agency agent团队搭建教程

一百八十四个角色，这个项目啊，评论区很多朋友们说自己不会玩，也有些朋友们呢，说担心烧头肯厉害，这条视频啊，我就从零开始带着朋友们完整的走一遍，头肯的使用情况后面我也会发出来啊。首先呢，这个项目是 get 上的一个开源项目， 我们进到项目主页以后啊，直接点击这个绿色的按钮，复制项目的仓库地址。那接下来我们要把它丢给我们部署或者安装好的工具，那工具呢，可以是 op， curl， 可以 是 tree， walk body， cutwork， 悟空或者 hammers， 随便哪个都可以。但我建议啊，最好是我们本地部署的 hammers 或者是 op， 这样呢，自由度会更高一些，如果只是想先体验体验，那就无所谓了。我这里就拿我部署好的 hammers 给朋友们做演示啊。模型呢，我用的是 deepsea v 四 pro， 我 们把复制好的项目地址直接丢给 hammers， 然后给他说，请你深入分析这个项目，我需要你完整的部署它， 我们所用。其实啊，现在我们和 ai 沟通，完全没有必要说你是一位什么什么资深的专家。啪啪啪啪啪，我们只要把我们有什么，我们需要他做什么，需要达到什么样的目标给他说清楚就可以看， 这不就开始了吗？结果他一通搞啊，这就部署完成了，其实很简单，所以朋友们，我以前呢，和你们也一样，也是磕磕绊绊一步一步踩坑过来的。但是当初啊，我发了视频后，朋友们就不用踩我踩过的坑了。 部署完成后啊，因为角色太多，所以说我们也记不住，那我要让他把角色清单存一份到我的 office 的 仓库中，这样呢，我们以后要使用哪个角色的能力，就直接告诉他用哪个角色做哪个任务就可以了。他保存完以后啊，正式的任务就开始了，这是我第一次给他布置任务，让他调用这个， 然后呢进行一个多 action 的 指挥， 这是我 dsp 的 消耗，总共消耗四块五毛七。

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！

这个 get 哈密项目太牛了，它里边内置了一百八十四个各行各业的专业角色，无论我们从事什么工作，无论我们有多么棘手的问题，只需要让指挥员把对应角色拉一个多人会议，他们就会有人提出方案，有人质疑方案，有人补充方案，有人计算成本利润，有人手撕方案， 最终筛出出版方案。然后呢，全网查询可信性。我体验下来啊，无论我给他们多么艰难的任务，他们都能讨论出最优解。大多数时候啊，我们缺的其实不是方案，而是讨论方案的脑暴过程。不管在龙虾中还是蛤蟆丝中， 配上 deepsea v 四 pro， 因为它能力强，还便宜啊。然后呢，把项目地址丢给他，我只需要说深入分析，这个项目完整部署为我们所用。看， 经过他一度神操作，部署完成了，他把所有的角色按照部门分，老类有产品部、测试部、空间计算部、市场部、开发部、学术部。前面我给了他一个任务，我说让他脑爆，如何在我不参与的情况下，在不违法违规的前提下，让他们制定一个在互联网上做任务赚钱的方法？ 马上啊，这个叫 try the researcher 的 就提出了这三个方案，还后面附带了数据啊。然后这个叫 tall evloiter 的 起身，马上说平台有竞售清单，并且可能会违反网络安全法。紧接着呢，有一位就马上进行了再次补充， 提出了三个风险点，直接就把方案给否了，还提出了合规方案。然后啊，下面这个就开始算能赚多少钱了。 接下来啊，这个冷笑的更狠，说他逐个思，他这是在质疑数据的准确性啊。这轮完成后呢，我给他们给了一个思路，我说插件做不得，前几天呢，小红书还搞了一个人，被罚了十万，让他们打开思路，我可以提供一千的启动资金给他们。接下来啊，他们的讨论真的很炸裂，朋友们可以往下看哦。 这整个期间呢，他们当然也遇上了卡点，并且他们无法解决。其实啊，我并不是想让他们真的去赚钱，当然也不是不可能，我就想看看他们的脑剥过程，他们的能力边界。

想拥有一个随叫随到，覆盖工程、营销、设计等所有专业领域的 ai 专家团队吗？记住这个项目 agency agents， 它已经狂揽了一百 k 的 新标，目前还在疯狂飙升，是全网最火爆的 ai 团队开源项目。它不是单一的 prompt， 而是多角色 agents cool 将一百四十四个 ai 专家角色划分为十二个部门，组建为一支完整协助团队， 从前后端开发、产品设计到全平台市场营销，这套 a i a 战队把全流程一站式包圆了。最重要的是，它完全开源免费，让你直接拥有一百四十四位各岗位技能全覆盖的智能帮手，全天在线待命，永不请假甩锅！

如果你也想做一人公司，一定要看看这个 github 上十万新星的项目 agency agents。 它是二零二六年增长最快的 ai 项目，内置一百四十六个专业 ai 专家，分成了十二个完整部门， 从写代码到做安全，从定产品到搞增长，全都有一条命令，全部装进你的 cloud code， 不 用发工资，不用催进度，他们二十四小时在线干活，你只需要动动嘴，整家公司就转起来了。关注我，带你打破更多信息差！

如果你想拥有一个熟人的团队，但是又觉得搭建 ide 很 难，那么有没有想过让 ide 帮助你搭建 ide？ 第一步，新建一个智能体，点击 ios 里面的新建智能体，然后创建一个空白的智能体，点击下一步给它起一个名字，比如说 a i 智能体，搭建助手，然后就点击下一步就可以了，这些都不用管他技能的话，也不用给他装 就可以。第二步也是最重要的一步，就是点开你新建的智能体的聊天框，然后把这一个提示词给还有这七份协议，这七个协议是数字人团队的灵魂，但这不是我写的，是我一个阿里的朋友分享给我的， 我可以免费的给大家私信我就好。如果不感兴趣的情况下啊，这两个协议呢，给整个团队的角色进行了一个定位，后面呢还有一些各种各样，我也不懂这个东西，其实说 后面这五个协议就是每一个角色的身份定位。比如总经理，你是一个外贸总经理，负责群居操盘，采用捷克威尔骑士的管理，我后面的每一个角色，他的设定都在这里面。 当你把这些发给 ai 之后， ai 就 可以经过一系列的处理，然后搭建出你的外贸团队。 点击右上角的智能体，可以看到每一个 ai 的 配置和设定。比如说这个总经理希尔，可以看到这是 ai 自己编辑的这个智能体是做什么的，然后 他的这个技能可以看下这个技能，这是 ai 自己添加的，包括他的各种设定。其实我们真正来写一个，这个 ai 会帮他给配置清楚。那么最后一步，点击这里有一个加号，新建一个群聊，在创建团队里面，把你已经搭建好的团队成员配置进去， 那么恭喜你终于拥有了一个负责人团队，但是不要忘记两件事情，第一把你的总经理设置为团队的负责人，第二把你的这套话术发给就这个提示词发给 ai， 然后你的 ai 的 智能体的助手就会实时的更新其他智能体的技能。然后这边呢，其实这个文件这个区域呢，就会产出他们做的所有的内容，你可以去看一下这个 ai 的 进度啊，还有他们做的流程。 然后在最后想和把这个视频看到结尾的各位聊一下，因为我也是第一次做自媒体，第一次想把自己在创业路上找到的东西分享给大家。我的第二条视频就是我用 ai 在 国际站上发品的那个视频，没想到会有几百人点赞，有很多创业者联系我，和我聊了很多，这也算是给了我很大的信心。所以在这里呢，我就厚着脸皮给各位 要一个关注和点赞，但是关注我肯定不亏，因为我肯定会继续在这个账号上分享我的 内容。然后我目前的想法是两块，第一呢是互联网的运营，第二呢是 ai 的 使用，如果，如果说你和这两个点切入的话，那我们可以聊上很多，然后 关于我这个账号后面的发展方向，各位也可以帮我支支招。然后最后呢，我想到了一个结尾，叫越分享越成长，我是春秋，想和各位共同成长。

