插件了。 然后多 agent 嘛，要创建多个 agent， 我 这里有一个飞书多 agent 自动配置 skill， 就是 跟着它的交互式提示的话，一步一步的就可以配置出来多个的 agent。 然后配置出来之后呢，然后我们需要这个插件了，这个 skill 飞书多 agent 协助管理。 skill， 就是 让多个 agent 进行在群里面进行写作， 然后简单说一下，这个群里面如果要获得这个，必须要获得一个 openid 的 啊，我们要直接跟他们说，让他们发出来自己的 openid， 然后他们就直接在这里面发出来了，看到了吗？他们每个都有，然后呢就复制他的吧，说 我给他哦，我发给这个知识库在线员这个小龙虾了，然后他说已经发送， ok， 我 们在群里面他也是成功用我们的账号来艾特了 open 了， 嗯，然后就相当于发任务的话，他就可以全自动的发，但是要回馈的话，他必须要就是在一个表格里面进行汇报，你看一下 它会就是创建那个 skl， 刚加进去的时候它会创建一个表格，然后你把那个 opid 配置好的话，它会一个个的 就是给它们发消息，让它们在心跳里面添加对这个表表格的循环访问， 然后就可以进行多 agent 在 飞书里面的写作，就是需要这些 skill 的 话，可以去 呃我的抖音粉丝群里面进行领取，我稍后会发进去的，谢谢。

大家好，嗯，昨天晚上一晚上没有睡觉啊，然后做了一个关于 openclaw 的 一个多安生态协通的一个一个一个一个验证。 呃，做完之后我感觉，我感觉后面就是这一块，呃，会让自己轻松轻松不少吧。啊？他们之间可以相互协同。然后这个我就拉了一个关于一个峡峡群的一个工作群， 这个工作群里头我把现在的这个我现在的 a 政策就像降了，降了些回收的机器人，然后把它加到我这个机器人里头， 包括主要有项目经理这一块，就是一个主导，就是相当于是他协协调后面的产品经理后端开发，包括这个算法模型。 呃，嗯，还有文档技术，文档的一个整理，还有数据数据架构工程师，然后前端开发等等这一块的向着 agent 去做一些，做一些工作。 然后，嗯，昨晚上做完之后我去做了个测试。呃，然后我说帮我做一个文档管理的系统， 页面要美观且有圆形设计的内容，包括前段页面、后段 ipi 测试用力等。啊这些我按到了一下那个项目经理，我给他起个小起个名字叫小虾 pm， 这样，嗯，他就把这个项目经理就把这个工作做了些分解，他分解成五步，是吧？有产品需求的，有做原型设计的，有后端的，还有前端的等等这五步的工作，然后他分了三个阶段去做，然后阶段一，然后做需求分析啊，然后是 u r 设计， 然后然后这样就他把阶段一的工作，然后就起来，然后阶段一这个做完之后去去修和 u r 设计，然后自动完成之后， 然后他就开始进行一个阶段二的一个并行开发啊，然后他调起了这个前端执行者和后端执行者这两个癌症的去做现在的工作。 然后向的呃，开发完他就会给我向的一些进度，进度的汇报，然后后端和前端的一个开发任务做完，然后到阶段三，然后就做测试验收啊，这样就我给向的这个测试人员起了个守门员，这样一个启动一个测试， 然后他这样测试完啊，完成之后，他这个整个这个项目经理就会给我一个交付 啊，包括有测试的结果，然后测试的覆盖，然后项目结构，然后启动方式和前端和后端还有功能亮点，这样才给我做了个一个一个交付。但是交付完成之后啊，肯定会有些有些小的问题，有小的问题有可能我还需要通过 啊，按在这个现在我这个项目经理去给我做项目的一些一些挑测啊，大概是这样。

我做了个在飞书上养龙虾多 agent 的 技能，只需要先在飞书里建个群，右上角点击设置添加机器人，选择你已经在用的 open cloud 飞书机器人，添加进群组，再打开群聊设置，复制下面的绘画 id， 然后直接跟主 agent 说给这个群新增一个 agent， 就会调用这个技能，引导你一步一步填 agent 叫什么名字，用哪个模型，填完重启 open cloud 就 搞定了。这个 skill 的 思路也很简单，创建 agent 本质上就是调用 open cloud 的 命令，再把配置文件写好，所以他先问你基本信息， agent 叫什么，飞书群绘画 id 是 什么， 用哪个模型，然后自动帮你创建 agent， 关联飞书群，改好配置，最后就是检查确认，整个流程就是这些，并不复杂。这个技能我也放在文档里了，大家可以直接用。期待看到大家都用 agent 做什么，欢迎在评论区讨论，我们下期见。

