opc怎么用多agent

用 kaptur 的 方法建一个关于 middle school 的 知识库。最近 antarctic 发布了他们最新一代模型 middle school 的 一个文档，洋洋洒洒两百多页，正好我们试验一下最近爆火的 kaptur 的 知识库， 通过对原始文档建立一个知识库来提高我们获取知识的效率。他的这套方法不管是对做研究、做调研还是读一本书都非常有帮助。今天我们就一起来实践一下。整个过程会分为三个部分， 第一个部分我会说明一下这个过程会用到的工具。第二个部分就是我们一起一步一步把这个知识库搭建起来，并且在最后试验一下它的效果。最后我会说一下我在整个过程中间的一些心得和总结。 好了，废话不多说，我们先从工具开始建立这一套知识库，需要的工具大概分为这三类，第一个就是你需要有一个智能体，一个 agent， 不 管是用 codex， clor， code， openclaw 等等这些都行。 第二一个是 ide， 就是 用来格式化这些 md 文件的 app 是 推荐用 obsidian。 第三个是这个过程中可能会需要用到一些 markdown 的 工具， 这个按需要去准备就可以了。比如这里我涉及到需要把这两百四十多页的 pdf 文档转成 md 文件， 所以我用到了一个叫 mark 的 工具，就是专门做 pdf 转 markdown 的。 然后我会用 md split 把这转化后的两百四十多页的 md 文档 把它分成一个章节一个章节。最后是有一些网页上的数据，可以用这个 obsidian cleeper 这个工具来直接一键把网页数据导入到 obsidian 里面，工具准备好了之后，我们下一步就可以直接来构建这个知识库了。 kappa 的 这套知识库非常简单， 只需要三个东西，第一个是弱目录，存放最原始的资料。第二步是 wiki， 就是 大模型帮忙构建的，所有的 markdown 文件都放在这个目录下面。 第三个是高速智能体构建这个知识库的一些规则和框架。因为我用的是 codex， 所以 我放在这个 agent 点 m d 里面，如果用 call code， 那 就是放到 call 点 m d， 这个文件相当重要，可以说它是整个知识库的灵魂，我们一会会详细介绍。 先来一步一步看前面的 raw 文件里面都有什么。我这里原始区是包括了它最原始的 pdf 文件，然后我用 marker 工具把 pdf 转化成的一张一个章节一个章节的 markdown 文件。最后是我在网页上截取了一些关于 midos 的 一些内容， 在这里可以简单提一下这个网页数据获取的工具，它叫 ipad web flipper， 我 只要打开点一下，就能把整个网页的数据全部以 markdown 的 形式存储到我们的 ipad 里面，非常的方便。这里最原始的知识准备完成之后，我们就可以看一下这个 html 的 文档了。 app 没有直接开源他的这一份文档，但是我们从他公开的资料里面是可以推导出这份文档的。一部分是核心的目标和规则。他的核心目标主要是两个，第一个是将原始资料整理成 macbook 知识库， 第二就是要基于构建的知识库和原始的资料，对外部的问题提供正确充分的回答。 下面这里规定了整个目录的结构，大的结构就是我们刚刚说到的一个原始资料的 raw 目录，还有一个放知识库的 wiki 目录。这个 wiki 目录因为我已经构建完成了，所以我们可以直接来看一下它最终的结果是长什么样子。 简单来说它就是一堆存放 markdown 文档的目录，再加一个 index 文件，再加一个 log 文件， index 存储各个 markdown 文件的缩影， log 就是 存一些日记， 然后这些 markdown 的 目录可以认为是对整个原始知识做了一些分类，而在每个分类下面又有不同的文档，它们是对原始知识里面一些重要的点做了一些总结。还有链接， 这些链接包括知识库之间相互的链接，以及对原始知识的链接。我们再回过头来看这个 html 文档，前面做了一些全局性的规则和约束之后，接下来就是非常重要的三块 约定，他怎么消化原始的知识，怎么回答问题，以及后续怎么样进行维护。是文档和 html 准备好之后，我们就只要在这个目录打开 codex， 然后跟他说一句建立知识库， 你就得到了这样一份总结，非常完善知识之间互相链接，能对你的问题进行完善，并且正确充分的回答的知识库。最后我们再来总结一下咖啡姐的这套知识库体系， 总结下来主要就四点。第一点是我们通过让大模型建立 wiki 知识库，其实本质上就是做了两件事情，第一件事情通过 wiki 之间各种链接来建立知识之间的联系， 这样在回答问题的时候就不会只是一个知识点，而会是一个知识面来给你充分全面的回答。第二个作用是建立对原始知识的溯隐，这里再一次证明了我们前面提到过的间接式，譬如无处不在， 我们不是把最原始的知识一股脑的丢给 agent， 而是通过建立对知识的溯源，让 agent 自己一步一步去发掘自己需要的知识，这样的效果是最好的， 这整个系统比较妙的。第二点是他有好几个循环来不断的更新迭代我们的知识库。 第一个循环是你问一些关心的问题，然后 a 卷的输出结果，再把这个结果回写到知识库，对知识库做一个更新和补充，这样就完成了一个自迭代的一个过程。第二个循环是他有一个健康检查， 当你不断的加原始的知识，对原始的知识做加工处理，以及问问题，又不断的有回写的过程之后，这个知识库难免会膨胀和臃肿。这里的健康检查就是来对抗这件事，它保证了我们知识库建立了正确的联系， 以及建立了对原始知识正确的。所以第三点比较重要的是前面说的 hmd 那 个文档，它是整套系统的灵魂，规定了整套系统怎么运作。 最后第四点，在这个基础的知识库上面其实还可以有一些拓展，他 party 就 提到了，他可能觉得 opc 点的搜索工具不太好用，他自己做了一个搜索工具来搜索知识。 然后在这个知识库不断的完善之后，还有另外一个想象空间，就是可以做一些模型的微调，从而让这些知识进入到模型的参数权重里边，而不仅仅是存在微提里边。 好了，关于知识库的部分今天就分享到这里，下一期我们分享在我建立的这个 mesos 知识库里面，我得到了一些非常有用的信息和。

安装完 opencloud 之后，你还在傻傻地使用一个 ai 单打独斗吗？小孩子才做选择，成年人当然是选择都要。今天我带你们玩一下 opencloud 的 多 agent 协助系统，让多个 ai 组队分工配合，协同干活。 我们可以把写文案、写代码、做分析、搞设计，这些不同的工作分给不同的 agent， 让 ai 各司其职，你只需要一个指令，其他的让 ai 团队来帮你搞定。首先我们来了解一下什么是多 agent？ 简单的来说就是单 agent 就是一个 ai， 它来做所有的事情。单 ai 的 缺点是什么呢？就是你一会让它帮你整理文件，一会让它写代码，一会再让它帮你顺道订个餐。 ai 是 通过上下文来理解并执行你的任务的， 你这样做会导致他的记忆有些混乱，工作起来可能就没有那么精确。多 agent 呢，就是我们设立多个 ai 来组成一个团队，每个 agent 都有自己独立的工作区，独立的人设，独立的记忆，这样的话就可以让 ai 各司其职。 开发的 ai 就 专门来写代码，写作的 ai 就 专门来写各种的文件文档，这样呢，就是让专业的 ai 来做专业的事情，分工更专业，更加精准。 下面我们就来看一下如何创建并管理多个 ai。 我 们在 opencloud web ui 里边点这个左侧的代理， 这里有我们现在已有的这些 agent 代理，我们看现在就一个默认的 man， 它的工作区域是在这个 openclaw 里的 workspaces。 我 们来新建一个 agent， 先打开一个命令行窗口，在这里我们运行 openclaw agent 是 list。 来查看一下目前我们都有哪些 agents 好，可以看到，目前我们只有一个麦它的信息在这里，我们现在打开一个命令行窗口，我们要手工来创建一个 agent， 在 这里输入 open claw agents add， 比如说我们现在要创建一个写代码的程序员，那就是 add coding 好， 打回车。现在我们可以看到进入了添加 agent 的 步骤。首先是让我们选择 workspace， 就是 工作区域，默认的就是 workspace， 加上它的名称，那么下一个是是否复制 man 这个 agent， 我 们选择 no， 这个是询问我们是否要为这个 agent 设置单独的大模型信息选择 yes， 好， 这里我们要设置 它的大模型，那么根据它的这个模型呢？如果我们是要做一个呃写代码的话，那么我们需要一个好一点的逻辑性比较强的模型，我建议使用是智谱的最新的大模型。 g l m 五点一， 现在要我们设置消息的渠道，这个我们暂时跳过吧，因为今天的主要内容我们是介介绍 do agent， 现在显示 agent calling ready， 也就是说我们的 agent 已经添加完毕了。 我们回到 open claw 的 代理里边，我们点一下刷新，在这里就可以看到这个 coding 这个代理了。点击 coding 可以 看到它的工作区域是在 workspace 的 coding， 它使用的模型是 g l m 五点一，这个模型是对于编程来讲非常友好的，当然我们也可以在这里进行切换，切换到其他的模型， 这里是他的一些核心文件，暂时我们不介绍这个，这个兔子是他可以调用哪些工具？我们可以通过点击这些工具后面的这些个切换按钮来切换他可以使用哪些工具，也可以通过这里进行切换。快捷的切换 skills 就是 技能，代表着这个 agent 可以 调用哪些技能，同样可以点击后面的这个切换按钮进行切换。比如说这里边我们就可以把一些写作的这些技能把它去掉。 这里是消息频道，这个还没有设置，这里是他的这些计划任务也没有设置。我们再来创建一个 open claw agents。 add， 这回创建一个 writer， 专门用来写作的。 开始添加 agent， 首先让我们选择它的工作的区域 workspace， 这个我们直接打回车，是否要复制 man 这个默认的这些信息，我们选最后选 yes， 这里边还是问我们是否选择这些大模型，这个我们就不选了， 这个我们也不设置飞书信息了，选 no。 writer 也做好了，我们刷新可以看到这里已经有了 writer， 我们下一步来看看如何删除一个 agent。 open claw agents delete 这个 writer， 让我们确认是否删除，我们再来刷新，可以看到 writer 已经被删除了， 又重新创建了一个 writer。 那 么我们该如何在聊天窗口中调用这个 agent 呢？点击来到聊天，我们要在这个提示框里边输入命令斜杠 agent， 然后杠杠 agent， 比如说我们要给 writer 下达一个命令，我们先问他介绍一下你自己， 你好，我是你的写作助手，很高兴为你服务。那么我们就可以通过这个斜杠 agent agent writer， 让他给我写一篇关于多 agent 的 文章， 关于 openclaw do agent 的 文章，他就把关于 openclaw do agent 的 这篇文章写到了这里，并且也已经存到了 openclaw 的 文件夹下面，我们可以看一下， 写到了这里，写了好大一篇。这就是 opencloud 关于多 agent 的 视频，今天就讲到这里，有什么不明白的可以在评论区给我留言。下一期我们讲一下如何用手机飞书来控制多 agent 进行工作。关注我每期一个 ai 知识，谢谢大家的观看。