大家好，这个视频我们一起来看一看 hermis agent 有 多智能体的几种用法。嗯，首先是在默认的 agent 的 基础上，因为默认只有一个 agent， 在 它的基础上我们可以创建多个 hermis agent， 也就是创建它的分身。 呃，用于不同的场景，你像如果你也是学习上有的，生活上有的，工作上有的，就是你要你想给他分开的话，这样做的话就能够让各个不同场景下没有独自的 a 诊断去辅助我们是这样。呃，第二个是多智能体一起工作。嗯，这里的话主要是 我们如果有一个复杂的任务，这个复杂的任务的话就跟前面似的，可能他有点混乱， 我们想给它分开，那我们怎么去分开？然后这个分开的话，它又不是像全面前面一样完全的分开，而是在前面的基础上它有一些呃一起工作协同的一个机制在里头，然后这块的话多说一句，现在多说一句。这块的话，我个人的感觉有点儿鸡肋。嗯，就是随着现在 a to a 机制， agent to agent 这样一个机制慢慢成熟之后的话，这块我觉得以后来说还是非常重要它。 最后我们来说一下，嗯， sub agent 协同工作的这样一个机制，这个机制的话我觉得有点可惜，这是一个非常好的机制，但是可能对大多数人来说，它属于一个相对隐藏的比较深的一个能力。哈。现在来说我最喜欢的是这个机制，就是一会介绍的时候，可以大家可以重点关注一下这个吧。 呃，前面的话相对常规一些，或者说能力还没达到吧。呃，最后的话会对这三个机制，三个不同的机制，因为他三个都存在，他都有他自己存在的道理吗？然后做一个对比，就是看看什么样的情况下用用什么样的东西会比较好。 呃，那我们开始正式的讲解，首先是多个 hermes agent， 我 们在安装配置好了 hermes agent 之后，我们就可以开始用了哈，然后，嗯，多个 agent， 可能新手来说大部分也都没有试过哈。然后这个的话针对的就是这一群人哈。 hermes profile create， 然后这个是你的新的 a， 任何名字，你给他起任意名字都行哈，当然也不是那么的任意，就最好是全英文，全英文小写的这种模式是最好的。然后 如果有数字的话，数字放在结尾，放在中间，就是不要放在开头，就是创建分身，然后这种创建分身的模式是完全是只是有一个分身配置的话是需要我们另外配置的， 包括配大模型，然后配，嗯，飞书也好，微信也好，这个是另外配置的。呃，说到这的话就先把这个补充的大概说一说，这个补充的话就是说你可以创建分身，分身出来都是空的，所有东西都开始配， 相应的你也可以创建一些分身，然后这个分身是带着配置信息的哈，像这个就是带着配置信息的，这个的话就多了一个克隆的一个命令，然后像这个的话，这个又多了克隆，然后杠二的这个命令是不但带着配置信息，而且把一些 更多的信息都他都带过来，就是这些东西是层层深入的哈，然后这个的话是从配，呃，从特定的配置文件去克隆，然后这个配置文件的话，一定是你前面已经 back up 备份的这些信息哈。嗯，这个的话 在这因为不是我大概讲解这个的一个重点哈，所以大概一说，嗯，感兴趣的话，后续我把相关的东西资料放上哈，感兴趣的话大家可以查资料去看。 呃，这个的话就是多说一句，说到了它的那个，呃，创建分身的各个不同的方式，然后我们回到它的配置，呃，配置的话就是 这样哈。嗯，因为现在 wsl 版的话，它的那个配置在那个文档里面是有明确写的，这个的话反而是没有的。 大部分人可能现在开始用的是 windows 版的，然后 wsl 版的话，因为安装过程当中比较麻烦一点，可能不太用哈，所以这两个我都都说一下吧，因为这个的话文档里面你好找，但是你找的话你可能是这版的，你又不会用。 就是就是，大概都说一说，呃，也没有太多的过多的一一些点哈，就是主要是面临前面多了这一句话而已，多了这个 hermes 杠杠 profile 多多了这些而已。然后关于它的配置，配置这个模型也好，然后配置通讯终端，就是微信飞书也好， 这些配置的话跟我们第一次安装的时候的那个配置是一样的哈，就是包括后面的那个怎么去激活，呃，有那个 dm code 就是 dm 码去激活的这样一个过程，这个都是一样的哈。 嗯，这里写出来的话，主要就是大家注意一下这个命令的这个写法，这个我也是研究了好久才弄通的这样一个， 呃，这个配置大概就是这样，安装和配置大概就这样，然后安装配置，配置完了之后的话，你使用的话启动启动的话也是差不多情况哈。 像 wsl 的 话，你直接启动，你就根据你起的名字，你你取的名字，你直接去启动它就行。如果是 windows 的 话，就是多了前面这些给它启动就行，然后启动之后用的话是一样的哈，就是跟你，呃，跟你正常用 harmus 也好，用各种 ai 工具也好，就是一样的使用哈，只不过它 也就是多了一个分身，如果理解不了分身也没有关系，就是多了一个聊天对话一个地方而已。 嗯，这是这个多个 hermes agent 这个场景，然后这个的它的那个使用的话，就是像前面说的你， 呃，学习相关的，你跟一个 a 正的聊，然后他能够比较好的把握你的学习的情况，然后工作的你跟另外一个聊，然后你的家庭生活方面的，你再找一个跟他聊，然后他单独的去管理这些东西，他不至于乱， 就说像这样个人用就是显得还好。如果你的工作用的话，那工作你可能有一些新媒体相关的工作，呃， 然后你有扣点相相关的工作，你有数据分析相关的工作，这些工作的话也是单独管会比较好。播个 hermes agent， 像这样一个简单的一个配置，然后现在分身的场景更多的适用在这样的情况下，呃，那这个就说完了，这个地方是 多智能体一起工作，就是我觉得他有点鸡肋，是因为他现在多个智能体工作真的到 a to v 那 种，就是说我们想象的那种，他们能够相互很自主的遇到问题之后跟谁跟谁说一声，然后大概大概怎么去交接工作，这个他是做不到的哈。现在的话， 嗯，就目前来看，大家能用到的那个情况的话，更多的是一个算是一个调用的一个功能吧。 呃，但是他有他存在的一个必要哈，你比如说你在公司里面，如果你是个中层领导的话，就说每一个员工他自己有他自己的能力，他自己能力如果在工作过程当中磨合的很强，是不是也比较也比较好？然后这种多智能体的场景适合的 就说大概的话就是这样一个场景，虽然他们自己自身能力可能不太够，就是说员工之间交互交流没有那么好，需要你去管理去协调的话，但是他们整个他们自己单独的能力很强，也是能够帮你在团队当中完成很好的去完成工作的哈，大概是这样。呃， 这个我这个的话我是做了一个 skill 去帮忙完成这个工作哈，就是说怎么组队？因为大部分人现在用 ai 的 话，可能还有一块能力是考验大家的那个 组织领导能力。呃，大部分人这块能力是欠缺的哈，我，我这块能力也是欠缺的，然后 skill 能够帮我们补上这一块哈，就是说我们要构建一个 a 站的团队，我们怎么做呢？ 嗯，大概原理就是这样哈，就是你的 skill 帮你去组建一个团队，然后这个团队里面有一个算是 主 agent， 这个主 agent 负责跟你交流，就说你把活派给他，他把这个工作分配给他下面的那个子 agent 去完成工作，完成工作之后的话，他们的那个工作成果在主 agent 那 儿汇总，汇总完了之后再把这个结果给到你，就是这么一个过程哈， 呃，然后这个过程当中的话，大概的原理是这样哈，就是告诉主 agent， 然后其他子 agent 的 那个存在，然后把名字呀，然后主要能力这样方式给到他。呃，还有就是主 agent 只和你交流， 然后主 agent 把工作去分配出去，主 agent 也不参与具体的工作，它相当于是你的一个助理，然后真正干活的是那些子 agent， 然后你也不用干活，你是，呃，通过主 agent 把工作交接出去，然后再把工作结果回收回来，是大概这样一个过程， 并且呢子 agent 之间他也不知道其他 agent 的 存在，然后他们之间也没有一个调用的关系哈，就是 agent 之间的话，就是主 agent 可以 调用子 agent， 然后主 agent 可以 收回子 agent 的 一些工作成果，他们之间就是积累的点就在于他们不是真的血统。 我们关注的重点就说它这个队组队它是怎么去完成的，然后组队完了之后，完成了之后有了工作之后，这个主 a 证和子 a 证的之间，它们的那个交互去是怎么去发生的哈，然后这个的话就是我这个 构建 a 证的团队，这里面呢有个 a 证的 team design， 就是 a 证的团队设计的这样一个 skill， 它要去完成的一个工作哈，这个的话给大家看看，是这么一个 skill， 然后我们主要看这个 skill 点 md 就 可以了。 嗯，这个的话我会放在文档里头，名字叫什么，然后大概是怎么去协商方式，然后主 a 证的子 a 证的调度机制，这些各种各样的文件，各种各样的说明哈，它这里面都有的。 嗯，就是有这个之后的话，基本上你希望去构建一个团队去完成一个工作的话，你把这个想法给到这个 skill 就 可以了， skill 会帮你完成的。 特别注意一下，因为组队这个事情的话，你是交给一个 agent， 然后这个 agent 用 skill 去完成的嘛？然后注意下这个 agent 跟我们要创建的 agent 团队就说没有直接的关系啊， 这个的话只是说你去早期去组队的这样一个过程中要用到的，然后其实后期到使用的话，后期如果这个团队已经构建好了，你最后 主要跟那个构建好的那个团队里面的主 a 阵的交流哈，也不是我们现在用 skill 的 这个 a 阵的去交流，他是他是这个意思啊，可能有点绕，就是大家可以理解一下这个事情。 嗯，这个就是构建 agent 的 团队，嗯，这个的话，其实词的话大概是这样就行哈。做什么什么的团队，这个根据你的， 根据你要干的工作去做一个设计，就是跟他说就行，跟他说，然后让他用用这个去帮你组队，然后这整个过程的话，它是有一个 舞步的，一个交流的一个过程哈。我这么设计主要是因为组队这个事情本身来说并不是一个很简单就能去完成的一个事情，所以他有这么讨论跟你确认的过程，然后讨论完了生成出稿，然后他有一个评选机制，然后再有修正，再有交付， 交付的话最后他交付的是这些东西，就这个过程的话，在这个 skill 里面都有体现，大家如果想做相应的修改的话，可以根据我这个 skill 文件去做更正就可以了， 就是按你的需求你去改，没有问题的。嗯，整个这个过程的话我就不再去细看了哈，就是文档给到大家，大家可以自己去看看大概是什么样的过程。 然后这个过程的话，他最后就是我们这一步是构建 a 证的团队嘛？然后构建团队的话，他把团队的构成会给到我们，就是这些文件哈，给到我们，然后主 a 证的是谁？就这个团队他的领导是谁，然后团队的成员是谁？ 呃，这个的话，更核心的并不是说他有这么一个人员配备的一个设计就够了哈，不是这样的，就说他人员具有什么样的能力的话，是在这个搜文件里头的， 是在这这些文件里头他们怎么去协同，是在这个写作流程里头，还有就是这个完整的规格说明，这个的话，呃，是给你看的哈，就是这个的话它对 agent 怎么使用 可能没有那么重要，重要的是就是说你得知道这个组队是什么样的，然后这样的话你后期它有什么问题的话，你再去修改是可以的。 嗯，这是这个，然后我这就有一个视力的那个文件哈，就是前面的，前面的视力不是说是做一个数据分析的团队吗？然后这个团队到底是什么样的？就是在这个文件里头大家可以看一看。然后整个团队的构成的话，前面也这有提的话，是三个人， 三个人，然后一个组长，然后后面两个组员，大概是这样，嗯，这个是就说文文件就形成了哈，形成了这些是核心，然后我们自己手动总是要完成一些工作的。 这个不是说不能自动哈，是自动的话它可能会有一些问题，你把太多太多的东西交给它这种去完成了， 就是说你自己参与度不高的话，你后续哪有问题的话，你自己去把控，可能都不太好弄哈，就是为了这个后续的话，当然如果在优化把这个组队的那个东西优化好的话，让他自己完全自主的去做是没有问题。 呃，这第一步，这一步构建 a 证的团队，我们是有了这样一些文件，然后在这些文件的基础上，我们就是真正去做这个成员 a 证的一个构建哈，然后这个构建的基础的话，其实 是这个哈，就说是前面是前面我们第一步的这个基础，因为在第一步里面我们构建团队的话，我们只是有了团队的一些相关的文件，我们并没有真的 agent， 然后在这的话我们是要做真的做 agent， 这样的话就是在这步基础上去完成的。就说到这的话，我们要我，我们要再重复一下这个操作，就是 去创建一个分身，然后创建分身完了之后，前面这些的话，第一步创建多个 hermes a 阵头，我们创建创建好的分身，只是他 分身各自是各自的，因为他们不涉及协统，所以好多文件的话，你不他用去专门的去配置，你通过跟他的交流他自己就去改了。呃，这个的话，为了组队的话，我们是要在创建好了之后，我们要去做一些修正的，就是前面第一步里面出来的这些文件，我们要去给他改，改一改的 是这个意思哈，这里的话涉及到的改的话是它的这个 so m d 文件，也就是前面 这个地方哈，这个地方这些这些文件，这些文件的话改个名字，然后在创建好了 hermes agent 的 分身之后， 包括你这个配置之后，配置完成之后，这个配置的话大模型是需要配的，但是那个通讯终端的话，你配不配都行哈，你交互的只是跟主 a 阵的交互，你把主 a 阵的给他配了就行，后面那些东西不需要配，就是岁数微信的配置不配也没有关系，但是大模型是必须要配的， 就是这个是涉及到他的配置，呃，把那个配完之后的话，然后把他的那个搜文件改一下，这个文件要怎么改的话， 就是这样哈，就是我这个给了一个视力，因为每个电脑他可能情况不一样，但是大概的话按照我这个格式去解锁是没有问题的。就是你的分身文件叫什么？分身的那个 a 神的叫什么，然后这个是他的名字，然后你电脑是啥情况？这是这个，然后在 windows 版的话，基本上这种地址就不会错了， 就是找在这个文件路文件加路径下，就是就是注意下有一个重要的点，就是这个哈 profiles， 就是 它先分身都在这里头，然后找到你对应的分身哈。 嗯，这个的话 c 盘 user， 然后你的电脑是什么？然后 app data， 然后 local， 然后这个 hermes 的 分身文件，然后在这个 the agent 就是 分身 agent 下面哈，这个是我的 analyze 的，是我的那个 windows 上面的 hermes， 它的分身一个子 agent 的 它的名字，然后在这个笔架下就是这个， 然后找到在这里面找到这个 so 点 m d 文件，然后你像你这个是 analyze 的，是数据分分析的那个嘛？然后就找到前面这个 分析的这个分析的这个，把它的文件名字给改掉，改成 so， 然后把这个文件复制， 复制进这个目录给它替换掉就可以了。这个意思，呃，像前面这没有太说哈，没有说。然后这个生成好了之后的话，就是通过这个 skill 组队完成生成的这些文件之后，它会把路径给到你，你按照它的路径把这个文件找出来就行，然后找好的话， 把找好的话找好这个文件之后，然后再去找这个 harmis 分 身它的那个原始的这个所有文件，找它的位置，然后这两个 都确认好了之后，把他的名字改掉，然后把文件复制进这个文件夹里面就 ok 了哈，就这样成员 agent 就是 这么简单哈。然后主 agent 的 话需要注意的是他这个 so 文件只是这个 so， 然后要把这个文件， 把他的那个写作流程的这个文件哈也给复制进来，呃，就是把他们两个这个跟这个合并一下，合并的意思是这样哈，看我下面这个 合并的意思是这样，就是说打开编辑，编辑的话，然后把嗯改了名字之后，然后打开编辑，编辑的话，把后面的这个写作流程的东西给他复制到后面就行了哈， 就只是复制一下，复制到后面就行，像是这个文件的话，大家可以对照着参考。所以最后的话，我们是我们是把 这些文件改了个名字，然后把这两个文件做了个合并，然后完了之后把这个文件又放到了它各自的 the agent 的 那个 文件夹里头，就是做了一个替换，哈，就是做了这么个事。这个这个过程的话大家理解一下吧，好好体会一下。因为对于这个 agent， 不 管是是子 agent、 主 agent， 各种 agent， 就是 对 agent 来说，它的这个 so 点 md 文件，这个文件对法来说是最重要的，所以我的这个 skill 就 比较重要了，是不是？大家能理解吗？就是这个 skill 主要完成了这个工作，这个是个核心的工作，嗯，然后这个里头 主 agent 哈，主 agent 里头要严格地把这些事情说清楚，就是如果它做不好的话，可能存在的问题就是说它没有真的去调用它的主 agent 这个 so 点 m d 文件里头的话要说清楚，这个工作做了分配，然后在哪个 子公司里面去执行，去调用命令行执行，执行什么任务，就是这些是职管重要的，因为他是真的去会执行，不是说是做一个委执行，通过主 agent 然后 调用命令行，然后在命令行执行的是调用子公司的这样一个命令，呃，包括子公司的名字，然后任务是什么 是真的去执行哈，然后这个执行的话，我们在子 agent 的 那个筛选里头，就是他的那个对话记录里面是可以查到这个任务的， 这个过程的话就是说他不是那么直接，可能有点绕，就是需要你去理解一下，然后，嗯，按照我的这个大概这个讲解，然后这个 skill 去真的去执行一下看看吧。 呃，这一步的话是这个工作的算是这个工作的核心了，然后完了之后的话， 就是到了在主 a 阵的这儿，我们就可以给他安排任务了，这个怎么去启动哈？前面也有提及到启动的话，在 windows 里面的话需要把这个加上，然后在 wsl 里头的话，只需要你直接启动这个就可以了。 然后完了之后的话，在那个对话里头把这个任务给到他哈，就是他是一个什么样的任务，然后有一个数据分析的工作，就是说清楚哈是什么工作需要成员完成，然后把那个表给他，他就去做了。呃，这个是我自己做的一个视力的一个结果哈，就是这样 我其实又做了一些优化了，然后他自己会把 a 证的调用的情况，哪些 a 证参与了这个工作，然后大概工作结果是什么样？然后这个只是简单的展示一下工作结果哈， 他会把那个工作结果包括谁完，谁参与，完成了这个工作，他都会给你做一个交互的。呃，这个的话我需要演示一下这个的话，这个命令是查看我有多少个 profile， 也就是有多少个分身，这个是默认的哈，然后后面有五个分身 是这样。然后如果我要进到一个具体的分身里头的话，在 wsl 里头的话，我只要出这个名字就可以了。 进来之后的话我们能看见他的那个历史记录哈，历史记录的话就是斜杠命令三十三十 s， 就 会把具体的这个他的那个之前的绘画记录说出来，然后我们要接着某一个绘画记录的话，我们把这个绘画的这个 id 拿过来就行了。 sessions， 然后后面把它的 id 拿过来，这样的话它就进入了这个之前的那个聊天记录哈，就跟我们之前用 ai 的 话，像左边会有一个历史聊天记录，然后你点哪个的话，就可以接着 哪个绘画往下走，是不是？是这样一个意思，然后这个的话就是我要看这个，我要接着走这样一个绘画记录。嗯， 说这个的话有点有点扯远了哈，说这个的话是为了说明一下，就是我们主 agent 通过主 agent 分 配了任务给子 agent 嘛？然后子 agent 它是真的去完成工作了， 你怎么去验证它真的去完成工作？你比如说如果我这个 data analyze 的 这个，这是我昨天的这个记录还在哈，就是说这个是被分配工作了之后， 然后你看不见他正在执行工作什么之类的，然后你只能看见主 a 证给他的一个工作反馈，但是在这的话你就能够回来哈，你就回到这的话就能够调出来他的那个 工作记录，我是能够看见他真的工作了的，那这个有什么好处哈？就说他真的执行的这个工作为什么重要？他那次 a 证的话，他有一个自动化能力，如果他自己真的执行这个工作，同时你也可以用这个 a 证的话，那他的能力是会慢慢变强的，就是整个团队，然后团队成员他 会变强，然后也是一个越来越强的一个个体，它是这样一个意思，这个的话我认为相比于后面的这个 sub agent 协同工作这个来说的话是更好的，就是单从这方面的话是更好的。因为这个 sub agent 的 话，后面我们可以提到它是有一个回收机制， 就说干完活之后它那个子 a 呢？就消失了哈，就是这个你不好去积累。呃，那这个的话解释就解释到这，呃，这两个命令的话也都给大家贴出来了。 呃，像这个的话，他的适用场景就是复呃重复性的复杂的工作，一个 agent 作为你的助理帮你拆解工作，分配给其他的 agent， 这个助理的话就是那个主 agent， 然后其他的 agent 的 话就是那些子 agent， 这个是到了用的这个场景哈，真的用的这个场景。前面这三步哈，第一步，第二步的话，我们可能第一次用的时候我们要这样，像第一次用我们要组队，要去拆分，要去组队，然后最后后续的话你还有别的数据分析的任务 来的话，你直接找这个主 agent 就 行，前面两步你就不需要了呢，这是这个多智能体一起工作，这个的话，我个人觉得就今天这个讲解里面它算是最复杂的一部分哈，因为我自己的话也尝试了一段时间，就是看看大家如果有反馈，有 希望更深入了解，或者说哪有问题的话，也欢迎大家多多的留言提建议吧。第三个哈是 sub agent 的 话是做一些稍微复杂一点的任务哈，我们知道那个 agent 的 话， 他使用的话依赖上下轮，是不是上下轮如果太长的话，一个任务就是说你一个稍微复杂一点的任务的话，他上下轮太长的话，他可能爆了，然后最开始看着还行，后面就崩了，那前面的工作就白做了是不是？呃， sub agent 大 概处理了就是这样的一个事情哈， 把任务交给他，然后让他自己去组建团队，然后组建完了之后的话，他自己完成工作之后又回收， 回收，然后给你一个交互。其实就是前面这个多智能体去工作这个这个事情的一个简约版哈，简约的话是因为他的那个机制， 呃，他那个机制的话，支持他这么简约的去完成。你用户这端的话，你不需要配这么多东西，然后甚至甚至还要自己去写 skill 去组队，就是不需要这样。 然后它的那个劣势也是在这哈，就说它用完之后，它就在这一个绘画的过程当中出现，然后用完之后就没了。嗯，这块的话不去多讲，大家看看这个提示词就行。就是根据这个提示词， 现在的话几乎是每一个 agent， 就是 我们现在用的 openclarkhermes， 就是 各种 agent 的 平台的话，它几乎都是支持这种 sub agent 的 机制的哈， 就是就是这个提示词是通用的，然后这个提示词的话是一个组队的一个让他自主去根据任务去组队的一个模式。 我们要做的就是把你的任务贴在这，就是把这个提示词拿过去，然后把任务贴在这，然后把整个的这个大段的提示词交给你的 agent， 他 就能够去帮你完成工作哈，他是这样。 嗯，这个的话，嗯，可能那就是因为内容比较相对比较复杂哈，就是比较长，就没有太去演示，大家可以拿着演示去看，一看，就强烈建议大家第二个可能复杂一点，但是第一个、第三个真的是强烈建议大家多用它，多感受感受 a 阵它的强大。 然后这第三个 sub agent 的 它的场景哈，是和需求不是那么清晰，然后稍微复杂一点儿的任务，你可能不太知道你是不是要组队去完成，因为组队的话它它有保留嘛？它 agent 的 话你总是存在的，然后你后续重复的任务的话， 同样的场景你还可以交给他们，虽然写作模式可能不是那么好，但是它能写作起来，然后能慢慢进化成一个比较强的能力，这个是很好的，这是这个，然后这个适用场景的话就是说不不太确定是不是需要 agent team 的 场景的话，你用这个比较好， 嗯，最开始我们用这个，可能用着用着的话，你觉得它组队比较好，你可以换这个都 ok 的。 最后的话说一下三种不同方式的一个对比，这个的话大家看情况去理解吧。这个有一个 ppt 的， 像多个 hermes agent 这样一个场景的话，它的那个 profile 它是它是有独自的，然后也不共享上下轮儿。多个 agent 就是 独立，就是各自是各自的，相当于张三用他的，李四用他的，就是那样一个状态。然后这些 a 政的话，他是一直存在的，也是在各自积累，各自学习，然后这个多智能体团队这个的哈，他是那个调度和被调度的一个关系， 也是不会共享上下文，但是主 a 政的话是能够知道能向子 a 政发命令，然后子 a 政也能够把结果传给主 a 政的，是这样， 这个的话试用场景就是重复性的，复杂的工作他也是永久存在的哈，然后他的学习能力也是在的，然后难度的话是最难的，第一个其实是最简单的，最后一个的话是需要提示词，然后我们就是积累一下这样的提示词，对你后续能够快速开展工作是有好处的。 嗯，第三个 sub agent 的 话，他是那种动态的子 agent 处理任务哈，然后结果是汇总到主 agent 然后交给你的。这种的话适合做的是那种稍微复杂一点，但是又 不太常做的。你像如果像是这个多智能体团队这块的话，这块我们做什么工作会用到它呢？就是周报，有一些周报呀，上什么日报呀，像什么周总结呀，然后周例会呀，那种那种东西的处理就是重复性的工作，要做的话，你是希望它一直存在，但是它 一个 a 证又处理不了的这类任务给他，那这个的话就是那种不常用的任务，就是今天要搞一个 什么团建的一个计划之类的，就是这种的，可能一年到头也就一回两回的，这种用它我觉得比较合适哈， 是这样。然后还有前面我们说到的，你不太确定是不是适合这种组队模式的话，你也可以拿它试一试，因为它的适用成本相对比较低嘛。三种方式的对比大概就是这样哈，各有长短。反正我自己现在的话是这些东西的话我都在用，你用完之后你会发现这些东西它 并不是说就是说有的，用了这个就不用那个，哪个绝对好，哪个绝对不好的，各有所长，然后都值得我们去试一试。这个对比大概就说完了，多 a 政策的话，现在我觉得还差点意思，就是等着 a to a 模式慢慢的好起来，然后我们希望能够拿它做更多的事情吧。 然后预告一下我下一个视频啊，如果是我们大部分人只有一个 agent， 那 这一个 agent 我 们怎么去用好？它就是可探索的比较好玩那些点还是蛮多的，就是下一个视频会涉及到怎么把这个 agent 和大家一起用起来。 然后包括我们前面也有讲到知识库，把知识库怎么用起来，就是把知识库给到 agent， 让 agent 的 话基于知识库去做伟大回复。这个的话我们肯定都用过那种，嗯，文字交流的那类智能客服，像群里也好，像什么，嗯， 电商平台也好，它的那些东西，那些的使用，大概是这方面的一个零成本的一个实现吧。这个事情我们就说这么多，我们下个视频见。