去做产品的，他年纪大了之后呢，不怎么写代码，但现在呢，指挥着一群 a 级的去干活，让这帮老男人呢换发了第二春。在之前啊，也出现一些概念，什么小宇宙之类，从来没有像龙虾这样快速的起来，老同学，我们叫的老家伙，基本上他们用起来 朋友圈里面大家年龄偏大一点，四十几岁五十几的人却多在一个群里面呢，我们这个群的每一天的消息大概是将近一千条， 而且群里面还加进了两只龙虾的机器人。现在有很多去做产品的人，他年纪大了之后呢，不准写代码，但现在呢，就开始用龙虾指挥着一群 a 境的去干活，一个人就可以完成一个项目，让这帮老男人呢创造了第二春， 这个 ai 呢，他把这个底层的工作他能干了，而且关键是老男人他攒了很多经验，他敢用，而且他也能控制得住。

今天给大家介绍一款我自己修改出来的 opencloak 桌面端 gui 软件 stefancloak， 它是基于开源项目 cloak x 做的。大家都知道 opencloak 后台原本只有网页端，很多操作用起来其实没那么顺手， 所以我做了这个桌面端来解决这些问题。它不只是一个助手，它把多个 agent、 模型、技能频道还有任务都整合进了一个本地桌面应用里。 先看首页， welcome 页现在不只是一个欢迎界面，左侧还整合了绘画管理，你可以直接按 agent 查看历史绘画，也可以筛选绘画，控制显示数量，清理就绘画， 这样在多 agent 的 场景下就不会因为历史记录太多显得很乱。聊天页是日常使用最核心的部分，这里不是简单问答，而是一个真正的工作区。右上角可以看到当前对话对象， 同时还能看到上下文容量显示，这样你就能判断当前绘画是不是太重，避免上下文过长影响回复质量。 模型业用来统一管理模型提供商，你可以接入不同模型，比如 gemini、 g l m 这类能力，后面也可以按照自己的使用场景分配不同模型，这样整个软件就不依赖单一模型，它更像一个可切换、可扩展的模型控制台。 agents 业是这个软件最核心的地方，因为 stefan 库奥不是单 agent， 而是多 agent 协助结构， 比如 main 负责日常对话， stefan 负责核心调度和验收。 dev content， ops 则分别承担开发内容核运为直能 点进 agent 设置之后，你可以看到每个 agent 都能独立配置，包括 agent 名称、模型、上下文容量，还有它归属的频道。这里的上下文设置不只是写在配置里，在实际聊天页右上角也会同步显示出来， 这样你在对话的时候就能直接知道当前 agent 的 上下文容量情况。技能页相当于给 agent 扩展能力的地方， 你可以把技能理解成可插拔的专业能力模块。装上之后， agent 不 只是会聊天，它还可以按技能定义去完成更具体的任务和流程。 频道页解决的是怎么把 agent 接到外部平台这个问题，比如你可以把它接到非书，这样桌面端的 agent 不 只是在本地使用，它还能真正进入团队，协助场景里对接外部消息和群聊工作流。 定时任务页让 ai 不 只是被动等待提问，你可以让它按时间自动执行任务，比如定时巡检、固定汇总、自动提醒，或者周期性处理某类工作。这样一来， stefan 克奥就更接近一个自动化工作台，而不只是单纯的聊天工具。 这个场景是我最看重的地方。在非书群里，不同 agent 可以 用不同身份分别发言，比如 stefan 负责分发任务和验收结果， d f content ops 按各自直能写作， 这样你看到的就不是一个 ai 在 自言自语，而是一个真正有分工的 agent 团队。 所以 stefan cloud 的 核心不是做一个更花的聊天界面，而是把多 agent 模型、技能频道还有自动任务整合到一个桌面端工作台里。

你是不是每天打开飞书，还在做这些无意义的事情？搭建好的知识库，你都不知道怎么调用报销一下，你还艾特这个，艾特那个公司的任务项目，你还要挨个复制到群配置机器人，砍掉无效工作。那接下来呢，我们讲这个审批报销流程的自动化， 这表呢是由报销人去填写的，他把这些信息填写完之后呢，会自动把这个报销内容推送给审批人。比如说我测试一条 啊，然后报销金额填好，一填完啊，审核人员就收到消息了，就审核消息呢，包括时间、报销内容、人员和报销的一个费用，包括报销的一个凭证。这张图呢是我随便上传了一张图。 审核人员收到这条消息呢，还有两个按钮，当你点击审批通过的时候呢，他会自动在表格里面记录审批已通过，然后推送给下一级的审批人员。如果说你点击的是审批不通过呢，他会推送一条消息给你的这个编辑人员就是你的报销人员， 让你重新去编辑这个表格。我们看这里点击不通过啊。报销人员这边呢，他就收到一条新的消息，需要修改， 然后下方也有个按钮，点击这个按钮呢，他会直接跳转到多个表格，你可以进行一个报销内容的修改。这一套工作流程呢，其实适合很多的应用场景，这只是报销审批的一个小场景，如果说你的公司还没有用上这套系统，快点用起来吧。