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！

自从我 cloud code 被封了以后，我基本上就用 codex 作为我的主力了。最近 codex 出的这个多 agent 方式 我觉得还挺好的。你看现在我就让他有五个 agent 一 起在并行地开发。那你需要在提示词当中明确地告诉他，请用多 agent 的 方式去开发。 我觉得紫 a 证的可以这么去使用，比如说我现在要改一个产品的 landing page， 就是 它的首页，我告诉他说我要跟竞品拉开差距，然后你去调研一下竞品怎么设计的， reddit 上面去看一下用户的真实反馈，同时 你再去看一下我现在怎么设计的，那他就会给我创建三个子 a 阵的，分别做这三件事情。他把结果汇总之后，给我一个最终的结论，怎么去改，让他们各自并行的处理不同的任务，最后汇总在一块。

当 cloud code 的 源码泄露后，我用它魔改了 open curl， 全程复制粘贴，就能打造一个满血版小龙虾。一键安全加固、多 agent 通信能力、四层机制、上下文压缩、 cloud code 核心技能与架构、 agent 知识库联动等等。一人公司的时代真的要来了！ 这里是 star a i， 欢迎来到我的频道。这套方案让不懂代码的普通人也能搭建好满显的多 agent 的 系统， 文档和所需资料都免费开源分享给大家。请到视频下方置顶评论中查看。第一次部署可以尝试便宜的 mini max 套餐，猎手本地模型请根据个人电脑配置决定即可。我投入上亿就肯深度拆解了泄露的五十一万行核心代码，提炼出最精华的框架体系，并迁移到 open cut 中，毫无保留的分享出来。 首先，我们直接复制文档中这段代码，然后粘贴到任意 id 软件，例如 try 或者 try code 复制密钥，我就以自己订阅的 mini max 密钥进行演示，将密钥替换掉，原来的内容直接发送，中途可能需要点几次统一运行给它自己跑就行了。 看到这段内容说明已经成功装上，他就会自动弹出对话界面与他对话，能接收到他回复的信息，说明模型配置也是正常的。第二步，配置安全加固，跟刚刚操作一样，复制这段指令，然后粘贴发送。配置好这个功能后，就能防止密钥泄露，隔离外网攻击，防止群聊滥用， 防止提示注入。看到验证通过的提示后，说明已经安装成功了。第三步，避免重启后回滚配置，再使用这个指令修复回滚配置文件提示，验证完成后就可以配置下一步了。第四步，创建远程对话机器人，点击这个链接就能直接跳转到创建机器人页面， 需要选择一个头像，填入自定义机器人名称，就能一键配置好你的飞书机器人。回到文档，复制配置代码，粘贴到对话框中，将飞书的 id 和 c 格进行替换，随便跟机器人说一句话，将发送来的匹配码复制发送回去，等它配置完成显示飞书匹配成功，现在就可以跟机器人对话了。 发送消息后会有机器人名称和表情图标，这样机器人配置就是正常的，等待回复即可。接下来根据文档操作来配置好个人微信机器人。首先将微信升级到最新版本，进入微信，点击我找到设置， 滑到下面，点击插件，选择微信 com， 点击详情就能看到安装插件的指令和扫一扫功能，也可以复制我这个指令粘接到对话框进行安装，等待安装完成后，扫码连接就能创建好你的机器人了，这时候需要等待重启完成后才能进行对话。 发送任意消息，测试是否正常，连接上方显示对方正在输入，很快就得到回复消息，那么就让他截取现在电脑桌面上当前显示的画面发送给我测试一下功能。现在他无法直接发送图片，只能提供路径，这是因为目前还是残血版，还没给他配置好权限， 现在我们就需要利用这个指令帮他开启全部权限，激活满血版的小龙虾。重复操作，将指令粘贴发送提示工具。权限配置完成，回到微信，再次让他截图发送给我，这次就能成功将电脑当前画面以图片的形式发送给我了。 手机上的权限已经成功开启，现在回到电脑端发送这个内容给小龙虾，让他自己打开浏览器，搜索 github 上最近爆火的项目，当你看到浏览器正常打开， 并且找到对应内容，说明完整的权限已经成功开启。接下来的这个内容很重要，这是我根据 c c 框架搭建出来的智能体。为什么克劳德是编程的天花板，因为他有着严格的审核机制， 这个智能体就是来做挑刺的事情的，对生成好的代码做对抗测试，只有经得起考验的代码才能通过，能大大降低了出错的概率。现在我们就复制这个指令，还是用之前相同的代码才能通过，能大大降低了出错的概率。现在我们就复制这个指令，还是用之前相同的设置完成就说明创建好了。现在你的小龙虾能力拉满了， 接下来就给他一键安装记忆系统，重复操作，就不一一演示，直接看结果。这几项功能全部成功解锁，已经配置好项链模型，还把最新版的小龙虾梦境系统也激活并开启。 现在我们就来配置多智能体通信与协助能力，分别制定了四级执行策略，可以对简单和中等与复杂还有超大项目进行调整。你只需要给主智能体发送消息，他会根据不同程度的项目进行分配，根据不同任务让多智能体实现串联执行或者并联执行以及自主联系的能力， 实现这样的效果，依旧使用相同安装方式，可以看到已经给每个 a 键都配置了全网通信的能力，并且进行了简单测试，下次创建新的 a 键时也可以发送这个指令再次配置。如果需要完整的检查通信能力是否可用，还可以执行这套指令进行测试，能帮你找出哪里还有问题， 发现问题也可以让 ai 继续修复，确保通信能力万无一失。饭都已经喂嘴里了，既然看到这里，请不要吝啬你的一箭三连。 接下来我们来安装一套系统级的技能，如果还没有下载技能安装包的你，赶紧现在给我出去，现在赶紧去下载。分别有核心与架构 style， 将核心与架构 style 一 起复制到小龙虾 skills 目录中，这两套技能都是从克劳德架构中提取制作的， 这也是最方便让小龙虾接近克劳德能力的方式。首先复制这个指令，单独安装上下文压缩技能，这个四层架构的技能 让你的小龙虾最高节省百分之九十投屏消耗。提示，安装成功后再进行下一组技能安装，这一组有十一个技能，可以按需选择，建议全部都可以装上，每个技能不超过五 kb 大 小，非常精简，每次只需要输入斜杠加名称就能激活技能， 同样复制粘贴我就不重复展示了。接下来的这个是架构技能，相当于一个架构说明书，没有激活指令，需要配合创建架构 a 值来使用。 安装完成后，我们再来创建架构师智能体，由于时间关系自行暂停观看能力说明安装方式我就不一介绍，智能体搭建完成后，只需要与架构师对话，就会自动采用这几个技能执行。接下来这几个功能可以自行选择是否安装。第一个是浏览器插件功能补全的指令，第二个 是推荐安装的几个 m c p 协议，同样起到功能补全的效果。第三个是 cd 本地知识库， c i l 插件实现无缝衔接，打造你的本地个人知识库。安装前需要提前下载 cd， 将其更新到最新版本，然后找到命令行界面，点击开启可执行的指令，可以直接到我文档中查看。第四个定时轮询监控系统， 相当于优化版的定时任务系统、维运指南和提示词库，我整理了几十个常用的指令与功能说明，相关文档和资料我会整理在视频置顶评论区。 最后安装完成后可以使用一键备份配置，方便小龙虾崩溃时恢复正常。如果这样的满血版龙虾你还是觉得不好用，我还贴心的提供了一键卸载指令，安装与卸载一条龙，全部免费开源。如果本期内容对你有帮助，不妨给个一键三连，那么下期见！