很多人可能不知道，让多个 ai agent 协助，最关键的不是它本身有多强，而是中间那个协调器设计的好不好。 很多人以为多智能体就是多开几个 agent 让它们相互对话，结果要么任务没复到为 token， 要么信息遗漏，根本玩不成工作。其实专业的做法是用中心辐射架构，也就是 half spoke 模式，这个架构的核心是协调器 agent， 所有的子 agent 不 能直接对话，必须通过协调器来通信。 协调器负责三件事，任务分解、动态多油，结果聚合。这样一来，整个系统的可观察性和控制力都大幅提升。如何实现呢？分三步，第一步，设计协调器指示词，明确告诉他你是协调器，不要自己干活，只负责分配任务。 第二步，第一 a 诊断工具，每个工具都有一个专门的子 a 诊断，比如说关键词扫描器、深度评估器、风险检测器。第三步，跑起来，协调器会根据任务复杂程度自动选择调用哪些子 a 诊断，最后把结果合成一份完整报告，我们来实测一下，我先用它作为一个求值简历筛选流程，输入一份简历和职位描述， 协调器会自动把任务生成三块，检查关键词匹配评估界面，深度扫描回迁信号，每个子 a 诊断只看自己负责的部分，互不干扰。 最后协调器把三分报告合成一个完整的招聘建议，整个过程不用我手动分配，系统自动。如有，再是一个复杂场景动态选择，如果简历明显不匹配，协调器会跳过详细评估，直接给出结论就是偷看。如果是边缘后选人，他会选择完整流程甚至甚至针对性的面试问题。 成本方面，协调器本身不需要额外费用，就是正常调用科二的 a p i。 如果用嗨酷模型做子 a p i 成本能降到三分之一。部署的话，本地跑配的脚本就行，零部署成本。我是拓普同学，关注我学习更多好用的 ai 教程。