兄弟们，我的龙虾团队组建好了，我让他们做个自我介绍。来了，开始了。首先是信息专家，负责抓取信息内容专家，负责写文案，金融专家，做估值分析、行业研究等相关的事项。 技术专家，负责龙虾运行维护、写代码等。和技术相关的兄弟们，大家觉得还缺啥人员吗？这个是大总管，总经理，负责指挥调度。

最近发现一个开源项目把我惊呆了。号称是 opencloud 的 团队版，保留了 opencloud 的 所有灵魂特性，但它不是一个人只会一堆龙虾干事，而是由多个人和一群龙虾协助干活，形成一个人与龙虾的协助网络。 试想一下，一群 ai 员工帮你干活，同时互相协助，就像一批真正的数字员工，加入你的团队，可随时加班。 假设你是市场部经理，要做一场产品发布会，需要四个 ai 员工，他们分别需要负责且宣传稿收集竞品信息和市场数据。干 ppt。 还有一个助理，除了摸鱼外，每十五秒会检查一次数据的更新情况。 核心在于智能体与人类员工在同一工作流中实时协助。发现新的任务或数据后， ai 主动汇报请示决策，人类随时接入审核调整策略。 opencloud heartbeat 心跳机制默认是每三十分钟触发一次，而 clavius 把这套机制升级成了 awwire 自主感知系统， 实现持续感知和自适应任务流转，并且拥有自我进化能力。也可以把它接入飞书钉钉起、微 slack、 discord 等协助平台，支持本地部署。拉取源代码后，参考这里的部署教程，通过 docker 完成部署即可使用。

今天开会的时候呢，我发现都二零二六了，还有很多开发者、产品经理都搞不清楚什么是 agent， mcp， skill， hooks， plugins。 今天这条视频呢，我用一套最简单的方式给你全部讲清楚。首先是 agent 和 sub agent， agent 就是 项目经理，他负责大局，知道你要干什么。而 sub agent 呢，他是被派活的小弟，一次只干一件事情。 比如说 a 准要写一个文档，他可以先派一个小弟先去做策划，再派一个小弟呢去写文档，最后再派一个小弟帮他审核文档。 为什么要分呢？因为 ai 也会有脑误，一个 a 准如果负责的任务太多呢，它就会乱。所以呢，你要派活给多个小弟，可以更快更稳，还可以控制好权限。然后第二层的话呢，就是 m c， p， l， c， l i， 它们俩本质是给 a 准能够接触外部的系统， 比如说 app， 网页等等，它们能够让 a 人直接拥有操作 app 的 能力，否则 a 人就只能和你闲聊。其中 mcp 呢，它是一种标准协议，类似于 usb 协议。 而 coi 呢，它是命令行，它们俩都可以去对接外部的 api。 它俩的优劣呢，我在之前的视频有讲解过。 第三层就是 skills， skills 就是 s o p， 就是 说明书，就是操作文档。它的出现不是说你的 agent 不 会写文档，而是说能够按照你的语言表达习惯来写文档，比如说按照金字塔原则，先说结论，再展开分析。 第四层就是 command， 就是 快捷键，你可以简单敲一个快捷指令，比如说审核，它就可以帮你调起你想用的 skills 对 应的 agent， 还有 sub agent， 小 弟一整套链路一起帮你干活，它就是 agent 时代的快捷键。第五层就是 hook， 自动触发， 你可以为他配置对应的任务。比如说 agent 干完一天的活，触发一个名为一天的 hook， 你 可以给他配置对应的任务，就是自动写日报。当 agent 干了一周的活呢，触发了一个名为一周的 hook， 配应对应的任务就是写一个周报，这就是可以通过 hook 来自动触发的。 第六层就是 plug in， 这是最高级别的分装，它里面已经打包好了 agent， sub agent， mcp， skill， hook 等等一整套，让你开箱即食。因为 plug in 里面已经打包好了， agent skill， hook 什么都打包好了，所以使用者直接 跟 agent 对 话，就可以享受一整套打包好了的服务。总结来说呢， agent 是 老板， sub agent 是 干活的小弟， command 是 快捷指令，快捷键， skill 是 做事情的， s， o， p， m， c， p 和 co i 呢，是对接外部的系统。 hook 是 自动触发，而 plug in 是 打包好的服务。 ai 这一块呢，其实名词特别多，但本质上都在讲一个事情，就是怎么样让 ai 更像一个人，更像一个团队。你还有哪些没有搞清楚？评论区留言，我们下条视频见。