今天给大家介绍一下 cloud code 里面原生自带的两种多 agent 协同的两种方式啊，一个叫 sub agent， 一个叫 agent team， 然后我也会说明为什么这两种方式在某些业务场景下，它没有办法解决多 agent 的 协同的问题。然后啊，为此我自己做了一套 agent 的 写作流程， 能够很好的解决这两个问题。对，首先首先介绍一下啊， cloud code 自带的两种 agent 写作的方式吧。第一种叫做 sub agent 的 词代理， 子代理，就是当你跟 agent， 当你跟 cloud code 会对话的时候，这个主会话，他在完成你的任务的过程中，可以去派发一个子代理帮他去啊，完成他这个任务里面比较边缘的那一部分事项 啊，然后子代理把这个事项完成之后，得到一个执行的结果和招标，把这个招标返回一个主代理，主代理拿到这个招标之后，就可以把他的工作重心聚焦在你给他的这个任务里面比较核心的那个部分，这就是子代理的实现方式。 那他的启动方式也很简单，就是你直接在绘画里面在跟主代理对话的过程中显示的声明，像这样的声明说 啊，帮我启动一个或者多个子代理，或者具体多少个帮我去做一件什么样的事情，然后它就会自动地去启动子代理，帮帮他去做了啊。然后第二个 cloud code 的 原生自带的就是 agent team， agent team 呢，其实就是你在绘画中也是在跟主代理的这个绘画的过程中显示的声明说你想要拉起一个 agent team， 然后去帮你做一件什么样的事情，解决一个什么问题。比如说你要做一个网站，那这是一个比较大的需求， 你可以让他拉起一个 agent team， 这个 team 里面你去定义成员，有产品经理，有程序员，有 u i 设计师，有测试啊，这几个角色，他们分别的角色定义他们的职责，他们的工作流程， 然后让 cloud code 去组织他们帮你把这个网页做出来。啊，那这两个模式他有什么问题呢？或者说他有什么缺点呢？ 啊？我觉得在业务实现上是有两个比较大的痛点的。第一个就是不管是 sub agent 的 子代理还是 agent team 里面的这个成员代理，他都没有办法，他们的绘画都是无法回溯的， 这就意味着你没有办法去看到他们的推理过程和他们的思考过程，你只能看到他们的一个结果，那当你对这个结果不满意的时候，你很难去 通过绘画，通过 session， 通过这个 agent 的 他的一个思考过程来判断到底是哪里有什么问题，怎么去优化它，我觉得这是在业务上是一个比较大的问题。然后第二个问题就是 不管是 sub agent 还是 agent team， 他 设计的初衷都是为了去解决一个任务，这个任务就是你在主绘画里面给 cloud code 抛出的那个任务，或者让他要解决的那个问题 啊。但是在很多业务场景下啊，我们更多需要的是一个重复性的去执行一个任务的能力， 那比如说我今天要，今天要玩，今天要做这件事情，明天也要做，那这种事情其实就不适合 sub agent 的， 或者 agent team 去合作去去完成。 那为了解决解决这两个问题，我自己设计的这套多 agent 的 协同的方案，我觉得是能够比较好的解决这两个问题的。首先就是你我们可以在这个 agent 里面去定义你需要的这个 agent 的 的角色， 他的身份，他的定义，他的工作流程啊，甚至是说他的 skill 有 哪些。 然后第一个问题怎么解决呢？就是你直接进入到这个 agent 的 文件里面，然后去启动 cloud， 那 你你其实就等于在一个新的绘画里面启动了这个 agent， 那 这个 agent 你 让他做任务的过程，他的思考过程，他的推理过程， 都是通过可以通过 cloud resume 的 方式去啊回溯的。对，那那这样的话你就可以知道 你的他的任务执行过程中有遇到什么问题，那你可以直接的在绘画里面让他去解决，比如说优化他的 skill， 优化他的工作流，优化他的身份设定，优化你的 prompt 等等 啊，来来达到来让这个 agent 的 这个执行的交付质量是更好的，符合你的业务预期的。 然后关于第二个问题，就是当我们的这个工作流程，工作流打磨的比较好了的时候，每个每个 agent 它的输出质量都已经不错了的时候，那你就可以直接通过定时任务的方式 啊，进入这些文件夹，然后驱动这些 a 帧的工作，这样的话你的整个工作流程，整个流水线就是可以一直重复的去产出结果的。 对，这样的话就解决了第二个问题就是啊原啊 cloud code 的 原声自带的两种多 a 帧的写作方式，它 都是为一次性的任务去服务的，那这样的架构其实就可以啊，不停的去驱动每每一个代理为你工作，然后不断的去重复性的产出 结果，并且这些结果因为你已经打磨好了他们的工作流程，他们的 skill， 那 他们产出的结果大概率也是符合你的业务预期的，这样的话就是他的工作结果既是好的，并且他又可以不断的重复的为你工作。

