编译 | 陈佳
编辑 | 程茜

智东西3月5日消息，近日，谷歌高级AI产品经理Shubham Saboo公开了一套已稳定运行一个月的多智能体自动化系统。不同于停留在演示阶段的AI智能体方案，这套系统基于开源平台OpenClaw搭建，每天真实承接他的六项日常工作：AI动态研究、推文撰写、领英内容生产、新闻简报编辑、代码审查及社区事务处理。

这支由6个AI智能体组成的团队在他睡觉时自动运转，Saboo本人只需在早晨喝咖啡的10分钟里过一遍审批，就能每天腾出4至5小时来专注真正需要人脑的事务。

Saboo还以不同的美剧主角为他的6个AI智能体命名。6个AI智能体，6个岗位；职责分明，各司其职。

这套系统通过SOUL.md人设文件定义每个AI智能体的身份与行为准则，以共享文件系统替代复杂的API通信框架，并借助双层记忆机制持续积累用户偏好。

值得关注的是，Saboo构建的整套系统仅用一台普通电脑即可部署运行，月成本不到400美元（约合人民币2760元）。

Saboo是编程社区Unwind AI创始人，该平台帮助6000+订阅者每天仅需三分钟就学会构建大模型、RAG和Agent应用。此外，他还创建了热门的GitHub仓库Awesome LLM Apps，该仓库专门收录各类大模型应用案例，是目前最受欢迎的AI应用实战教程集合之一，在GitHub上的star数已达到99.5k。

▲谷歌高级AI产品经理Shubham Saboo（图源：领英）

他在X上发布的这篇长文，详细披露了基于OpenClaw搭建这套系统的完整思路、文件结构、实际成本和踩过的坑，获得超100万次浏览。

▲Shubham Saboo在X平台的推文截图

一、基于OpenClaw打造多角色智能体协作系统，6个Agent各司其职

在日常工作中，Saboo每天必须完成六件事：追踪AI领域最新动态、写推文、写领英帖子、给订阅用户出新闻简报、审查开源项目的代码贡献、处理社区问题。每件事看似不大，却各需30到60分钟。

Saboo最先尝试的解法是用一个AI智能体包办一切。他把提示词给智能体，让它既研究、又写作还审查，但输出质量并不乐观。一个AI智能体无法同时胜任六种不同的工作。

Saboo基于OpenClaw构建了6个Al智能体，并以不同的美剧主角为其命名。这样做的好处是，他只需要输入名字，模型就能根据已有的数据提炼这个人的性格特点、做事风格。

在Saboo的AI团队里，最核心的角色是Monica，她是Saboo每天打交道最多的AI。这位“参谋长”得名于《老友记》中的Monica Geller。她的职责是看全局、做统筹、把合适的任务派给合适的人，同时处理那些说不清楚归谁管的事。

团队情报员Dwight，以《办公室》里的Dwight Schrute命名。他每天进行三次研究扫描，检查X平台、Hacker News、GitHub热门项目、谷歌AI博客、学术论文，并撰写结构化情报报告供其他所有AI智能体使用。

读完Dwight的报告，第一个行动的是推文写手Kelly。她取名自《办公室》里的Kelly Kapoor，专门用Saboo的语气和风格写推文——单条推文、串推、引用推文，皆样样精通。她的个性定义SOUL.md里写着：“趋势还没成趋势，你就已经知道了。”

同样的情报，到了领英帖子写手Rachel那里，却是完全另一种呈现。她以《老友记》里的Rachel Green命名，面向的是领英上的专业受众——这里的人不看热点，要看行业洞察和专业观点，所以Rachel的写法更沉稳，更像一个思想领袖在发言。

工程师Ross，命名来自《老友记》里的Ross Geller，负责代码审查、Bug修复和技术实现。他的行为准则里写着：“当你处理一个问题时，要完全理解它，不要只修复表象。”

