我，花2700元，用OpenClaw養了支24小時運轉的AI團隊，秘籍都在這了

編譯 陳佳
編輯 程茜

智東西3月5日消息，近日，谷歌高級AI產品經理Shubham Saboo公開了一套已穩定運行一個月的多智能體自動化系統。不同于停留在演示階段的AI智能體方案，這套系統基于開源平臺OpenClaw搭建，每天真實承接他的六項日常工作：AI動態研究、推文撰寫、領英內容生產、新聞簡報編輯、代碼審查及社區事務處理。

這支由6個AI智能體組成的團隊在他睡覺時自動運轉，Saboo本人只需在早晨喝咖啡的10分鐘里過一遍審批，就能每天騰出4至5小時來專注真正需要人腦的事務。

Saboo還以不同的美劇主角為他的6個AI智能體命名。6個AI智能體，6個崗位；職責分明，各司其職。

這套系統通過SOUL.md人設文件定義每個AI智能體的身份與行為準則，以共享文件系統替代復雜的API通信框架，并借助雙層記憶機制持續積累用戶偏好。

值得關注的是，Saboo構建的整套系統僅用一臺普通電腦即可部署運行，月成本不到400美元（約合人民幣2760元）。

Saboo是編程社區Unwind AI創始人，該平臺幫助6000+訂閱者每天僅需三分鐘就學會構建大模型、RAG和Agent應用。此外，他還創建了熱門的GitHub倉庫Awesome LLM Apps，該倉庫專門收錄各類大模型應用案例，是目前最受歡迎的AI應用實戰教程集合之一，在GitHub上的star數已達到99.5k。

▲谷歌高級AI產品經理Shubham Saboo（圖源：領英）

他在X上發布的這篇長文，詳細披露了基于OpenClaw搭建這套系統的完整思路、文件結構、實際成本和踩過的坑，獲得超100萬次瀏覽。

▲Shubham Saboo在X平臺的推文截圖

一、基于OpenClaw打造多角色智能體協作系統，6個Agent各司其職

在日常工作中，Saboo每天必須完成六件事：追蹤AI領域最新動態、寫推文、寫領英帖子、給訂閱用戶出新聞簡報、審查開源項目的代碼貢獻、處理社區問題。每件事看似不大，卻各需30到60分鐘。

Saboo最先嘗試的解法是用一個AI智能體包辦一切。他把提示詞給智能體，讓它既研究、又寫作還審查，但輸出質量并不樂觀。一個AI智能體無法同時勝任六種不同的工作。

Saboo基于OpenClaw構建了6個Al智能體，并以不同的美劇主角為其命名。這樣做的好處是，他只需要輸入名字，模型就能根據已有的數據提煉這個人的性格特點、做事風格。

在Saboo的AI團隊里，最核心的角色是Monica，她是Saboo每天打交道最多的AI。這位“參謀長”得名于《老友記》中的Monica Geller。她的職責是看全局、做統籌、把合適的任務派給合適的人，同時處理那些說不清楚歸誰管的事。

團隊情報員Dwight，以《辦公室》里的Dwight Schrute命名。他每天進行三次研究掃描，檢查X平臺、Hacker News、GitHub熱門項目、谷歌AI博客、學術論文，并撰寫結構化情報報告供其他所有AI智能體使用。

讀完Dwight的報告，第一個行動的是推文寫手Kelly。她取名自《辦公室》里的Kelly Kapoor，專門用Saboo的語氣和風格寫推文——單條推文、串推、引用推文，皆樣樣精通。她的個性定義SOUL.md里寫著：“趨勢還沒成趨勢，你就已經知道了。”

同樣的情報，到了領英帖子寫手Rachel那里，卻是完全另一種呈現。她以《老友記》里的Rachel Green命名，面向的是領英上的專業受眾——這里的人不看熱點，要看行業洞察和專業觀點，所以Rachel的寫法更沉穩，更像一個思想領袖在發言。

工程師Ross，命名來自《老友記》里的Ross Geller，負責代碼審查、Bug修復和技術實現。他的行為準則里寫著：“當你處理一個問題時，要完全理解它，不要只修復表象。”