先说结论，我创建了一个可以自动添加 agent 的 skill， 一 句话就能添加 agent 并且绑定飞书机器人，有需要的小伙伴请点赞关注视频，后面我会提供下载链接和操作方法。大家好，今天这期视频的内容 主要介绍如何让 openclaw 接入飞书，如何申请飞书机器人，然后创建特定的 agent 与之绑定， 如何通过主 agent 调动多个 agent 的 共同写作。这个是我在飞书上建立的 open core 使用文档，以后我会定期在这里分享一些实际操作资料和学习资料，可以方便大家学习。 这篇文档是手动接入飞书并实现多自媒体写作，和接入微信的流程是一样的。首先需要安装飞书插件，即在终端执行这行命令，安装完成后选择新建飞书机器人， 然后使用飞书 app 扫描二维码就绑定成功了。然后可以使用飞书机器人来跟 openclock 进行对话。这里有一些高级配置指令，比如切换到流式输出、设置多任务运行及独立上下文， 这些是常用的诊断命令和问题修复方法。可以在聊天窗口发出飞书 start 指令， 确认是否安装成功，发出飞书 off 指令来批量完成用户的授权。接入飞书以后，可以直接通过跟机器人聊天来完成很多飞书中的操作，比如整理群聊内容、 查看创建日程、读取修改云文档、创建会议机要。又或者把数据账单发送给飞出机器人，让他帮你创建多维表格进行记录。现在说一下当 a 检测的利弊，优点是架构简单，调试容易，适合早期阶段，但随着使用轮次的增加，其能力 也会越来越臃肿，上下文会越来越长，核心系统的题词会不断增加，调用的工具也会越来越多，逻辑越来越复杂，最后就变成 什么都能干，但什么都不精。所有的绘画记录，所有的工具调用 skills 都会加载到一个 agent 的 上下文，就会导致 token 消耗太多，任务执行缓慢且容易失败。什么是多 agent 呢？ 你可以理解为把一个当 agent 变成一个团队，团队里面有项目经理、数据爬取专家、文案编辑专家、全案全站工程师等等，每个 agent 只做好一件事，这样带来的第一个优点就是专业化，每个 agent 配置独立的工作空间，有不同的访问策略，独立的职责描述、性格特点，可以使用不同的模型绑定不同的工具，历史绘画隔离，这样可以大大提升工作效率。第二个优点 是可扩展，你可以随时添加新的 agent， 比如添加一个财务分析 agent， 添加一个图像生成 agent 并不会影响其他 agent， 并且可以规划不同 agent 之间的协助。实际应用当中， 我们可以采用一个飞书机器人绑定一个 openclock agent 策略，每个飞书机器人独立管理，互不干扰，使用独立的路由， 独立的绘画，可以灵活控制，并且也可以让主 agent 来调用其他 agent 完成多个 agent 之间的协助。现在来介绍一下整个流程主要分为两步，第一步创建一个飞书机器人，需要访问这个链接，得到 app id 和 app secret。 接下来就是配置 opencloud 的 接收文件，配置路径如下，主要配置的有下面几个部分，一个是 agent list 的 部分，这是主 agent， 这是我添加的数据抓取 agent、 项目经理 agent、 全站工程师 agent。 每个 agent 都有独立的工作空间，并且可以设置不同的模型，这一块呢是工具权限的配置， agent 和 agent 之间可以进行通信， 这个是多账号绘画隔离设置，这个是飞猪的 channel 配置，需要在这里配置 app id 和 app secret 以及 agent 的 名称。这个是飞猪机器人的 open id， 这里是路由绑定 设置，这里是 cloud 中 agent id， 现在是一一对应，可以将如下规则写写入到你的记忆文档中去。为了让主 agent 可以 调度下面三个 agent， 这里需要配备这样一个设置。第 sub agent 允许的 agent 的 id 有 如下几个，这里主要是为了实现主 agent 调动其他 agent。 下面是一个数据抓取 agent 的 一个 through， 参考 主要包括身份、性格、工作原则、表达方式、用户关系边界和目标。这是一个 demo， 其他的 agent 都可以按照这个结构来编辑它的售。 下面我来实际操作一下，这个是我的主 agent， 然后我又分别创建了文案编辑、项目经理、数据抓取和全站工程师这四个 agent。 然后我们还可以继续添加 agent， 我 来实际操作一下， 可以看出手动去配置这些节省文件还是挺复杂的，因此我自己创建了一个可以自动添加 agent 的 skill， 然后通过这个 skill， 我 们可以快速的让 ai 来帮我们配置这些文件。那么我来操作一下。首先第一步创建飞速机器人， 我们可以点击这个网站，比如说我想创建一个财务经理啊，财务分析， 财务分析的机器人，这时候它就会帮你创建一个飞出机器人，然后生成这个 app id 和 app secret， 我 们可以把这个复制过来，先复制这块，这是我写的 skill。 好， 我们已经明白了，这个叫财务飞行的 agent 需要我们添加 app id 和 app secret， 就 把刚才这里申请到的飞出机器人的 app id 拷贝给它。 啊，还需要进行职责描述。 现在 ai 就 可以自动按照我编写的 skill 来帮我们创建这个 agent， 并绑定飞出机器人，它会自动重启 openclock， 所以 有时候你会提醒一下它，这里需要打开私聊跟这个机器人 说一声，发送一个消息，就可以获取这个机器人下面的 open id 了。我们这里打开，打开应用财务分析，打开应用，你好，已经发送消息。 好，现在他应应该是更新配置更新成功了，再检查一下， 他已经接收到了我的消息了，然后他就会回复了。好，说明这个机器人跟这个新的 agent 已经绑定。 新的财务分析的机器人已经跟 openclock 中的新的 agent 已经绑定了，并且可以进行消息的回复。现在我们来测试一下，让主 agent 来调用这几个啊子 agent， 现在，好，现在主 agent 已经可以跟财务分析的绘画已经生成了，得到了筛选 key， 这样的话主 agent 就 可以以后调用这个 财务分析的 agent， 并且它已经把小财这个筛选 key 更新到记忆里面，现在我们来测试一下。 好，这就完成了，由主 a 检测通知财务分析，这个 a 检测去做一个工资表，然后我们看一下是不是做出来了。好，这做出来了，这我们还可以做的更复杂一些，比如啊，我们可以让让项目经理， 然后让权杖工程师编写单。 好，现在让我们来弄一个更复杂一点的，让多 a 级的协助，让项目经理来规划一个前端页面项目，用来显示这个工资表格，然后让全站工程师来编辑代码，看一看他能不能完成 好。项目经理的方案已经完成，全站工程师正在编码中。好，可以看到这个工资页面也已经开发完成了，然后我们远程看一下这个前端的页面员工工资表，员工工资明细说明这个全站工程师已经完成页面的开发。 好的，我们总结一下今天的内容啊，今天主要就介绍这个接入飞书并实现多次人体的协助。然后我这边是在编写了一个 skill， 可以 直接通过这个 skill 来 创建一个 a 卷的，并绑定这个飞书机器人，我会把这个资料放在这个评论区啊，有需要的小伙伴可以自己来取。好的，今天的内容就到这里，我们下期见，关注我 ai， 分享时尚技巧，我们下期见。

这条视频我们用五分钟把 open core 多 agent 的 最小可用方案讲透，目标很明确，第一，知道多个 agent 的 怎么隔离部署， 第二，知道消息怎么稳定路由。第三，知道两个 agent 怎么开始协助你第一次上手，别一开始就做三层专家组。最稳的起点就是一个主控 agent 加一个执行 agent。 正式配多 agent 的 之前，先把环境起好，先用 on board 把 gateway 服务装起来， 然后用 gateway status 确认它在运行，再打开 dashboard 看配置是否能正常加载。如果你要把不同账号分给不同 agent， 就 先把频道账号登录好，比如一个 personal， 一个 base， 只有当 get 位正常，面板正常，频道账号也正常的时候，后面写的 bindings 才有意义。 do agent 最关键的第一步不是写 prompt， 而是目录隔离。最少要拆三个东西， workspace 要独立， agent 的 要独立， sessions 也要独立。因为每个 agent 都有自己的身份文件，自己的绘画历史，自己的工作资料。 如果你附用了同一个 agent， 最常见的结果就是认证串调，角色串调，绘画也串调。 agent 创建出来以后，别只停留在名字，至少要给每个 agent 写清楚两类信息， agent 点 md 定义职责边界， so 点 md 定义语气优先级和工作风格。比如 home 负责清亮聊天和提醒， work 负责项目执行， review 只负责复合。这样后面即便三个 agent 同时存在，也不会出现谁都想接手同一件事。接下来是 bindings， 它作用很简单，消息进来以后到底交给哪个 agent？ opencloud 的 路由是确定性的， 而且越具体的规则，优先级越高。如果你写到了单个联系人或者单个群这种 peer 级规则，优先级最高，再往下才是 account channel 通配，最后才是默认 agent。 所以 你想做精准分流，优先写具体匹配， 不要只靠默认。实际落地时，建议你先按账号分流，比如 personal 进 home business 进 work， 然后如果某个群或者某个联系人需要单独处理，再用 p 尔规则覆盖，最后保留一个默认 agent 兜底。这样配的好处是基础分流稳定，重点对象又能单独接到更专业的 agent。 消息已经送对以后才轮到协助。 openclo 的 多 agent 写作本质上是跨 session 工作，最常用的能力有四个， 看绘画、读历史、发消息、启智任务。其中 sessions send 适合主控把任务交给执行， sessions spawn 适合开一个独立子任务去后台跑。 另外要记住， session 可见性和通信权限不是一回事，能看到不代表能互发。第一次做多 agent， 最稳的协助顺序是先单向再双向，也就是先让主控 agent 把任务发给执行 agent， 执行完把结果收回来。如果你一开始就让两个 agent 互相自动回复，最容易出现的是死循环。绘画、串线 或者一个小问题被放大成无限对话。所以最小配置里先把 allow 写清楚，再把 sessions 的 visibility 放到 all， 先跑通 home to work， 再扩。第三个 review。 配置写完以后不要直接上真实业务，先做验证。 第一步，指测 routine 确认， personal 指进 home， 壁纸指进 work。 第二步，再测一次 sessions send， 让主控发一个简单任务给执行 agent， 看结果能不能收回来。 第三步，最后才加 review 或者自动往返，如果出问题，先看 get 尾状态，再看深度状态，再看 house 和日字。日字里重点看消息到底进了谁，以及绘画 key 有 没有串，最后收个尾。 do agent 想跑稳你只要记住六件事， 目录独立，职责清楚，先按账号分流，再按对象覆盖。先单向斜坐，再双向 allow， 只给必要的 agent， 每次只加一个变量，并且用日制验证。 多 agent 的 本质不是模型越多越强，而是路由清除，协助清除，验证清除。做到这一步，你在网上扩散角色，专家组才不会失控。