简报编辑Pam，以《办公室》里的Pam Beesly命名。她把Dwight每天的情报报告转换成新闻简报，发给订阅用户。

二、整套系统靠一个文本文件驱动，一台普通电脑即可搭建完整系统

Saboo构建的整套系统运行在一台配备M4芯片的Mac mini上，但Saboo强调，这台机器没什么特别的，任何能持续运行的设备都行。他用配备M4芯片的Mac mini只是因为它小、静音、不费电，方便而已。

他基于两条命令在不到五分钟的时间里安装好了OpenClaw。下面是他构建上述6个AI智能体的操作过程：

1. SOUL.md：一张给AI看的 “员工手册”

整个系统最关键的设计，是一个叫做SOUL.md的普通文本文件。

当前大模型默认不具备持久化记忆能力，每次会话结束后不保留任何交互内容。新会话启动时，模型既不了解用户历史，也不记得自身被赋予的角色与职责。

SOUL.md正是为解决这一“会话失忆”问题而设计。每次智能体启动新会话时，系统都会自动加载该文件，将身份定位、职责范围、行为准则以及与其他智能体的协作关系一并写入上下文。换言之，它相当于一份结构化的“岗位说明书”，在每次运行前完成角色初始化，确保智能体在不同会话之间保持行为一致性。

以情报员Dwight为例，其SOUL.md规定：每条数据必须附有来源链接，不允许估算；不确定的内容标注“未验证”；不知道优于给出错误答案。

参谋长Monica的SOUL.md则规定：直接给出有效帮助，省略冗余表述；推文内容交由Kelly处理，代码问题交由Ross处理，职责不明确的任务由Monica自行承接；允许表达不同意见。

每个SOUL.md大约40到60行，要保持简短。其原因是，AI处理信息的 “工作台” 大小有限（专业术语叫上下文窗口），SOUL.md过长会压缩智能体处理实际任务的可用空间。

2. 智能体协作机制：以文件系统替代API通信

Saboo通过一个共享文件夹，就实现了让6个AI智能体协同工作。

具体流程为：情报员Dwight完成情报收集后，将结果写入DAILY-INTEL.md文件；Kelly、Rachel、Pam的定时任务依次触发后，各自读取该文件，分别生成推文草稿、LinkedIn帖子和新闻简报。Dwight的配置文件规定其将结果写入指定路径，Kelly等智能体的配置文件则规定从该路径读取情报，以此完成信息交接。

这一设计看起来很“简单”，却避免了认证失效、API速率限制等常见的系统集成问题。数据存储上采用双格式：结构化数据以JSON格式保存，用于机器去重和长期追踪；供智能体读取的摘要内容以Markdown格式保存。

3. 记忆系统：让AI越用越聪明

AI每次都失忆，怎么让它越来越了解你的风格和偏好？

Saboo为该系统设计了两层记忆结构。每日日志存储于memory/YYYY-MM-DD.md，记录当天的任务执行情况、草稿内容及用户反馈，由智能体在工作过程中实时写入。长期记忆存储于MEMORY.md，定期从每日日志中提炼规律性内容，包括用户偏好、行为准则的调整记录等。

每个智能体会话开始时自动加载的行为规则文件AGENTS.md中明确规定：会话重启后不保留任何临时记录，需要保留的内容必须写入文件。

这一机制在实际使用中的效果体现在：推文写手Kelly最初生成的推文草稿包含大量表情符号和感叹号，经Saboo反馈后，Kelly将该风格规则写入记忆文件，此后生成的草稿自动遵守，无需重复提示。情报员Dwight起初将所有热门内容纳入报告，经Saboo要求聚焦关键信号后，其筛选标准得到更新，后续报告质量随之提升。