簡報編輯Pam，以《辦公室》里的Pam Beesly命名。她把Dwight每天的情報報告轉換成新聞簡報，發給訂閱用戶。

二、整套系統靠一個文本文件驅動，一臺普通電腦即可搭建完整系統

Saboo構建的整套系統運行在一臺配備M4芯片的Mac mini上，但Saboo強調，這臺機器沒什么特別的，任何能持續運行的設備都行。他用配備M4芯片的Mac mini只是因為它小、靜音、不費電，方便而已。

他基于兩條命令在不到五分鐘的時間里安裝好了OpenClaw。下面是他構建上述6個AI智能體的操作過程：

1. SOUL.md：一張給AI看的 “員工手冊”

整個系統最關鍵的設計，是一個叫做SOUL.md的普通文本文件。

當前大模型默認不具備持久化記憶能力，每次會話結束后不保留任何交互內容。新會話啟動時，模型既不了解用戶歷史，也不記得自身被賦予的角色與職責。

SOUL.md正是為解決這一“會話失憶”問題而設計。每次智能體啟動新會話時，系統都會自動加載該文件，將身份定位、職責范圍、行為準則以及與其他智能體的協作關系一并寫入上下文。換言之，它相當于一份結構化的“崗位說明書”，在每次運行前完成角色初始化，確保智能體在不同會話之間保持行為一致性。

以情報員Dwight為例，其SOUL.md規定：每條數據必須附有來源鏈接，不允許估算；不確定的內容標注“未驗證”；不知道優于給出錯誤答案。

參謀長Monica的SOUL.md則規定：直接給出有效幫助，省略冗余表述；推文內容交由Kelly處理，代碼問題交由Ross處理，職責不明確的任務由Monica自行承接；允許表達不同意見。

每個SOUL.md大約40到60行，要保持簡短。其原因是，AI處理信息的 “工作臺” 大小有限（專業術語叫上下文窗口），SOUL.md過長會壓縮智能體處理實際任務的可用空間。

2. 智能體協作機制：以文件系統替代API通信

Saboo通過一個共享文件夾，就實現了讓6個AI智能體協同工作。

具體流程為：情報員Dwight完成情報收集后，將結果寫入DAILY-INTEL.md文件；Kelly、Rachel、Pam的定時任務依次觸發后，各自讀取該文件，分別生成推文草稿、LinkedIn帖子和新聞簡報。Dwight的配置文件規定其將結果寫入指定路徑，Kelly等智能體的配置文件則規定從該路徑讀取情報，以此完成信息交接。

這一設計看起來很“簡單”，卻避免了認證失效、API速率限制等常見的系統集成問題。數據存儲上采用雙格式：結構化數據以JSON格式保存，用于機器去重和長期追蹤；供智能體讀取的摘要內容以Markdown格式保存。

3. 記憶系統：讓AI越用越聰明

AI每次都失憶，怎么讓它越來越了解你的風格和偏好？

Saboo為該系統設計了兩層記憶結構。每日日志存儲于memory/YYYY-MM-DD.md，記錄當天的任務執行情況、草稿內容及用戶反饋，由智能體在工作過程中實時寫入。長期記憶存儲于MEMORY.md，定期從每日日志中提煉規律性內容，包括用戶偏好、行為準則的調整記錄等。

每個智能體會話開始時自動加載的行為規則文件AGENTS.md中明確規定：會話重啟后不保留任何臨時記錄，需要保留的內容必須寫入文件。

這一機制在實際使用中的效果體現在：推文寫手Kelly最初生成的推文草稿包含大量表情符號和感嘆號，經Saboo反饋后，Kelly將該風格規則寫入記憶文件，此后生成的草稿自動遵守，無需重復提示。情報員Dwight起初將所有熱門內容納入報告，經Saboo要求聚焦關鍵信號后，其篩選標準得到更新，后續報告質量隨之提升。