家人们，你们敢信吗？把 open core 所有你创建的 a 阵全部拉到一个群组里，只需要抛一个项目话题，他们就会自动分工，协同配合，一起把这个复杂任务搞定。这就是 classwarm 这个开源项目的硬核实力。 classroom， 一个专门帮用户基于 openclaw 构建多 agent 的 写作的开源工具，不管你有多少个 agent， 智能体都能轻松管理。既能直接跟单个 agent 对 话，也能把所有 agent 拉到一个群里，还能通过一个统一的网页界面，让这些各怀绝技的 agent 配合干活，根本不用你费心协调。 classroom 到底怎么安装？怎么用？这期视频给大家安排最详细最懂得安装使用教程，有手就会在 one panel 可是化名为面板的应用商店里搜索 colossum， 点击后可以看到基本简介，包括登录时的默认用户名和密码点击安装。目前已发布两个版本，选择最新的一点、零点三版本端口号可以保持默认，打开端口外部访问开关，然后点击确认安装，系统会拉取 colossum 的 镜像，很快就安装好了。 切换到已安装菜单下，眼尖的小伙伴发现我有多个 class worm， 这里是因为 one panel 支持同时部署多个 class worm， 大家可灵活搭建多个独立的 class worm 来管理智能体。找到刚刚安装好的 class worm， 点击跳转，直接进入到登录界面，输入默认用户名和密码。 首次登录系统会提示修改密码，我快速修改一下。当前我们正处于消息界面，是我们与 a 阵的进行对话的地方。 接下来我们看如何在 class org 中创建 agent， 点击右上方的 openclaw 按钮，进入到实例列表。在这里我们可以新增 openclaw 实例，输入实例名称，填写 openclaw 地址，点击保存后就添加进来了。再快速连接界面，我们需要填写 openclaw 的 网关 token， 打开 openclaw 网页，在概览中找到 token 并复制粘贴。下方是 openclaw json 配置信息。后续我们可以将这段 json 抛给 openclaw， 让它加到配置文件里面。到这步为止， openclaw 实力已经添加进 classworm 了，但是还不能正常使用 agent， 我 们需要到 openclaw 中安装 classworm 插件。 回到 classroom 简介中，最下面有安装说明手册，分别是人工手动安装和 a 站台安装手册。为了方便，我直接将 a 站台安装手册的地址复制下来，并且打开我的 open class， 将这个安装手册抛给他，让他帮我安装。 如果安装过程中出现这个界面，不用担心，这是 opencla。 在 自动重启网关插件安装成功后，我的十三香让我给他一个 json 配置文件。回到 coloss worm， 点击 json 配置右侧的复制图标，将 json 片段发给他，他会自动将这段配置信息合并到 opencla， 点 json 文件中。现在 coloss worm 插件终于能够正常运行了， 其实全程只需要动动手指复制粘贴，不用费劲。回到 colosswarm， 保存刚刚的连接信息就能发现在 openclaw 实力下多了一个名为 main 的 agent 智能体，这个 agent 就是 你在 openclaw 里配置的，现在被同步过来了。既然要实现多 agent 的 写作，光靠着一个 main 肯定是不够的。点击加号添加 agent， 你 可以选择空白模板创建一个 agent， 只需要填写相应的信息即可，这些也完全可以交给 ai 帮你生成 markdown 文件。 不想这么麻烦的话， classwarm 也早已帮你准备好了模板。项目经理，一个主要来帮你完成任务分解、请求确认、交付、展示或验收等等技能的 agent， 这里早已为你定义好了提示词，如果不符合你的要求，直接修改就行。点击创建添加项目经理 agent， 除此之外，还内置了执行工程师模板，专门帮你执行任务实现要求交付结果，同样把它也添加进来。现在这个 open class 里下面就有三个 agent 了。 进入消息界面，在左侧类似于联系人的图标中，可以选择 agent 的 进行单独对话，比如跟这个项目经理打个招呼，看看有没有反应，还能正常回复，说明 agent 的 配置都没有问题。这个是我和执行工程师的对话内容也是正常的。 点击左侧第一个图标，这里是所有 a 振的对话记录，除了我们和 a 振的对话之外，也可以让 a 振的之间互相通信。点击加号新建 a 振的对话，原 a 振的选择项目经理目标 a 振的选择执行工程师给他来一个话题，合同汇款管理系统开发。 还真别说，看这两个小机器人你一句我一句的帮我搞定项目开发，我只需要确认他们总结出来的需求和项目交付，简直太爽了。 如果这个算两个 a 阵之间互相对话，还有更牛的，我可以建一个多 a 阵的群聊，就针对这个合同回款管理系统，把我的 a 阵的全都拉进群，让他们各自匹配需求，帮我共同完成这个任务。项目经理精准书写需求并下达任务给执行工程师，执行工程师一顿开发操作，完成任务，最终返回给我项目交付结果的位置。 我最后需要做的就是运行这个项目，而且每次 agent 在 群组里面对话的内容都会自动生成一个 agent 的 对话，方便我们查看并随时插入新的指导消息。在 winpal 中打开 open cola 的 工作目录，当前 data 目录下面是没有交付文件的。我们先复制这个 data 目录的路径，打开终端，使用 cd 命令进入 data 目录， 使用 user 命令，加上你的 open cola 的 端口号，找到当前的容器名。然后我们需要将当前容器下的这个交付结果的目录 copy 到 data 目录下。 执行成功后，回到 data 目录，刷新后就可以看到交付结果的文件夹了。下面我们来运行这个文件。继续在终端里面使用 cd 命令进入该目录，下 l s 命令，查看到有一个 start s h 文件运行这个文件稍等一会儿后运行成功。访问网址就可以看到合同回款管理系统了。 前端页面比较简洁，但是该具备的元素都有我想要的，合同管理、付款管理等基本功能都具备，总体来说还是很不错，基本符合我的要求。让 ai 帮你开发搞定一个项目不再是虚无缥缈的事情，而克拉斯网让这一切变得更加简单。 使用克拉斯网管理 a 诊，轻松实现多 a 诊高效协助，让复杂项目落地更省心，更高效。

我终于跑通了在 cloud code 上做多 agent 写通的一个流程。首先我要讲一下啊，为什么要做多 agent？ 可能会有的人觉得多 agent 听起来很牛逼，但是比如说很骚 talkin， 或者是 华而不实，但我觉得有两个非常重要的场景。第一个呢，就是 do agent， 它能够把上下文分散到不同的这个 agent 上面，从而避免一个很长的流水线 霸占了一个完整的 agent 的 上下文，那它就会很容易出现降至的问题。 第二个呢，就是当地的流水线是比较长的的时候，如果他能够被划分为多个 agent， 按流水线去执行，那么每个 agent 他的这个定义 还有他的工作就会比较清晰，那么他的注意力也会比较聚焦，他的工作完成的质量也会更高。 那我现在的话呢，其实就是搭建了一套从数据的采集，这个是做采集的，然后做筛选，他采集了很多内容，然后他对这些内容根据我的一个选定方向去做一个筛选，还有打分哪些选择题是符合我的内容方向的， 然后是做一个验证啊，对啊，这个内容的一个真实性以及它的实用性等等 去做一个验证和测试，测试完之后会有一份测试报告，然后进入到写稿，写稿，然后就是策划分镜，最终生成一个视频， 一套完整的流程。中间呢，其实就是通过数据库去做做这个不同 a 证的之间的一个桥梁。比如说我调调研完的数据，怎么 他会存到数据库里面，然后是然后下一个环节去筛选和打分的一个 a 证的，他就会直接从这个数据库里面拿到 有哪些数据现在是需要刚录进来，需要我去筛选和打分的，然后他做完再交给下面的测试验证，再交给写稿的，再交给策划的，再交给做视频的，通过一个数据库去做中间 中间状态的一个桥梁和流转，然后整个 a 阵的就能跑起来了。这样的话每个 a 阵的其实他们各自的工作是隔离的，他们只管做自己的任务， 然后通过定时任务不不停的去驱动他们，他们不停的去拿起一个任务，然后完成他，然后标记他就把这个完整的一个 a 阵的 b 环给他完成了。

如果你也入门了外部抠顶，那你肯定知道一个 ai 帮你干活，效率总是不够看。所以聪明的你想到了启动多个 ai 并发执行，效率翻倍。但是消息怎么同步呢？任务怎么对齐呢？总不能每个环节都手动执行吧？今天我们看看 cloud code 中泄露出来的方案是如何解决这些问题的。 先从整体看， agent team 的 架构其实很好理解，你可以把它想象成一个建筑工地。 team lead 就是 项目经理， team mate 就是 各个工种的工人。项目经理不亲自干活，他的职责是接活，分工看进度，每个工人有自己独立的工作台，独立的工作空间，他们各干各的，最后把结果汇报给项目经理。那在代码里，这 三个角色叫 team task、 worker， team 负责整体协调， task 记录要做什么和做到哪了， worker 负责实际执行，三层各司其职，又相互配合，这就是 agent teams 的 基本框架。那一个任务具体是怎么跑起来的呢？每个任务从创建到完成会经历三个状态，刚接到活的时候叫 created， 正在干的时候叫 running。 最后要么是干完了 completed， 要么是干砸了 failed， 要么是被叫停了 stopped。 这个状态变化可不是随意跳转的， 它是一个严格的状态机，就像流水线上的产品必须按步骤通过每一个工序一样，每个任务还有自己的消息历史什么意思呢？就像聊天记录一样，从任务创建到结束， 所有和这个任务相关的对话都会被记录下来。 teammate 完成后， teammate 就 能翻看这个日记，了解任务是怎么一步一步完成的。这样做的好处是什么呢？一方面方便调试，出了问题有据可查。 另一方面是 team 力的，可以根据历史对话来判断任务是否应该继续，或者需不需要人工介入。那不对呀，要是多个任务同时跑，不会乱吗？那这就涉及到了 agent 们的并发症。可 autodesk 用了现成的机制， 你可以理解成每个工人都在独立的工位上干活，工位和工位之间用锁来协调，不是同一时刻所有人都去抢同一个工具，而是各用各的，最后再汇总。这种设计有个很大的好处，各 隔离性，如果某个工人手滑摔倒了，就是程序崩溃了，不会影响旁边工位的其他人。代码里叫 panic 隔离，一个县城崩溃了，不会把整个系统带崩。如果我同时跑十个任务，他们会不会互相看到对方的数据呢？答案是不会的。每个任务的 work space 就 是工作目录，都经过哈希处理，做了指纹隔离。就像每一个工人只能看到自己的工位上的东西，看不到隔壁的。这就是 agent tims 的 发病哲学，用现成保持清亮，用锁和哈希保证安全。任务跑起来之后， tim lee 的 怎么 知道进展的呢？靠的是一个叫类人事件的通知系统，你可以把它想象成游戏里的状态提示。比如任务开始了，屏幕角落弹个开始测试通过了，绿灯亮起和 合并完成了，弹出已合并提示。 agent team 有 十七种这样的事件，通知团队不需要一直盯着屏幕去观察每个任务的状态变化，这些事件会自动出发，出发之后做什么？这就引出了下一个概念，策略引擎。 策略引擎做的事很简单，根据规则自动做决策，比如测试全率了，加上审查通过了，加上 def 不 大，系统就会自动执行合并操作， 用人工盯着，符合条件就执行。这就比我们传统的做法高效多了。传统做法是写一堆 f l s， 出问题了再改代码。策略引擎是把规则抽离出来，可配置可扩展，那再好的系统也会出现故障，出问题了怎么 办呢？ cloud code 设计了一套叫做恢复食谱的机制，简单说就是先自动尝试一次修复，如果还不行就升级人工。每个故障都有固定的抢救步骤，比如提示投递失败了， 系统会先尝试重定向到正确的 agent m c p， 握手，失败了直接终止并通知人工。不反复重试浪费资源。翻译失败了，先尝试清理，后重新构建，还不行再升级。注意，这里有个关键约束，自动恢复最多尝试一次。为什么是 一次？因为反复重试可能会让问题恶化，还浪费算力。与其在这里耗着，还不如赶紧升级人工处理。这就是 agent teams 的 故障恢复哲学，给你一次机会，不行就喊人。 看到这里，你已经是一个成熟的 agent teams 加固师了。最后我们总结一下 agent teams 的 五个关键设计，用现成代替，进程更清亮，但需要处理好共享状态。用策略引擎替代 f l s， 让规则可配置可扩展。故障恢复有标准流程固定，最多自动修复一次，再失败就升级。 cason 用哈希做隔离，多 任务互不干扰，单个崩溃不传染。隔离做得好，一个工人摔倒不影响其他人。这五点其实也是做分布式系统的通用原则。理解了这套设计，你对多 a 阵的协助的理解就会更深一层。