hello， 大家好，今天我们一起来看一下火山引擎旗下的剧创 agent， 它的一个操作教程。我们登录以后呢，会看到这样一个简洁的页面啊，把我们的剧本喂进去，你就会看到可以选择尺寸，分辨率以及它的风格，各种啊 对应的画风。好，我们选择创作。好，这个时候呢，我们的 agent 就 会帮我们开始解析剧本，那现在是一个解析好了的一个剧本哈，他就把人物啊，分镜啊，任务啊这些都已经解析清楚了，我们确认进行下一步以后 会看到，哎，它会出现很多很多的一个角色以及角色。分镜。好，我们下一步 继续开始解析，我们可以看到他的等待时间是很短的，没有出现所谓的排队。 好，这个时候呢，继续在分镜头策划的进行当中，我们继续拉快的进度。好，他已经把我们的分镜给他已经整理出来了，这个时候我们看到所有的分镜头啊，以及我们的角色人物场景，他全部已经梳理好了，这个时候我们只需要 把我们的分镜给它填充进去，哎，这个时候呢，我们的角色形象就已经出来了啊， 所以我们这个巨创 a 镜呢，它是对我们的新手非常非常友好的一个智能体，不需要接入 api， 也不需要有任何的技巧，开箱即用。好，这个是我们创建好的一个场景加角色，我们来一键生成哈，我们可以看到这个消耗的是一千 五百一千九百五十个积分，我们九十九块钱呢，可以拿到一万个积分，也就是我们的一个体验门槛还是非常低的，这次我们来看一下我们的作品效果怎么样？ 第三次国运战场倒计时六十分钟，国家资源暂时管制，全民配给，压缩口廊叩首秩序，静待国运裁决。 佩奇不就是除了被游戏选中的那一千人，我们这些人每天就只能领一块压缩口粮，然后慢慢。