AI本身沒有變聰明，但它加載的 “經驗” 在不斷積累，效果就是越來越好用。

4. 定時任務：讓AI自動醒來干活

這六個AI智能體不是Saboo手動叫醒的，而是按各自的時間表自動觸發。其順序是：情報員Dwight最先運行，因為其他所有人都要讀他的報告。推文寫手Kelly和領英寫手Rachel在Dwight之后運行，因為他們需要情報文件已經存在。

OpenClaw內置了定時任務調度功能，Saboo設置好時間，關掉終端，AI們自己按點上班。

5. 容錯機制：基于心跳文件的任務自動恢復

定時任務不是百分之百可靠的，機器重啟、網絡中斷、API速率限制等因素均可能導致某個定時任務未能按時執行。

針對這一問題，Saboo在系統中引入了心跳文件HEARTBEAT.md。Monica定期檢查所有定時任務的上次運行時間，一旦檢測到某任務超過26小時未執行，便自動觸發強制重跑，無需人工介入。

三、單個智能體跑順一周再批量擴展，需反復修正智能體設定

1.無需管理后臺，通過Telegram與智能體交互

Saboo與6個AI智能體的日常交互不依賴任何管理后臺，而是通過Telegram完成。OpenClaw支持將智能體接入Telegram，配置完成后智能體以機器人賬號形式運行，用戶可直接發送指令、接收草稿并完成審批。

以他的典型工作日為例：早晨打開Telegram，Dwight已發送當日AI動態摘要，Kelly提交了3條待審推文草稿，Rachel的LinkedIn帖子已就緒。在喝杯咖啡的10分鐘里，他將智能體們發來的內容審核完畢，正式開始當天的工作。

2.別再寫完美提示詞，AI智能體要靠反復糾正

Saboo說，很多人搭建AI系統時，傾向于在一開始把提示詞寫得面面俱到。他認為這行不通，也沒必要。

以美劇角色命名為每個AI智能體提供了初始性格基準，但穩定的工作風格需通過持續反饋迭代形成。Saboo將AI智能體的調優過程稱為“糾正性提示工程”：也就是讓AI給一個粗糙的初版，觀察它的實際行為，哪里不對就指出來，讓它把修正規則寫入記憶文件，以文件形式固化，在后續每次會話中加載生效。Saboo說：“這就像帶一個真實的新員工。”

Saboo的經驗是：第一版智能體是平庸的，第十版是好用的，第三十版才是出色的，需持續投入調優時間。此外，為每個智能體設定單一明確的職責范圍和終止條件，有助于提升輸出的穩定性。

3.堅持權限隔離，嚴控數據訪問范圍

把日常工作交給AI，信息安全怎么辦？

Saboo的安全策略核心是權限隔離：AI團隊運行于專用設備Mac Mini上，所用賬號、API密鑰均單獨申請，與其個人賬戶完全隔離，各服務的訪問權限可獨立關閉。他不向智能體直接授權任何個人賬戶，所有需要智能體處理的內容均通過手動轉發或Telegram共享的方式傳入，由此確保智能體的數據訪問范圍完全可控。

Saboo說，這和管理真實員工的邏輯一樣，第一天入職，公司不會把所有的系統權限都給你，而是按需分配，隨著信任建立再逐步擴大。

4.基礎設施總會出故障，這五類問題Saboo都踩過

Saboo在帖子中列出了該系統的幾類常見故障及對應解決方案。

網關崩潰時，執行重啟命令即可恢復，心跳機制會自動補跑未完成的任務。定時任務因網絡中斷、設備休眠或API速率限制未能按時執行時，心跳機制在檢測到任務超過26小時未運行后自動觸發補跑。智能體輸出質量下滑通常由記憶文件內容冗余或相互矛盾引起，需定期將有效經驗提煉至長期記憶文件，并歸檔或刪除過期日志。多個智能體并發寫入同一文件會導致數據沖突，應在設計階段明確每個文件僅由一個智能體負責寫入，其余智能體只讀。會話加載文件過多導致上下文溢出時，需將SOUL.md控制在60行以內，每次會話僅加載當日及前一日的記憶日志。