hello， 大家好呀，我是罐头，然后呢，之前我发了一期呃，我用飞书，然后连接 opencloud， 然后建多个 agent 这个视频呢， 收到了很多小伙伴的点赞和收藏，然后也确实帮大家解决了一些问题，然后折腾下来的话，大家都蛮喜欢的。然后呢，我现在可以看到评论区有很多问题，然后就帮大家解答一下啊，说明一下，我现在是在外面，然后可能收音效果不是很好哦， 我拿着我的这个这个 dji 的 麦克风，看看降噪会不会好一些哈，然后先给大家做一个快速的回复，呃，其实大家问的更最多的问题呢，就是说， 呃，这个这个教程好，视频教程可能还不够详细，然后想要一个文档，那我就给大家去处理一个文档吧，这个文档的话，我其实主要是比较经典了一下，因为大家问的最多的问题可能就是说我这个 hr 的 这个 a 证是怎么创建出来的，然后可能有的人 朋友呢，创建之后呢，没有成功，然后想用一下我的这个配置， ok， 没有问题。然后我想跟大家说的是，这个配置的话，你就可以直接复制我的，我是用了这个一个大姐头的配置，然后去做了一个 hr， 因为我这个 agent 点 m d 里边其实写了一些固定的东西啊，比如说让他在创建 agent 之前呢，必须确认这个 agent 的 名字呀，名称啊，工作职责等等，然后最重要的是他需要一些，呃，比如说使用的模型是什么，然后需要绑定的非书群聊 id 是 什么，然后并且给他一些这个 重要的这些命令，他可以直接执行的，因为这样的话才可以直接把 a 证的创建出来而不用，而不是会出现那种幻觉。就好像说我创建了，然后呢，但是一看，哎，还没有就过的目录还没有出来，那样是不行了，所以说一定要给他明确的命令才行， 我只给大家一个参考哈。然后并且的话绑定飞出群聊也需要一个明确的指令，然后最后一步是重启 get away 啊，对，这个实际上是比较重要的。呃，在视频里的话，实际上可能没有看到这些，所以给大家放出来哈，大家都可以直接去复制使用， 然后 agents md 说完之后再说这个 so， 这个 so md 是 说明了这个 agent 的 一个灵魂是如何的，也就是它的一个性格，你如果觉得大姐头这个性格你不喜欢，你可以不复制这个，然后可以直接去写一个你自己的新的就行啊。然后就是这个 identity， identity 就是 说他是干什么的，然后会比如说，嗯， 其实它跟这个 sao 是 有点像了哈，只不过它是更加明确了我这个人的定义是什么，就是我是要做什么事情，可能是跟你在沟通的时候，你能体会到它这个矮凳的体发挥的作用。 然后又是一个绑定群聊的一个问题，呃，其实很多人呢，可能他找不到这个群聊 id， 然后看了下大家的反馈，一般人说这个你要往下拉，拉到最后才有，如果还没有的话，那就要更新一下飞书的最新的客户端才行。嗯， 然后这个流程的话，就是第一步你先创建一个群聊啊，然后你拉机器人进群，你这步是必须的哈，然后找到这个群聊的 id， 然后现在呢，你去找一下这个 hr， 创建一个对应的 agent， 让它绑定到这个群， 然后由于这个 hr 创建 agent 之后呢会重启 open call， 所以 它可能不会及时回复你，因为连接断了嘛，所以你几分钟之后再问它成功没有，然后检查一下就行了，然后可以在找豆包给 agent 换个头像啊。 还有一个最大的问题就是大家有时候会问群聊回复，呃，会问开启群聊了，但是呢，还得艾特才能回复，怎么样才能做到不艾特直接回复呢？实际上是你需要在这个配置这个里面找到这个，嗯， role jason， 也就是原始代码文件去检查你的 channels 里面关于飞猪的这个 channel 有 没有配置这几项。 其实你在图形界面点那个开关可能关了，但是它不会去把这个 requirement 为 false 这一句真正写进去，它可能只是就是忽略了，没有写这句话，所以很多时候是因为这个而导致 你的那个机器人还得艾特才能回复。一定要检查一下，我把这个配置呢也放在这里了，然后有需要的小伙伴可以直接复制，然后到这个配置中粘贴就好了。然后我还一直在总结 q and a 哈，呃，这儿的话给大家先 说几个，呃，有，有一个问题最大的还是说创建，我需要多创建几个机器人绑定到不同的 agent 吗？实际上这个是不需要的，罐头给大家分享。这一期呢，实际上是让不同的 agent 绑定到不同群聊，实际上都是 同一个人的不同，实际上都是同一个机器人的不同的 agent， 咱们这个做的是，呃，单一 bot， 然后是多个 agent， 实际上是不需要的哈，其实说白了 就是让一个机器人，然后在不同的群里面去扮演不同的角色，然后这边这边做咖啡的这个冰块的声音很大，不知道大家听到没有，还有人问呢，就是单独独立的 workspace， 很多很多朋友他创业出来的这个 a 阵头呢？ a 阵头呢？他的这个 workspace 工作目录可能是，呃，在很乱的地方，然后可能他不规整，然后也没有格式，也可能是他的那个大姐头，可能他理解的不是很好，所以此时呢，你需要让这个 hr 去参考这个 主 a 阵头的这个格式去创建工作目录，然后并且让他创建之前呢给你发下路径， ok 了之后，然后再创建。 然后啊，这个问题大家问的也比较多，就是已经设置好了这个 request 默认为 false， 然后协议中，然后这个文件中也有这样代码，为什么还是艾特呢？嗯，可能是没有重启网关是吧。然后就是新建的这个新的 agent， 为什么邀请进群的总是主 agent 呢？这个刚才我们也解释过了，实际上就是同一个机器人在不同的群里去扮演不同的角色，所以说你还是要邀请主 agent 的 啊。然后飞叔群组 id 怎么查不到？版本问题吗？嗯，是的，是版本问题，你可能更新到最新版就可以了。嗯，然后这 q and a 呢，我会继续的去给大家更新，然后我现在的话就给大家说一声，如果你有任何的 不懂的问题呢，也可以在这个文档下面进行留言哈。嗯，然后如果有帮到你的话，也需要也也 也希望请给罐头一个一箭三连。然后呢，我我马上就给大家带来最新的啊，更多好玩的一些实践，然后呢，笔记也会一如往呢，给大家放在这个文档下。嗯，好，录的是比较着急哈，然后声音可能有一些 嘈杂，希望大家不要介意。好的，那这期先这样，我们下期再见哦。也希望请给罐头一个一箭三连。然后呢，我我马上就给大家带来 最新的啊，更多好玩的一些实践，然后呢，笔记也会一如往呢给大家放在这个文档下。嗯，好，录的是比较着急哈，然后声音可能有一些嘈杂，希望大家不要介意。好的，那这期先这样，我们下期再见哦！