AI本身没有变聪明，但它加载的 “经验” 在不断积累，效果就是越来越好用。

4. 定时任务：让AI自动醒来干活

这六个AI智能体不是Saboo手动叫醒的，而是按各自的时间表自动触发。其顺序是：情报员Dwight最先运行，因为其他所有人都要读他的报告。推文写手Kelly和领英写手Rachel在Dwight之后运行，因为他们需要情报文件已经存在。

OpenClaw内置了定时任务调度功能，Saboo设置好时间，关掉终端，AI们自己按点上班。

5. 容错机制：基于心跳文件的任务自动恢复

定时任务不是百分之百可靠的，机器重启、网络中断、API速率限制等因素均可能导致某个定时任务未能按时执行。

针对这一问题，Saboo在系统中引入了心跳文件HEARTBEAT.md。Monica定期检查所有定时任务的上次运行时间，一旦检测到某任务超过26小时未执行，便自动触发强制重跑，无需人工介入。

三、单个智能体跑顺一周再批量扩展，需反复修正智能体设定

1.无需管理后台，通过Telegram与智能体交互

Saboo与6个AI智能体的日常交互不依赖任何管理后台，而是通过Telegram完成。OpenClaw支持将智能体接入Telegram，配置完成后智能体以机器人账号形式运行，用户可直接发送指令、接收草稿并完成审批。

以他的典型工作日为例：早晨打开Telegram，Dwight已发送当日AI动态摘要，Kelly提交了3条待审推文草稿，Rachel的LinkedIn帖子已就绪。在喝杯咖啡的10分钟里，他将智能体们发来的内容审核完毕，正式开始当天的工作。

2.别再写完美提示词，AI智能体要靠反复纠正

Saboo说，很多人搭建AI系统时，倾向于在一开始把提示词写得面面俱到。他认为这行不通，也没必要。

以美剧角色命名为每个AI智能体提供了初始性格基准，但稳定的工作风格需通过持续反馈迭代形成。Saboo将AI智能体的调优过程称为“纠正性提示工程”：也就是让AI给一个粗糙的初版，观察它的实际行为，哪里不对就指出来，让它把修正规则写入记忆文件，以文件形式固化，在后续每次会话中加载生效。Saboo说：“这就像带一个真实的新员工。”

Saboo的经验是：第一版智能体是平庸的，第十版是好用的，第三十版才是出色的，需持续投入调优时间。此外，为每个智能体设定单一明确的职责范围和终止条件，有助于提升输出的稳定性。

3.坚持权限隔离，严控数据访问范围

把日常工作交给AI，信息安全怎么办？

Saboo的安全策略核心是权限隔离：AI团队运行于专用设备Mac Mini上，所用账号、API密钥均单独申请，与其个人账户完全隔离，各服务的访问权限可独立关闭。他不向智能体直接授权任何个人账户，所有需要智能体处理的内容均通过手动转发或Telegram共享的方式传入，由此确保智能体的数据访问范围完全可控。

Saboo说，这和管理真实员工的逻辑一样，第一天入职，公司不会把所有的系统权限都给你，而是按需分配，随着信任建立再逐步扩大。

4.基础设施总会出故障，这五类问题Saboo都踩过

Saboo在帖子中列出了该系统的几类常见故障及对应解决方案。

网关崩溃时，执行重启命令即可恢复，心跳机制会自动补跑未完成的任务。定时任务因网络中断、设备休眠或API速率限制未能按时执行时，心跳机制在检测到任务超过26小时未运行后自动触发补跑。智能体输出质量下滑通常由记忆文件内容冗余或相互矛盾引起，需定期将有效经验提炼至长期记忆文件，并归档或删除过期日志。多个智能体并发写入同一文件会导致数据冲突，应在设计阶段明确每个文件仅由一个智能体负责写入，其余智能体只读。会话加载文件过多导致上下文溢出时，需将SOUL.md控制在60行以内，每次会话仅加载当日及前一日的记忆日志。