如果你还在靠给单个大模型疯狂调优提示他干活，那可能真的有点掉队了。一个极其痛点的问题是，真实世界里面稍微复杂一点的业务，比如说跨领域的深度调研，或者是大型项目的交付，从来都不是一个 ai 能搞定的，它需要一支团队。 ai agent 领域的工程范式其实一直在狂飙，从早期的 prompt engineering 卷到了 context engineering， 到今年年初爆火的 harness engineering。 但单兵作战总有极限，下一个工程命题必然是如何让多个 agent 像精锐部队一样协同作战。这也是为什么 当华为支持的 open 纠问社区刚刚发布了开元蜂群智能体纠问 swarm 时，我连夜就去跑了测试。他们这次提出的是 coordination engineering， 也就是协同工程。 用一句话概括就是让 ai 从一只龙虾变成了一群蜂。这套架构不是停留在 ppt 上的概念，而是全套开院的工程交付。比如咱们做自媒体最刚需的短视频创作流程极其繁琐。在就问 swapp 里面，系统会临时组建一个由策划、文案、剪辑等多个 agent 组成的团队。 最硬核的是啊，他的自眼镜能力，当你要求设备不同平台时，他的眼镜引擎会自动识别，给你新增一个高点击率标题文案角色，并且在实战中优化。这套 swm 用的越多，这套标准化的技能包就越强，而且你还能把跑通的技能直接发布到他们共享市场里面附用。当然，他的天花板远不止于此， 在复杂的跨学科分析场景中，他可以动态创建二十多位不同领域的 ai 专家进行联合深度研读，极大的提升了复杂信息处理的准确率。 更有意思的是啊，人到底怎么参与这个 ai 团队？就问 swarm 给出了两种模式， house 和 hit。 你 可以选择在局外做局调度的指挥官， house 也可以以身入局，作为团队的一员参与协助的 hit。 比如说啊，它内嵌在狼人杀游戏里面，你甚至可以和不同的大模型驱动的 ai 玩家一起伪装，带节奏，沉浸感直接拉满。能够实现这么丝滑的群体协作，背后的技术底座其实非常的深厚。每一只蜂单体的执行力都 预投于 openjourn harness 框架。通过在 differentiation 的 架构上、下文工程和长期记忆机制上的打磨， johnsworm 在 权威评测级 pinkbike 上面以百分之九十四点二的综合得分拿下了业界 saota， 不 仅超越了 openclaw 平均 token 的 消耗，还同时降低了近百分之三十五。同时在长对话 locomo 评测上的记忆准确率也达到了惊人的百 分之八十五多。 a 型的协同已经是行业共识，但能够第一时间交出一套可跑可装全展开源工程交付的目前屈指可数。系统安装非常简单，开箱即用。感兴趣的朋友可以直接去 atom git 或者是 github 上面搜索纠问 swarm 下载体验。 ai 的 星辰大海属于不断进化的群体智能。

用 armes agent 还把所有需求塞给单个智能体的朋友。注意了，你很快就会遇到两个大问题。 第一个问题就是上下文和记忆越聊越乱，研究、写代码、查资料、回消息，所有内容全混在一起。第二个问题是他一次只能处理一个任务，跑研究的时候，别的事你就只能干等着。真正把和 miss agent 用顺的人，从来不是把单个智能体调得更厉害，而是把它组织成有分工的团队。 你可以把这个智能体团队理解成小型数字工作室，不同角色各管一块，分工非常清晰。有的智能体专门做规划，有的负责研究，有的负责执行，还有的只做复合和最终交付。每一个角色只处理自己负责的那一段内容，上下文就能干净很多，不会出现内容混淆的情况。 而且团队化之后，你再也不用等单个绘画慢慢排队，而是可以把任务拆开，同时分别推进。如果你已经有一个能跑通的 airmail agent， 只要四步就能把这个团队的股价搭起来。 第一步是克隆 profile， 直接继承你之前已经调试好的所有基础配置，不用重新设置。第二步，给每个 profile 写清晰的定位，把它视随，擅长什么不该碰什么全部讲清楚。第三步，在项目根目录放共享配置文件，让整个团队共享项目结构、协助规则和当前进度。 第四步，按 profile 单独调用，让每个智能体只处理自己该做的任务，不用兼顾其他内容。真正上手的时候，命令并不复杂，先执行 profile， 把调好的基础配置复制出来就行， 然后进入不同的头发单独工作，重点不是命令有多花哨，而是每个智能体的记忆和绘画都独立了，后面你再做研究、规划、执行和复合，就不会全部记在同一个上下文里，效率高很多。这里最容易被忽略的反而不是操作命令，而是两个关键的配置。文件作用非常核心， 第一个文件负责定义单个智能体的人格和边界，明确告诉他该做什么，不该做什么。第二个文件负责定义团队共享背景，把项目结构、协助规则和当前进度全部统一下来。 一个管单个智能体是什么角色，一个管整个团队正在做什么项目分工非常明确，这两个文件分开设置之后，整个智能体团队的协助才会更加稳定，不容易出乱子。 所以这套方法真正的价值不是让 hms agent 看起来更高级，而是让他能像真实团队一样稳定，工作任务拆的更细，上下文更干净。每个智能体都有自己的角色边界，你也能同时推进多件事。 如果你现在已经有一个跑通的 ms agent， 下一步别再往单绘画里塞更多需求了。最值得做的事就是尽快把你的智能体团队搭建起来，使用体验会提升很多。

对，它里面讲的就是说 agent 团队，它里面讲的 agent 团队本质上是一个 multi agent， 嗯。 multi 是 多的意思，嗯。 multiply， 就是 那个多重的，嗯，就是呃乘法就是多 a， 多 a， 多 a 的 一个架构。 然后为什么要用要用多 a 针的呢？其实那个有几个？有几个好处？第一个好处来说的话，就是说你可以同时干活，嗯，就是我有，比如我，我有三个 a 针的，嗯。如果你用一个 a 针的话，你干完这一件还需要干另一件还需要干另一件，嗯，如果说你有三个 a 针的话，可以这三个同时干， 嗯，对。然后但是同时看怎么怎么把这三个 a 针的内容整合起来呢？那你可以用第四个 a 针的把这三个内容 c a 针的输出的东西给整合起来。哦，对，然后这是第一个，就是说可以并行，并并行来来那个进行输出，嗯，然后这是第一个。第二个来说的话就说 就是呃，因为因为干一件事情的话就说就是呃，因为因为干一件事情的话就说就是呃，因为因为干一件事情比较复杂。嗯。举个例子，举个我们 那编码，就是比如举过我们那个项目的例子，比如有的有的 a 证呢，专门干产品设计的工作，嗯，有的 a 证呢专门做编码的工作，嗯，有的 a 证呢专门做测试的工作，嗯，对，这几个 a 证的工作是可以是相相对来说相互独立的，嗯，对，相互独立的话，那他这个 a 证呢？他 考虑的上下文就可以比较专注，嗯，他这个上下文既，嗯，不会把这个你的设计要求、你的编码要求跟你的测试要求同时输入进去，因为这个上下文就太长了，我们知道上下文太长其实是不好的。嗯，对。所以如果是拆分了三个文，呃。三个 a 帧的话，可以让他的 每个的上下文更加专注，比如你设计的话只考虑设计，这样他不用考虑编码的那些上下文，嗯，所以他的那个上下文会更短一些，嗯，对，这样的话就是效率会更高一些。嗯。这是第二个。第三个好处就是说每个 a 帧的话可以单独连一个模型，这三个 a 帧的模型可以连连的，不是同一个模型。比如说有的模型是 我这个 a 证呢，连 deepsea 那 个模型，连 data gpt 那 个连 cloud。 嗯。呃。为什么呢？是因为模型是有贵的，有便宜的。嗯。我的任务不是说我所有的任务都需要特别强的模型，也不是说就是比如说我简单的任务可以用 简单的模型，复杂的任务可以复杂的模型，这样的话可以节省成本。嗯，对，所以那个，呃，那个就是由此那个。以上几点来看的话，毛提 a 证的话其实也是有必要去存在的。但是，但是，其实毛提 a 证，毛提 a 证的架构，它是一个比较复杂的架构。嗯。为什么呢？是因为 a 证的跟 a 不 同， a 证不同， a 证的之间虽然是各自独立完成一部分，但他们并不是完全没有联系的，因为他们完成的是一件大的任务。嗯。那 a 证的之间如何写作？嗯。如何通信？如何写作？如何？就说把 这些质量给控制好，这其实都是比较考验的，有挑战的。对，有挑战的。嗯。哎。那我有个疑问，就比如说这个 multi agent， 嗯。它 假如我要实现你刚刚说的有负责编码的，有负责产品的，有负责策划，有负责营销的，这种不同的 agent 都可以用 cloud code 的 这一个 平台实现吗？可以啊，你，你就是有好几种方法。第一种方法就是说你可以打开三个 cloud code， 嗯，同时打开三个，就跟你同时打开三个浏览器一样，嗯，就是三个，你就给他们分分任务。比如说你先写好一部分，先写好一部你的需求文档，嗯，然后你扔给第一个 cloud code 说 帮我转换成具体的详细的个需求文档，嗯，然后并以某并输出，是放在某个文件当中，嗯，然后这时候你跟第二个 code 说，读它生成的那份文件，你去做编码， 然后编码保存在某个位置当中，你跟第三 code， 第三 code 说编码放在那个位置了，然后你去， 你去跟他那个那什么，你去啊，行，或者说这是我人去控制的，对吧？人是控制的，然后你，还有你，还，你还可以就说人完全不用控制你。比如说你原先三个 a 证，你再增加一个 a 证的，说 你对这个 a 证呢？你说你是老大，你负我给你一个需求，你负责把这个剩下那三个 a 证的的角色 工作衔接协调好，你来做监工，嗯，我只跟你，我只跟你对接，嗯，你这样这样就告诉他给他分配角色，嗯，他就自己就知道干了他，比如说他，他可以自主性的去去干，嗯，相当于每个 agent 完成他那一部分工作 啊，但是彼此之间又有相互协助的那一部分，对，嗯，可能是通过你刚刚说的第一个 agent 干完的活之后存在某一个 agent 接着干。对，然后这样可能是一种串联的 呃关系，也可以是呃并列并行的工作是什么样子的？对对对。而且你可以人工的去管理每一个 agent， 同时也可以让 agent 去管理其他的 agent。 对， 哦，这就是 agent 的 团队。对，然后这是刚才说的第一种方式，就是你自己用 do agent 的 加工。第二呢就是 coco 的 话，嗯，它自它自身内置那个 do agent 的 这种模式，嗯，对，比如它叫 agent teams。 哦，嗯，对。然后这个就是这样的话，就是 就是可以让他自己去做管理的，就是他那那那个内置这些功能，嗯，然后内置的这个功能的话，如果更详细的了解，其实去看他官网的那个使用说明。对，使用看他怎么使用说明，本质上都是一样的。明白了，行，好的。