Saboo建議，初期應從單個智能體開始部署，待其穩定運行一周后再逐步擴展，過早鋪開會增加問題排查的難度。

四、分四階段搭建智能體系統，每月成本只要2760

1.每月不到400美元，換來六個全天候AI員工

硬件方面，Saboo使用配備M4芯片的Mac mini，新品起價499美元（約合人民幣3443元），任何可持續開機的設備均可替代。模型使用上，大部分智能體任務采用Claude Opus和Sonnet，部分工作流使用Gemini。他也在測試Ollama上的本地模型，試圖進一步壓低成本。

各項費用明細如下：

Claude（Max 套餐）：200美元/月（約合人民幣1380元/月）

Gemini API：50-70美元/月（約合人民幣345-483元/月）

TinyFish（網頁智能體）：約50美元/月（約合人民幣345元/月）

Eleven Labs（語音）：約50美元/月（約合人民幣345元/月）

Telegram：免費

OpenClaw：免費

總計：不到400美元/月（約合人民幣2760元/月）

2.省時間是起點，持續積累的記憶文件才是真正的壁壘

在效率提升方面，情報員Dwight每天為Saboo減少2至3小時的研究工作量。此前Saboo需要每天早晨手動檢查X、Hacker News、GitHub熱門項目和AI博客，現在醒來即可獲得一份附有來源鏈接和行動項目的優先級摘要。推文寫手Kelly、簡報編輯Pam和領英寫手Rachel合計減少1至2小時的內容起草時間，工程師Ross承接了此前需要占用整個晚上的工程任務。6個AI智能體每天合計為Saboo節省4至5小時。

Saboo指出，持續運行這套系統帶來的長期價值同樣不可忽視。以研究類任務為例，智能體每日執行、持續積累，其信號追蹤和趨勢判斷能力會隨記憶文件的豐富而逐步提升，這是單次會話無法實現的效果。目前，他在X上的發帖頻率和內容質量均有所提升，發布節奏趨于穩定，開源項目保持持續更新，新聞簡報也形成了穩定的內容來源。

需要指出的是，原創性判斷、戰略決策和創意生成目前仍超出這套系統的能力范圍。該系統的價值在于將重復性、規律性的工作穩定執行，從而釋放出用于處理更高復雜度任務的時間和精力。

3.分四階段穩步推進，從零搭建智能體系統

Saboo建議按以下四個階段逐步推進系統搭建。

第一周，完成OpenClaw安裝，部署單個智能體，編寫SOUL.md，專注處理一項重復性日常任務，觀察運行情況并修復問題。

第二周，針對初期輸出持續給出反饋，根據實際表現調整SOUL.md，推動記憶文件逐步完善。

第三周，在現有智能體輸出已能穩定使用的基礎上，按需引入第二個智能體，并配置文件讀寫協作關系。

第四周及以后，以實際工作需求為驅動擴展智能體數量，每個新增智能體應對應明確的任務缺口，而非為追求系統完整性而添加。

結語：OpenClaw讓本地多智能體自動化真正跑起來

Saboo不僅用這套系統省下了時間，更重要的是，它展示了一種可復制的路徑：借助OpenClaw這類開源工具，個人開發者無需依賴云端服務或從頭搭建編排框架，即可在本地設備上部署持續運行的多智能體自動化系統。

OpenClaw具備三項多數AI智能體平臺不具備的特性：完全開源、本地優先（記憶以Markdown文件存儲于用戶本地設備）、以及基于心跳守護進程的自主調度能力。這些特性正是Saboo這套系統得以穩定運轉的基礎。

同樣值得關注的是他處理系統復雜度的方式：以文件系統替代編排框架，以記憶文件替代模型微調，以角色命名建立初始性格基準。每一項設計決策都指向同一個原則——在滿足需求的前提下保持最低復雜度。

Saboo在帖子中指出，模型本身已成為普遍可及的基礎資源，真正形成差異的是圍繞模型構建的系統，包括智能體配置文件、記憶機制、協調規則和持續調優的積累。這套系統會隨使用時間的增長持續優化，成為屬于你的個人化資產。