基于 oppo 的 多 a 卷斜坐框架终于跑通了，而为了理顺这里面的逻辑，我花了很多钱。但是当这一切真正运转起来的时候，我知道 ai 真正进入生产领域。这套多 a 卷斜坐框架是我设想中的具备生产力智能体的最终形态。 你可以基于这个框架定制属于自己的生产力团队，不是一问一答的聊天机器人，而是几十甚至上百个的 a 卷军队。那么，为什么需要多 a 卷的呢？新原因是上下文。 ai 起作用的方式本质上是上下文构建 a 卷的越多，分工越细，意味着每个环节上的上下文就越清晰、越专业。问题来了， 人是管不来这么多 a 卷的，所以我的核心思路是卷的去管 a 卷，由一个主 a 卷的去统计底下几十上百个子 a 卷，而我只需要和这个主卷沟通任务，验收结果。而一套框架中， open core 的 核心作用是网关和协调者， 它负责分发指令、监控状态，让盘闸的协助变得井然有序。你可以看我贴在屏幕上的这张图，中间的是主 a 杆，它是由 open curl 提供的，然后它是网关和协调者。 而底下非常多、密密麻麻的则是主 a 杆，它一直存在，只能由主 a 杆跟主 a 杆进行通信，我们只能跟主 a 杆进行通信。呈是这样子的， 这是我的项目经理，我只跟项目经理对接。项目经理负责统治大局，他下面主要有三种类型的纸 a 卷，产品经理、开发和测试。比如在这个对话中，我让项目经理去找 pm， 让 pm 给项目经理最近写完的需求文档的地址， 他找到了，发在这里，然后项目经理把需求文档给到开发，让开发完成编码，开发卷的开始转写代码，码完成后由测试人员接手，同样对接 code， 完成复杂任务的测试工作。那么这里其实有一个关键点是，为什么我给开发和测试对接了专门的 codex ai 编程工具。这些任务属于极度复杂的长任务，而 open core 作为协调网关，但是在专业编程领域， 我们还是要接入最强的外部生产工具，这样才能保证这些长任务能被顺利执行。我最近将尝试一个更具挑战性的场景，开发一个全自动剪口播视频的网站。 很多朋友都是基于这个项目才认识并关注我的。一次我将不再守在电脑面前深度参与，我更多只是在 telegram 上发送信息，与 applecare 完成必要信息的确认，其余的让它独立去完成所有的工作。 从调研到代码，从测试到上线，我认为这才是真正的生产级 ai， 不 需要你时时看护它，能独立对话，独立思考，独立借助工具解决问题。那么视频的主要内容是这些。 最后说一下，是，我相信很多人装入 open core 之后，觉得这是一个简单的聊天工具，或者只能跑几个定时任务， 出不了生产级的内容。如果你也有这种疑问，我建议你可以关注下我接下来的更新，带你看看当 ai 真正动起手来，到底能产出什么样的生产力。

六十秒教会你为 openclaw 配置多 agent 写作如果你在使用单 agent 时常常遇到以下问题，那么将智能划分能够使问题得到显著改善。为实现多 agent 写作，我们会进行这两步操作。 首先我们来进行第一步，打开终端，运行 openclaw agents add， 跟随你想设定的 agent 名输入指令，然后进入引导配置， 看到这里提示配置完成。第二步，我们来配置 a 卷间的通信能力。在 opencloud 的 主配置文件 choose 下面补上这两段配置， 或者直接将这段提示词发给你的 a 卷，让其帮助配置修改成功。我们重启 get 位，至此配置完成。我们来测试一下 我这里在 a 卷面中，让其将新闻整理工作分发给 a 卷 news。 我 们看到这里提示委托成功。 切换到 aj news， 可以 看到一条来自 aj man 的 消息，并且已经启动了工作。稍等片刻后， aj news 提示我们工作完成。随后打开它的工作区，可以看到工作成果已经整理。在此 至此，你已掌握多维犬之间的协助方式，利用它的强大能力打造专属于你的龙虾集群。

hello， 今天给大家分享怎么样在飞速创建 openclaw 多 agent， 每个 agent 的 记忆都能独立，还能设定不同的身份，以及你要让他们记住的事。那这样在工作中我们就可以使用不同的 agent 处理不同的事 项，不会造成上下文的污染。 ok， 那 操作的前提是你已经接入了飞速的 openclaw， 如果没有接入的朋友可以看我前两期的视频。 那今天的内容是参考博主马里奥，他也分享了很多飞速使用 open call 的 技巧，你们也可以去看看他的账号。 ok， 那 我们今天开始，今天会进行三个操作，一个是创建新 a 证，一个是接入飞速机器人，以及怎么解决机器人在群聊里面不用艾特他，他也能回消息的问题。在终端输入这两个命令， 开启 open call， 并拉取他的网页端。如果你已经开启了 open call， 直接输入这个网站也是一样的。 然后我们打开 opencolor 的 官方文档，点击代理，选择多智能体路由往下拉，把这个新增多智能的命令复制下来。 在终端输入 opencolor agent at work， 如果你想改相应的名字，可以把 work 改成你想改的 agent 名称，然后选择回车。 这个是要不要把主 agent mine 的 权限配置复制给这个新 agent？ 我 选 no， 那 这个是要不要你的 agent 配置新模型？是的话你就要重新配，我就先选 no， 后面再改，然后下一步就是要给 agent 配机器人，我先不配， 然后就显示 ready。 ok， 那 我们怎么看它是不是真的创建了一个 agent？ 可以 打开 opencloud 的 网页端，点击代理，这里就会显示你过往创建的 agent 名称， 那不同的 agent 我 们可以配置不同的 skill。 这里的话有各种的一些 md 文档，你可以给你的 agent 设置身份，比如他的 so， toy 和 memory 和 user。 我 的设定选择 provides， 可以 看到他的身份，也可以直接在这里修改， 这里就是修改一些关于他以及关于你你的一些要求。如果想要更直观一点，你可以打开 vsco， 选择打开我们点 open cut 的 文件夹， 这里是我们本地 openclaw 所有的数据， workspace 就是 我们的主页主文件夹， 可以看到下面有一个新的 workspace writing， 就是 刚刚我新建的，这里会有所有的 md 文件，就是刚刚我们在 openclaw 配置文档里面看到的 md 文件。 那下一步我应该要去配置我 channel 里面的 requirement， 因为我更新了 opcode 的 版本，所以我找不到这个选项，我就直接跟 opcode 说，让他帮我把 requirement 修改成 fail， 然后把这个 toy 的 权限改成最大。 那这里有一个问题，就是如果我们在实操过程中遇到跟博主教程不一样的，大概率是版本问题，如果出现一些没出现过的报错，你也可以直接去问 ai， 你 自己不会改就让 ai 改。 那我们第二步在飞速新建机器人，创建群主设置添加群机器人，加入 opencloud 机器人， 那在群里面你可以艾特一下他，问一下他的工作路径， 他就会告诉你这个是 workspace， workspace 是 我的主 agent 的 工作路径，那就说明这两个 agent 没有区分工作空间。 ok， 我 们回到 opencloud 的 web 端，点击配置，在 rap 这边点开小眼睛，然后回到 opencloud 官方文档， 在多智能体路由这边选择多智能体下面的代码，复制，帮你这一整段。再回到 openclock， 在 第一行这里直接新建粘贴，就把第二句删掉，因为我们只新建了一个 agent， 那 对应去修改你的字段。 比如我这里改成 writing， 选择我选飞书，然后看的话是国 id 的 话就是群 id， 你 在群里面直接艾特你的群 id 是 多少。 最后我们点击 save update， 在 中段里面再输入这段命令，重启 open call， 我 们再回到飞书 s 机器人，就能看到它的工作路径就不一样了，就是 works by writing。 ok， 我 们可以测试一下，我让他称呼我为令，那他就会告诉我说他已经修改了这个 u s m d。 这里有个小插曲，就是他跟我说他已经填入到 u s m d 里面去，但是我去看的时候我发现并没有更新，我再去问他，他就跟我说他偷懒了，他只是说但他没有去执行， 就跟真的员工一样，我说不可以这样，所以我就在 so 的 md 里面加了我要他执行的命令。那最终怎么去调教你的 open color？ 你 就要自己在相关的 md 文档里面填入你的要求，你的硬性要求， ok， 那 我们最后就是关于飞书不艾特机器人，你能让他回复的问题了。我在网上看了很多教程，那主要就分两块设置，一个是飞书的开发者后台，你的事件订阅要把基础消息这个权限全部打开。第二个是后台的代码的相关配置你要修改，比如像刚刚说的 request 相关配置你要改成 fill， 包括你的 group 相关配置，你要改成 open 以及对应的群主名称。那在这个问题上，其实我也是考了两天， 我该改的代码都改了，让可乐帮我去重新检查，最后我发现是群主消息这里，他需要你点击展开，再去手动开启，开启之后问题就解决了，所以整个配置的过程就需要我们非常细心，你总是能找到你最终的问题在哪里。 ok， 今天这期视频就到这里，点赞收藏，我们下期见。