hello， 兄弟们，本期视频以我们上期介绍的 submitant 为基础，继续首搓，我们的 submitant 将是临时派差，把复杂的任务细节隔离出去，办完只回一段话。但是有些任务不是一次性的， 它需要固定的角色长期写作，有人写代码，有人审查，有人查资料，有人负责调度，这就是我们。今天的 submitant 是 派一次差，而我们的 submitant team 呢，是养一只班底。那我们就先来看一看为什么我们的一次性能力不够，需要引入我们的一次 team。 subagent 适合一次性的读文件，查资料，跑代码，它的价值在于隔离上下文，让我们的主绘画不被大量的工具输出所污染。 但是如果我们要做一个 demo 项目呢？我们的流程就会变成 coder 写代码，然后我们的 reviewer 检查代码，检查完之后得到我们的 review， 然后我们的 coder 根据 review 再进行我们修改。我们的代码修改完之后再让它审查一遍，审查完之后才会交给我们的 leader 进行汇报结果。这时候我们就不需要派一次了，而是需要他们长期的，固定的在我们的队伍里面。所以我们本期要解决的问题是如何从临时派工升级到我们的持续写作。接下来我们就先把我们 submitant 和我们 etum 的 边界讲清楚。 submitant 它的生命周期很短，它会创建独立的上下文，然后执行任务，执行完任务之后返回总结，总结之后就会销毁， 所以它就很适合执行我们的探索、搜索、批量读取、拼发、跑工具这些任务。反观我们的 agent team 呢，它的生命周期就更长， 它们会招入队友，然后工作，工作完之后就会进入空闲状态，事后仍然可以接收消息，而不是被销毁。所以它关注的不是单词任务隔离，而是长期的组织写作。这两个能力都不冲突，一个成熟的 agent 可以 同时拥有它们。 总控管理固定的团队，固定的队友，遇到临时的探索，他们也可以派出 sub agents。 接下来就让我们看一下我们的 agent team 在 结构上长什么样。 agent team 不是 把模型调动堆在一起的，它至少有一个总控，一组固定的队友，以及一套通信的方式。总控呢，就负责理解目标，拆任务，召入队友，发消息，然后读回并，然后进行最终的汇总。 每个队友呢，就在自己的县城里独立运行，办完当前的任务之后再回到空闲的状态。在我们这一次教学实践里，我们的通信系统也是非常的朴素，我们每个成员都在这里有一个单独的节省的文件，发消息的话就是追加一堂节省，然后读消息的话就是读取，然后清空。 那么接下来我们就把这个文件邮箱的实线拆开出来，看看我们这里每个队友之间的异步通信，就不引入数据库或者是消息队列了。我们就用最简单的一人一个接收的文件来模拟我们的收件箱，这就是点 tim 文件夹下我们的接收文件模拟收件箱了。 这里我们就看一个简单的例子，我们的 leader 给我们的 alice 发了消息，就让他请检查 bug， 这样的一个消息呢，实际上就是在我们这个 alice 点接受的文件中写入了一行接受，这行消息包含了我们四个核心的子段， 我们的 type， 还有我们的 form， 还有我们的 content 以及我们的 time step。 我 们的 alice 在 读的时候，它会依次全部读，然后把它解析成列表， 之后就把文件清空，这样的话同一条消息就不会被重复处理。我们的发送读取机制简单来说就是两句话，发送就等于追加，读取就等于清空。那么好，我们讲明白了这个异步通信机制之后，我们再来看看我们团队中每个成员是如何定义的。 在点 tim 文件夹下 configure 在 监视文件是我们团队的花名册，这里记录着我们的名字，还有我们的角色以及我们的各种工作状态。 work 呢，就代表我们的县城正在工作， id 呢，就代表它正在空闲状态，然后下当代表它自己退出了，然后 offline 是 怎么来呢？ offline 就是 代表我们程序关掉的时候，我们这个角色现成正在处于 worker 或者是 id 等待状态，所以在我们重启之后，它就会标记成一个 offline 离线状态， 这时候就需要我们重新照入角色，他才会处理之前的消息。接下来我们来看看我们队友现成本身是什么。在我们照入队友之后，把他写入配置文件，然后启动他的现成之后，我们的队友就会读取 inbox， 然后把读取到的结算消息添加到他的 message 中， 之后他就会调用模型，通过自己的系统提取词理解当前的拆式，然后使用各种工具执行一下，把任务完成之后把结果回编给我们的主控， 之后把状态改为空闲，就继续等待着下一次消息，然后继续工作。那么我们的总控想管理这么一群队友，一定是要有一组专业的团队工具的，那么我们接下来就来看看这个团队工具是怎么定义的。我们总控的团队工具一共有五个，第一个就是我们的 spouting mate， 用来新建或者是召回我们 offline 的 队友。第二个呢就是我们的 list team meters， 用来查看我们整个团队的状态。第三个呢就是 seed message， 很 简单，就是给我们的每个队友发消息的。 第四个呢是 read in box， 就是 读取我们的队友给我们总控的回禀消息。最后就是一个 broadcast， 就是 群发消息给我们所有的队友，现成发消息给他们同步指令。有了这五个工具之后，我们的主页进程就不再只会是调用工具了，它就开始有调度能力了， 他可以先让我们的 coder 做一些东西，然后等回禀在我们的 reviewer 查，最后他自己再汇总到这里。我们已经把每个部件都介绍完了，把它们合并起来，就是我们 excel 的 四层结构。第一层呢就是我们的总控，我们的总控负责目标的理解，任务，拆解、分派以及汇总。 第二层呢就是我们的固定队友，每个队友都有自己的名字，角色、状态和独立的循环。第三层呢，也是我们团队的花名册，也是我们点 team 文件夹下的 configure， 点接收文件。 第四层就是我们的消息总线，也就是我们点 team 文件夹下每个不同角色的接收的文件， 所以我们判断一个多 a 镜的系统是不是 team， 不是 看它调用了几个模型，而是看它有没有成员身份，状态记录、通信机制和调度者，完整的拥有这些，它才能称为 a team 的 team。 好 了，接下来我们就最后来看一下我们 a team 的 team 运行的完整链路吧。首先我们的用户告诉我们总控需求就是组建一支小队，让 alex 写代码，我们的 bob 做审查，所以我们的总控就照入我们这个 alex 角色，他的身份呢就是 coder， 然后他还招入了我们这个 bob 的 角色，他的身份就是个 reviewer 审查嘛。然后在我们的 config 文件中写入了我们的 alex， 还有 bob 两个角色以及它们的状态。 之后我们的总控就给我们的 alex 发消息，让他写一个 hello 点 python 文件，我们的 alex 读取得他的 inbox 之后，知道了这个任务之后，他完成了我们这个 hello 点 python 文件，然后回禀给我们的总控。 我们的总控读取到爱丽丝的回禀之后呢，他就把这个任务又派发给我们的报部，让我们的报部做审核。报部审核完之后，他就把任务回禀给了我们的总控，我们的总控最后就把消息汇总发给了我们的用户。这样一个完整的闭环就完成了。 任务就是靠我们的消息来流动，状态就是靠我们的 confirator 来看，成员呢就是靠现成的持续来等待。到这里关于我们 agent team 理论知识讲的差不多了，接下来我们去看看这个 agent team 运行起来到底是什么样的。好兄弟们来到我们上期分享的我们的进阶实战项目中，给大家演示一下我们 agent team 的 效果， 这里我们就简单搞一个题目，让我们的 alice 做 coder， 还有我们的 bob 做 reviewer， 让 alice 写一个文件，让我们的 bob 检查之后回禀，看看这个效果是怎么样的。首先我们的总管就招入队伍了吗呢？派入了我们两个队伍入队，让我们的 alice 去写这个文件了， 不啦不啦不啦。写好了，你看向我们的总管汇报，泰式办妥，然后我们的总管派我们的 bob 去检查了， 嗯， bob 正在检查这文件内容，三项全部通过，然后我们的 bob 跟我们的总管发送消息，然后我们的总管通过这个 read in books 读学了这个文件，向我们用户进行了汇报，你看流程，我们的指引，然后我们的总管拆解了 爱丽丝，写了这个玩意什么什么的，然后呢报补审核了一下他的结果啊，确实没有问题，之后发给我们的总管了，那总管就向我们汇报了，你看文件存在通过内容正确无误，然后运行正常，然后说他俩配合默契。拆实，办妥了，让我们让他把队伍解散吧， 你看他调用这个工具查看我们队伍的状态，然后下档，下档大家关闭了，我们的程序员，还有我们的审核员啊，都已经遣散了，这和我们共享中的流程也是一模一样的，这里就给大家简单演示完了，演示完之后就来到我们的仓库中， 这就是我们的教学项目，如果你想找到我们今天的课件啊，还有文件啊，都在这里面扣这儿，你看这里零九就代表我们的 excel 的 简单视例代码可以帮助大家学习，然后我们的 doc 中的这个对应的零九的 md 文件啊，这个就是我们的学习文档，你可以对着文档和这个简单的代码实现，然后学习一下我们的 excel team， 之后如果你想要课建的话，那 ppt 这里也是有的。我们第六期 excel team 的 最后，如果你想要体验一下刚才代码演示的那个项目，这个就是我们的 emperor agent， 我 们的皇帝智能体也是在这里的，我也是同步的把我们 excel team 的 那个更新提交上去了，大家可以把它拉下来 感受一下我们这个智能体。这个智能体你只需要配置一个 deepsea 之类的密钥配置上，然后就可以自己在本地玩一下了。 ag 呢，主要的功能我们都是玩备的，我就会在评论区中把我这两个项目的地址 发出来，然后大家如果感兴趣的话，就从这个评论区点链接进来，如果大家方便的话，就给我每个项目这里点个 star 订阅，那么好，那本期视频到这里也就结束了，如果大家喜欢的话，那就一键三连吧。