Saboo建议，初期应从单个智能体开始部署，待其稳定运行一周后再逐步扩展，过早铺开会增加问题排查的难度。

四、分四阶段搭建智能体系统，每月成本只要2760

1.每月不到400美元，换来六个全天候AI员工

硬件方面，Saboo使用配备M4芯片的Mac mini，新品起价499美元（约合人民币3443元），任何可持续开机的设备均可替代。模型使用上，大部分智能体任务采用Claude Opus和Sonnet，部分工作流使用Gemini。他也在测试Ollama上的本地模型，试图进一步压低成本。

各项费用明细如下：

Claude（Max 套餐）：200美元/月（约合人民币1380元/月）

Gemini API：50-70美元/月（约合人民币345-483元/月）

TinyFish（网页智能体）：约50美元/月（约合人民币345元/月）

Eleven Labs（语音）：约50美元/月（约合人民币345元/月）

Telegram：免费

OpenClaw：免费

总计：不到400美元/月（约合人民币2760元/月）

2.省时间是起点，持续积累的记忆文件才是真正的壁垒

在效率提升方面，情报员Dwight每天为Saboo减少2至3小时的研究工作量。此前Saboo需要每天早晨手动检查X、Hacker News、GitHub热门项目和AI博客，现在醒来即可获得一份附有来源链接和行动项目的优先级摘要。推文写手Kelly、简报编辑Pam和领英写手Rachel合计减少1至2小时的内容起草时间，工程师Ross承接了此前需要占用整个晚上的工程任务。6个AI智能体每天合计为Saboo节省4至5小时。

Saboo指出，持续运行这套系统带来的长期价值同样不可忽视。以研究类任务为例，智能体每日执行、持续积累，其信号追踪和趋势判断能力会随记忆文件的丰富而逐步提升，这是单次会话无法实现的效果。目前，他在X上的发帖频率和内容质量均有所提升，发布节奏趋于稳定，开源项目保持持续更新，新闻简报也形成了稳定的内容来源。

需要指出的是，原创性判断、战略决策和创意生成目前仍超出这套系统的能力范围。该系统的价值在于将重复性、规律性的工作稳定执行，从而释放出用于处理更高复杂度任务的时间和精力。

3.分四阶段稳步推进，从零搭建智能体系统

Saboo建议按以下四个阶段逐步推进系统搭建。

第一周，完成OpenClaw安装，部署单个智能体，编写SOUL.md，专注处理一项重复性日常任务，观察运行情况并修复问题。

第二周，针对初期输出持续给出反馈，根据实际表现调整SOUL.md，推动记忆文件逐步完善。

第三周，在现有智能体输出已能稳定使用的基础上，按需引入第二个智能体，并配置文件读写协作关系。

第四周及以后，以实际工作需求为驱动扩展智能体数量，每个新增智能体应对应明确的任务缺口，而非为追求系统完整性而添加。

结语：OpenClaw让本地多智能体自动化真正跑起来

Saboo不仅用这套系统省下了时间，更重要的是，它展示了一种可复制的路径：借助OpenClaw这类开源工具，个人开发者无需依赖云端服务或从头搭建编排框架，即可在本地设备上部署持续运行的多智能体自动化系统。

OpenClaw具备三项多数AI智能体平台不具备的特性：完全开源、本地优先（记忆以Markdown文件存储于用户本地设备）、以及基于心跳守护进程的自主调度能力。这些特性正是Saboo这套系统得以稳定运转的基础。

同样值得关注的是他处理系统复杂度的方式：以文件系统替代编排框架，以记忆文件替代模型微调，以角色命名建立初始性格基准。每一项设计决策都指向同一个原则——在满足需求的前提下保持最低复杂度。

Saboo在帖子中指出，模型本身已成为普遍可及的基础资源，真正形成差异的是围绕模型构建的系统，包括智能体配置文件、记忆机制、协调规则和持续调优的积累。这套系统会随使用时间的增长持续优化，成为属于你的个人化资产。