给大家介绍一下我们龙虾工作室，我们工作室现在有七个 a 景腾，七个龙虾，我们现在这里的一个核心是一个叫组织部长，组织部长就等于是我们的一个人力总监，我们现在由他去招聘或者升成各个部门的领导， 我们现在已经让他生成了宣传部长，宣传部长主要用来在各个社交媒体上去发帖，去去查看总结素材。然后还有 投资部长，投资部长让他去做各种啊，投资相关的一些数据采集和分析，还有些技术部，技术部让他们去研究各项新的技术啊，有哪些好玩的啊，以及收集一些啊 skill。 然后还有一个行政部长，行政部长就是做一些杂活，就说让他我们有一些测试项目啊，有些什么临时性的任务啊，就交给他。然后还有两个项目部，一个是狼人杀项目部，还有一个遛娃项目部， 我们看一下那个组织部长是怎么去进行招聘，都是通过飞书来管理的飞书，然后每一个部门是一个群聊，像这里这个是我们的一个组美景的，然后这个是我们组织部，组织部他是这样工作的，我们比如说要创建一个新的项目部，那我会给他提出需求，帮我创建一个新的一个群的，叫狼人杀项目部， 他把他的工作的内容发给他，然后呢最后让他绑定到一个我们自己创建的一个群聊当中去，他收到任务他会进行分析， 然后他会咨询一些呃微信的相关的一个问题，让我进行一些简单的回复，那他就会去创建了，创建完了他就会来跟你汇报，他说搞定狼人杀项目部已上线，他的名字啊，他的表情啊，他绑定的群聊啊，他的职责啊，开发方式啊 啊，都给你列好了。最重要的是它是一个 a 镜头，那么它的所有的龙虾的这些设置文件都有的数啊，它的定位、性格、能力， a 镜子，这是一个工作空间的配置，把甜甜铁身份定义，把 memory 啊，启动引导这些都有。 然后这个他创建完成了以后，他会让这个背景，他去那个群聊当中自己介绍去发言的。像这个狼人杀项目部，我们这边因为创建很久了，最顶上可能找到了他那个后来不是让他又创建了一个行政部长，是昨晚刚创建的行政部吧，我给你看一下这个行政部， 他创建完了以后会进入到群聊当中，自己打招呼找自己。那像我因为在开发那个狼人杀游戏，我会让他进行加入到游戏中进行测试，这些任务都扔扔给他了。 然后给大家看一下他创建 a 镜头的以后，给他们设置的文件中，就比如我找一个宣传部就做宣传部长吧，他的文件，首先他是 a 件事，文件 里面定义了他的身份啊，启动流程，他的工作核心内容是给我的配置，企业的管理红线，不能发布哪些东西，这些都是组织部长给我们 啊，组织好的都是他写的灵魂，你看灵魂写的比较详细了，身份核心的能力、选题策划、文案创作、视觉配合啊，评论互动，然后工作的原则，这一步会选择不一样。

大家好，这期讲 open call 的 多 agent 模式，简单说就是一个 git 里可以同时跑多个独立的 ai 大 脑，每个大脑有自己的工作区，绘画记录和性格设定，互不干扰。 比如你可以有一个工作 agent， 一个生活 agent， 消息自动路由到对应的那个，非常适合多角色、多场景使用。 搞懂多 agent 要先理解三个核心概念，第一个是 agent id， 就是 每个 agent 的 唯一名字，比如 main work home。 第二个是 account id， 是 渠道账号的名字，比如一个非书账号，一个钉钉账号。 第三个是绑定，就是消息路由，规则决定哪条消息该交给哪个 agent 处理。添加新 agent 只需要一条命令， open call agents add 后面跟你想取的名字，比如 work 或 call 顶。 执行完之后，系统会自动创建独立的工作区目录，初步化搜点 md agents 点 md 等引导文件，还有独立的绘画存储。你可以一次性添加多个 agent， 每个都完全独立。 配置好 agent 之后，还需要告诉 get 位消息该路由到哪里，这就是 bindings 配置。在 open call 点 j s o n 里， bindings 是 一个数组，每条规则指定 agent id 和 match 条件， match 可以 按渠道名、账号 id 甚至具体的群 id 来匹配。匹配规则遵循最具体优先原则，精确到群 id 的 规则比只匹配渠道名的规则优先级更高，没有匹配到任何规则时，消息会回退到默认 agent。 多 agent 有 三种最常见的使用场景，第一种，不同渠道绑不同 agent， 飞书走工作 agent， 钉钉走，个人 agent， 互不干扰。 第二种，单个机器人账号按群路由同一个飞书机器人在技术群里是编程 agent， 在 运营群里是内容 agent， 用户只需要记住一个机器人入口。第三种，多人共用一个 gateway， 每个人对应一个 agent 工作区和对话历史完全隔离。 根据实际需求，有四种配置方案可以选择。方案一是单 agent 多绘画，最简单，适合个人用户。方案二是多 agent 软隔离，每个 agent 有 独立工作区，适合小团队和多角色场景，推荐大多数人用这个 方案三是 docker 沙箱处理敏感数据，使用安全性更高。方案四是多 gateway， 每个 agent 独立进程，适合企业及部署，越往后安全性越高，但复杂度和资源消耗也越大。按需选择， 每个 agent 可以 独立配置沙箱和工具权限。沙箱有三档， off 表示不隔离， none man 指对非主 agent 请沙箱， off 表示所有 agent 都进沙箱。 工具权限通过 allow 和 deny 控制。比如给家庭 agent 的 设置只允许读取工具，禁止执行和写入，这样就算有人恶意构造消息， agent 也没有权限做破坏性操作。 配置完成后，需要重启 gateway， 让改动生效。执行 opencloud gateway restart， 然后用 opencloud agent list 加上 bundins 参数，可以查看所有 agent 和对应的绑定规则是否正确。最后用 opencloud channels status 加 pro， 确认各渠道连接正常， 再对应渠道发一条测试消息，确认路由到了正确的 agent 就 算配置成功了。好了，这期多 agent 模式就讲到这里，记住三个核心， agent， id 是 大脑的名字，绑定是路由规则，最具体的规则优先匹配。 新手从多 agent 软隔离方案开始，用 agents add 命令添加 agent 配置 bundings， 重启 get 维，验证一下就搞定了，下期见。

你以为工业 agent 就是 大模型 top rank？ 再加点工具调用？我跟你说句大实话，这么干在工业现场必出事。 不是效果差，是你这套东西压根没资格上线。工业 agent 跟你平时聊的这个聊天， a 型的完全是两个物种，你那套多人对话，工具调用，向量解锁，在工业里面只有一个结局，翻车。为什么？因为工业现场有四条铁律，一条都不能破。第一，不能错， 错一次可能就是停产，设备损坏甚至安全事故。第二，必须可控人，随时能接管。 ai 不是 老板， ai 只是建议者。第三，必须实时好，秒级响应，不是秒级，更不是分钟级。 第四，必须稳定，七天二十四小时不崩，断网断电，异常输入都得扛得住。所以你从一开始就得转思路，不是做一个聪明的 ai， 而是做一个不会出事的系统。 第一，架构问题，云还是边，我直接说答案，控制必须在边缘。你想想工厂断网了， a 型的还能不能干活？不能的话这项目就别上了，还要设计降级方案。 ai 不 行，能不能切回规则，系统，能不能人工接管？这些没想清楚，连试点的资格都没有。第二，闭环设计，这是生死线。 工业 agent 不是 聊天，是一个完整的闭环，感知、决策、执行、反馈、校验、修正，你发的指令，谁确认执行成功了？失败了？是从事回滚还是报警？ 很多人做的 agent 看起来很聪明，但一问闭环就卡住，等于没做。第三，大模型别乱用，尤其是别让他直接控制设备，这是最大的坑。正确姿势应该是，大模型负责决策建议 规则，系统负责审核效应 l l m 提案，工业规则过滤确认后才执行，不然一个幻觉现场就出事故。第四点， 幻觉不是优化问题，是事故源。你必须做到三点，能验证的走 red 带依据不确定的坚决不执行，所有决策全留痕，可追溯。记住一句话，在工业现场，不确定等于禁止执行。 第五，真正的难点不在模型，在工程协议对接 modbus o p c u a m q t t。 当数据处理、异常检测、设备适配，甚至很多设备连接口都不给你，这才是现实，模型再牛，接不上设备等于零。第六，安全机制必须拉满 高危指令，走白名单，操作分权限，关键动作二次确认。一句话，工业环境里， ai 没有自由发挥的空间。第七，开源 a 型的框架级别神话 auto gpt， long graph， 这些能用，但也只限于流程编排， 真正核心的东西你得自己写。安全效益成工业工具库，审计系统、人工接管机制框架给不了你这些，所以你一定要明白，你不是在做更聪明的 ai， 你 是在做一个绝对安全、绝对可靠、绝对可控的工业系统。最后，我把二零二六年进阶大模型的最新路线整理出来了， 大厂资深算法工程师准备的内部文档，模型原理、产品落地、完整，思维框架都有，从懂一点到能做项目啊，那条路写的清清楚楚，需要的话直接安排。