一个团队里面啊，如果既有人类的同事，然后又有 ai agent 团队合作，应该怎么设计呢？上周我正好去北京参加了这个出门问问的发布会，他们发布了一个新的产品，叫做 code banana。 从表面上来看呢，它也是一个这个 code agent 写代码的智能体，比如说读项目啊，改文件啊，跑命令啊，提交代码，这些都能做，现在已经不稀奇了，像 cloud code 啊， code 啊， open cloud cursor， 大家平时其实已经都在用了。 code banana 真的 有意思的点是解决了另一个问题，就是如果一个团队里面 又有人，然后每个人呢，又有自己的 agent， 项目本身也是 agent， 甚至不同项目的 agent 呢，还能互相加入讨论这个复杂的写作关系啊，我们应该怎么去设计呢？ 我觉得 coder banana 给了我们一个挺有意思的答案。所以这期视频啊，我们就来仔细的看一下这个产品，然后讨论一下这个团队合作的问题。当 ai agent 进入团队之后啊，产品形态会变成怎么样？团队合作又会变成怎么样？ 这个呢，就是 codebanana 的 工作界面， codebanana 它有个基本单位，就是 project 项目。这个项目呢，更像是一个容器，里面可以有代码，有这个 agent， 然后有聊天，有 get， 有 云端的执行环境，也有成员的权限，有项目的上下文。每个项目呢，默认只能自己看到， 但也可以邀请同一个组织里面其他成员来加入。然后呢，每个项目你还可以看到它有独立的配置，比如说独立的 agents， 点 md， 搜点 md， 呃 user 点 md， 还有这个 skills 的 文件夹。简单说啊，每个 project 都可以有一个独立的 agent， 它有自己的身份，有自己的提示词，技能上下文，然后呢，每个人还会被分配到一台这个 vps， 就是 云端的开发环境，你代码可以在里面跑，然后 agent 也可以在里面去执行任务。所以啊，你看到这个界面，这个结构之后呢，你可以想到说 cole 布拉纳背后的思想呢，就是想把这个项目，把 agent 聊天，云端环境 get 全部都放进同一个工作流里面。然后右边啊，我们看到有 code banana 的 三个关键的入口。第一个呢就是这个 private ask， 顾名思义啊，它这个就是你的私人对话，就是你跟这个项目 agent 去单独聊天的这个内容。然后第二个呢，是这里的 discussion， 它比较呢，像我们现在这个办公软件里面的项目群聊，团队成员可以在这里面去讨论需求 方案进度。第三个呢是这个 team agent， 这个是项目里面的公共的 agent， 对 话所有的项目成员啊，在这里可以看到公共对话的同一份内容， 谁给 agent 发了什么东西， agent 怎么执行的，怎么回复的，最后改了哪些文件，大家都能去同步。看到这三个入口啊，就对应了我们平时的三种工作状态， private ask 呢，就是个人的思考， discussion 呢就是团队的共识。 然后 team agent 呢，就是公共的执行的区域，如果把这三层都跑顺了，其实平时的想法到沟通就能更自然地变成落地执行的工作。大家可以想一想，其实很多团队啊，不是不沟通，而是沟通完了之后呢，还是有很多搬运落地的执行的工作群里定了一个事情， 再切到 i d e 去改代码，然后再打开终端去跑命令，最后呢再去 get 提交。中间的过程啊，非常的长， code banana 呢，想减少的就是这个中间来回切换，来回倒腾的这种成本，把讨论、执行记录都留在同一个项目里面。 我们来举个例子啊，看看这个 cold banana 到底是如何来具体解决我们这个团队当中的这些这个工作流的假设呢？我们这里有两个项目，一个呢叫做 website launch， 它是专门用来负责我们这官网开发上线的这样的项目。我们看到啊，里面有这个官网的首页的代码，然后资源文件 对应的这个 agent。 另外一个呢，就是这个 policy review 这个项目它负责规则的说明，也有这个项目。 policy review 对 应的这个 agent 现在是什么问题呢？现在问题就是说我们的官网上面有这样一句话，每个开发者永久免费，听着很爽，但问题是啊，产品呢，确实每个月是免费的，但免费版只有每个月三十次的这样使用量。那这句话能不能写呢？ 我们就以这个很日常很具体的这个问题作为例子啊，看看在 cold banana 里面一个团队流程应该是怎么去做的。第一步呢，我会先在这个 website launch 这个项目里面， 他的 private ask 里面去问一下，我会直接问他，然后帮我分析这句每个开发者永久免费这句话有没有风险。让这个开发项目的 agent 他 先帮我去想一轮，他可能会提醒我说，每个开发者永久免费这句话 容易被理解成无限的免费，但真实的规则呢，每个月只有三十次，所以应该表达的更清楚一点。你看啊，他帮我分析完之后呢，第二步啊，我会直接用这个转发功能，把刚刚这段分析直接转发到这个 website launch 去 讨论区。这一步呢，其实就很像我们平时的这个真实的工作场景了，就是自己先想一下，想完以后呢，把结论然后丢到这个团队里面去对齐，不成熟的想法，不用一开始就公开，关键的判断呢，也不会永远藏在自己的私人的聊天记录里面。第三步啊，在这个团队的讨论区里面，大家会继续讨论，比如说营销的人可能会说，永久免费更有吸引力 产品的人可能会说，啊，可以保留免费，但必须在下面一行小字里面写清楚，说每个月三十四的这种使用量。具体的讨论结果我觉不重要，因为我这项目里面其实也没有什么其他团队成员，我觉重点是分析说这 coco banana 帮助我们去解决问题的这个工作流程。人的讨论跟 ai 的 分析，进入了同一个项目之后啊， 应该怎么去做这个信息的流转分配？不用在微信里面去聊一半，然后在办公软件里面去聊另外一半，然后最后在 id 里面去写另外这个一些代码。最后呢，谁也不知道结论从哪里来的，然后又要往哪里去。第四步啊，我觉得是最有意思的， 就是我可以把 policy review 这个 project agent 邀请进来我们这个官网开发项目，直接点这里的这个添加邀请它呢，仍然是这个 policy review agent 这样的身份， 也带着原来的知识背景 skill。 它可以进入到官网开发项目，然后参与讨论，也可以访问官网开发项目里面的所有这些文件，这就非常的 alien native 了。为什么呢？就是以前的 agent 塔 是一个工具，那现在呢，它更像一个协助对象，更像一个你们公司的这个法务的顾问这样的角色。它有自己项目的身份，有上下文，有技能，然后也有访问的边界。你可以把它从另外一个项目里面拉进来，让它以这个政策审核专家的身份继续参与你们这个项目的讨论。 比如说啊，在这里呢，我把他拉进来之后，我就可以问他，请检查轰配置点 md 里面每一个开发者永久免费，这句话是否跟定价策略一致？如果有风险，可以给出更安全的可替代的这种表达，直接发送给他，因为他有着合规方面的技能，然后会给出更加专业的判断。但是最后呢，还是可以人类的成员去负责取舍判断， 最后让这个 website agent 去负责执行修改。这整个过程呢，项目成员都可以去看到，去同步。我们看到啊，这整个流程啊，已经不太像传统的 ai 的 ide， 只能写代码。它更像一个小的团队，里面有不同的角色，不同的上下文， 不同专业背景的这种 agent。 如果我们进一步去思考的话，这种合作的本质是什么呢？就过去团队里面的知识啊，主要放在人脑里，文档里，然后代码里面某个产品经理可能知道定价规则， 飞书或钉钉里面写着这个政策的说明，仓库里面有一些这个业务逻辑，当 agent 进入团队之后，这些知识会变成这可以被邀请的这种角色。比如说之前的这个 policy review agent 代表了政策的口径， website agent 呢，代表了当前这个项目实现的这个执行者， 他没有去代替原来的这个产品法务开发，他更像是这些角色背后的知识，更顺畅地进入了开发的然后项目的流程里面。当然我觉得当下这个产品啊，这 这个设计会带来一些新的问题。比如说呢，第一个呢，就是入口变多了，什么问题先私下问，什么内容可以发群聊，里面什么问题可以发给这个 team agent 的 执行团队必须先形成共识，否则这个信息呢，就会很乱。第二点就是 agent 它虽然可以在知识层面上，或者是执行层面上像人类员工一样出现，但它不能像人类员工一样去负责任， 他可以参与讨论，可以修改文件，可以给建议，但最后出问题了呢，责任还在人类团队身上。第三点就是多 agent 最可怕的就是上下文混乱，每个 agent 都有自己的项目背景规则记忆，如果边界不定义清楚啊，他们看起来呢，是在写作，可 实际上呢，就是拿不同的版本的信息，其实在互相的这个干扰，互相的讨论，所以整个使用下来呢，我对这个 code banana 的 判断。是啊，大家看 agent 本身呢，它其实跟 cloud code codex、 open cloud 其实没有太大的区别，因为我们现在的这个使用的 ai 工具啊，已经对个人的帮助啊，已经非常明确，比较成熟了， 这个时代呢，也在建立起一个个的超级个体。更关键的问题呢，就是说 ai 进入了团队之后，进入了企业之后，整个团队的工作流怎么定义整个组织怎么去定义这个呢？还没有一个很明确的方向。这些问题呢，恰恰就是超级组织这本书啊，在系统讨论的 ai 进入组织之后，协助关系信息流动 那个全责边界到底是怎么样设计的？ hold banana 呢？不一定给出了最终的这个完美的答案，但我觉得是对下一代的 ai 开发工具，下一代的 ai 团队协助工具一次很好的探索跟尝试。好，今天视频就到这里，我是迪斯顿黑金李超，我们下次见。

哈喽，下班了。哈喽，趁下班了，哈哈哈，他陪我下班，我就说你可以再来出个镜。今天我们再来聊聊猫添 agent 吧。嗯，因为我和小辉最近在做一个关于从超级个体到超级团队的研究报告。对，呃，小辉呢，他其实是拿我们共同的一些素材还有他自己准备了很多东西，已经跑出来了一个我觉得搭好框架的内容。 其实他提 multi agent 已经很久了。对，但这一次我是很认真的把所有的素材再加他需要提的问题和框架，我都觉得非常好，因为有一些提法 好像就是在就是就是会让我觉得我会被击中的这一个。所以呢，我就抓住他说，小慧，我想听一下你讲你的 multi agent 到底怎么设计的？嗯，然后呢？由于我陪他下班，他又让我蹭一期流量，哈哈，顺便满足我的好奇心， ok？ 对，这个 multi agent 就是， 我也是挺久之前我分享过一期，就是讲这个写代码的 multi agent 和做研究的 multi agent 应该不是一套团队。 因为写代码要求确定性要求，执行要求啊，就是有审查员对吧？有交付的。那这个做研究的 multi agent 其实有的时候它更需要一些发散，需要一些创新性，所以当时我在那期视频里面去介绍了大概的一个逻辑。 但是这次我分享给于一的这个从超级个体到超级团队的这套呃，框架。呃，其实说实话， 呃，我觉得并没有说特别体现出来 multi agent 他 他的优势，但反而是我在里面投入了非常多的，所以我欣赏的是你，是吗？哈哈哈，欣赏的是我的审美。哈哈哈，对，是的，没错，就是因为我对这个命题很有好奇，就是你说为什么超级个体他需要超级团队，他为什么会？ 呃，就是他已经很强了，他为什么还需要聚在一起，对吧？这样这样的一些命题，就是我自己非常好奇那一句，就是有时候你会发现一堆东西里面其实最重要的是有一句话或者有有有一个观点是戳中你。对，可能会比你写的很多很多东西都更加重要。 啊，哈哈哈，那就是你在谈说，呃，为什么呃，大家谈到 ai 原生和 ai 改革的时候，反而是把它们分开来。二分？对，其实你觉得不应该是二分。对，包括市场上现在所有的很多的理论讲的都是智上额下的去设计。对，但 如果是站在智下额上的涌现，并且把超级个体如何去发现、培养 以及搭建能够让它们产生生产能力甚至持续生产的这种环境。对，你觉得这个是呃， ai 原声和 ai 并合其实共通的一个道路，我觉得这个是当时社会让我觉得 ok， 很 惊艳，因为你知道我就会习惯性 把 ai 原声和 ai 转 ai 转型分开。是的是的，甚至我很激进的说没有转型只有原声。对，但你你的那点还是挺 戳中我的，因为确实如果你要说没有 ai 转型只有 ai 原声的话，又很难解释。其实包括咱在的腾讯，还有很多一些大的公司，其实他们也不能说是 ai 原声的 公司，但是也有很多 ai 原声的团队。对对对，就很难去怎么去解释这件事情，以及 如果是那个结论的话也很绝望。哈哈。对，有很多公司没错，但这个论点是当时我看完那个研究的框架之后， 我觉得非常惊艳到我的一个视角， ok， 这个是 ai 来的还是你来的？我来的，哈哈，因为这个你可以去看我的一个视频哈。这个世界是连续的还是离散的？嗯，其实从那个里面启发出来的，因为我觉得它是一个连续变量，嗯，就从 ai 原声到转型，它也是中间会有一个连续的谱系， 你可以在这个服务器上移动。啊，大概是这个逻辑，哈，啊，但是为什么会想到这个事呢？就是因为我觉得从超级个体到超级团队是可以把这两件事串起来的一个很好的切入点。对，因为即使是再大的公司，它里面也有超级个体。对，它也会 形成一个超级团队。对，然后另外就是上次我跟富强聊天就 kimi 的 富强，嗯，他也讲到一点，就是说来自于个体的这种能力的溢出。嗯，让组织有了 存在的价值。嗯，啊，就相当于我们在组织中存在，不一定是说因为组织啊给了我们一个岗位，或者说让我们变成了组织的零件，我们在这个组存在，而说，因为在这个组织中，我们可以成为一个更好的个体，然后我们成为 更好的自己的同时，让自己产生的这个影响也在影响周边的人，让我们变成了一个很好的团队，相当于就是 我的溢出和你的能力溢出，这两个溢出发生了一些化学反应，欢迎大家多承接一下小辉博士的溢出，我承接的非常满意，哈哈哈，对，就变成了一种很好的氛围，就是这样的，是一种超级团队的氛围， 所以这个就是啊，这是不是 multi agent？ 但是其实也我们也是 multi agent， 对 吧？互互为彼此的 agent。 对， 然后再讲到你这个 agent， multi agent 的 用 ai 来去啊干活这件事，我觉得是是说人的认知是可以复制。嗯，比如说你对任何一章的一些， 嗯，意见，写作的一些 skill， 它都可以附用在很多的章节里面。嗯，但因为 ai 它现在还有很多的上下文的问题，所以我们要用猫贴纸来解决。嗯，呃，然后在这个过程中，其实最重要的是那个审核， agent 就是 那个做审查的，那个 agent 就 不带任何预设的观点。嗯，在你生成了一个方案之后，它去审核你的产出，批判你的产出，那个它提带来的提升是非常大的。 所以其实如果你要就是设计一个最小的猫贴件团队的话，就是一个是做呃， pm， 对 吧？就一个是做规划，规划规划还有上交文意图的理解等等。对，然后第二个就是执行的，第三个就是做审核的，对，有这三个极简的方案就可以变成一个非常好的一个 猫贴就小队。对啊，上周我其实跟呃现在市场上一个特别有名的呃特别火的一个开源项目叫 multika 的 创始人给我看了，我觉得也非常惊艳啊。对呃，呃，家园他在做的，我们在聊的时候 就聊到说，呃到底 agent 团队要怎么去做设置，以及 agent 之间的互通其实有很多种， 但是刚才小辉谈到了那个最小的单元，嗯，其实也是家园有他在做自己 agent 的 团队，包括你也知道他团队就是四个人啊，加几十个 agent 的 一起干活，嗯，但是他会觉得说最重要的就是前面的那个 print 的 那个啊，做图画的是吗？对，就是主 agent， 对， lead agent， 对， 然后中间你可以设置一些 work agent， 对， 然后最后的那个做 judge 的， 做 做验收的，这个是最重要的。以及这前面前后的两个 agent 呢，一定是要用最好的模型啊。其实中间的 work agent 呢，其实你用一些便宜点模型，只要它能够锁定出说交付的结果，包括审核的模型足够的说明， 然后让他返工，都可以做到。 ok， ok， 今天这期的内容非常丰富啊，哈哈哈，然后从理念谈到了这个，就是一个具体的应用，对，开源这个产品也非常不错，推荐大家去看一下。 对啊，然后我们后面再跟大家有更多的关于猫贴阵的分享啊。对，周五的下午，我和小微博士和出门问问的李志飞，然后我们也会有一个关于超级个体和超级团队的啊，一场对谈和调研， 然后后面的话我跟小辉也会发布这个报告，都欢迎大家持续关注。下周，下周三还是周二会发布。对对对对，然后我们现在在冲刺，对，大家，大家啊，最后 啊，我还是来蹭流量的，哈哈哈，记得大家多关注我对，刘于一啊，于一同学，哈哈哈，拜拜。拜拜。