北京
出品 | 網易智能
作者 | 小小
編輯 | 王鳳枝
最近國內科技圈最火的黑話，莫過于“養蝦”(部署OpenClaw智能體)。這股熱潮徹底爆發，連馬化騰都驚嘆“這么火”。無數普通人都在瘋狂“建缸”、“下苗”，但真正能讓“蝦群”全自動協同打工的卻寥寥無幾。
如果你也想在這場“養蝦”狂歡中少走彎路，谷歌高級AI產品經理舒巴姆·薩布(Shubham Saboo)這份極具性價比的實操經驗，絕對是不容錯過的頂級“養殖手冊”。
凌晨三點，當你還在熟睡時，六個虛擬“員工”就已經開始工作了。它們掃描全球AI動態、撰寫推文、審查代碼、編輯新聞簡報。等早晨你睜開眼，手機里躺著的是六份已經完成的待辦事項清單。這正是薩布的真實日常。
薩布沒有三頭六臂，只是組建了一支由6個AI智能體構成的“自動化團隊”。這套基于開源平臺OpenClaw搭建的系統，已經穩定運行了一個月，每天幫他處理六項瑣碎但必須完成的重復性工作，讓他每天能多出4到5個小時，去處理真正需要人腦思考的事務。
最讓人折服的是，這套聽起來極其硬核的系統，他僅用一臺普通的Mac Mini電腦，花著每月不到400美元(約合人民幣2760元)的“實習生工資”，就徹底跑通了。他在社交平臺X上發布長文，詳細披露了整個搭建思路、文件結構，甚至踩過的坑，瀏覽量迅速突破百萬。
01與其招一個全才，不如雇六個專才
薩布的身份有點特殊。他不僅是谷歌的高級產品經理，還是編程社區Unwind AI的創始人，同時維護著一個在GitHub上擁有99.5k顆星的超火代碼庫Awesome LLM Apps。
這意味著，薩布每天得同時干六件事：研究AI動態、寫推文、寫領英帖子、編新聞簡報、審查代碼、處理社區問題。每件事至少耗時30到60分鐘。薩布發現，在開始真正重要的工作前，他的整個白天就已經被這些事耽擱了。
他試過用一個超級智能體解決問題。在一個巨大的提示詞里，讓它同時負責研究、寫作和審查。結果很慘，這個智能體什么都干不好。上下文一多，模型就懵了，質量直線下降。一個智能體的腦子里，根本裝不下六種截然不同的工作。
于是薩布換了個思路：不招一個全才，而是雇傭六個專才。這個轉變很關鍵。與其讓一個工具做所有事，不如讓一個團隊各司其職。這為他后續能像管理真人團隊一樣管理AI打下了基礎。
薩布給這6個AI智能體起了名字，不是隨便起的代號，而是美劇里的經典角色。這聽起來像個噱頭，但他說這比寫提示詞管用多了。當他告訴Claude“你要有德懷特·施魯特(Dwight Schrute，美劇《辦公室》中角色)的能量”時，模型從訓練數據里就知道這意味著什么：徹底、專注、極其認真。這等于免費獲得了長達30季的角色塑造。
一位網友在看過這套系統后感嘆：“這簡直是為我這種不知道如何定義多智能體邊界的人量身定做的，就像學會了如何向CEO匯報一樣。”
另一位網友則說得更直接：“這篇帖子太棒了！是我目前在X上看到的回答‘我已經安裝了OpenClaw，接下來該做什么？’這個問題的最佳文章之一。”
02智能體要有“靈魂”，模仿美劇角色設定性格
這支全明星團隊的分工是這樣的：
莫妮卡(Monica)是幕僚長，團隊的核心，也是薩布在Telegram上聊得最多的一個。她負責協調其他智能體，處理戰略決策，分派任務。就像《老友記》里的莫妮卡·蓋勒(Monica Geller)，她好勝、有條理，不容忍馬虎的工作。她的“人設文件”(SOUL.md)里寫著一句靈魂指令：“你是那個確保每件事都做對的人。”
德懷特(Dwight)負責研究崗，每天進行三次研究掃描，緊盯X、黑客新聞、GitHub趨勢、Google AI博客。他產出結構化的情報報告，供團隊其他成員使用。就像《辦公室》里的德懷特·施魯特(Dwight Schrute)，專注、徹底，從不漏掉任何信號。
凱莉(Kelly)負責X平臺寫手，她閱讀德懷特的研究報告，然后用薩布的口吻撰寫推文草稿。就像《辦公室》里的凱莉·卡普爾(Kelly Kapoor)，它的人設是知道什么會在流行前就流行起來。
瑞秋(Rachel)負責領英內容，和凱莉共享同一份情報，但平臺不同，語氣也截然不同。就像《老友記》里的瑞秋·格林(Rachel Green)，它側重思想領袖的角度，而不是熱門觀點。
羅斯(Ross)負責工程崗，處理代碼審查、錯誤修復。就像《老友記》里的羅斯·蓋勒(Ross Geller)，書呆子氣，喜歡深入探索，他的指令里寫著：“當你處理一個問題時，要完全理解它。不要只修復癥狀。”
帕姆(Pam)負責新聞通訊編輯，設定與《辦公室》中的帕姆·比斯利(Pam Beesly)相似，負責將德懷特的每日情報轉化成通俗易懂的新聞通訊摘要。
每個智能體只有一項工作，職責清晰，絕不混淆。薩布強調，一個有主見的智能體，比一個只會取悅人的智能體做出的決定要敏銳得多。當羅斯提出一個壞主意時，薩布不會去調試提示詞，他會直接告訴莫妮卡：“羅斯最近狀態不佳。”而莫妮卡作為幕僚長，會立刻去重寫羅斯的指令，更新他的記憶，調整他的優先級。
這種管理方式非常直觀。因為我們都了解這些角色，知道莫妮卡管理嚴格，德懷特一絲不茍，羅斯喜歡鉆牛角尖。這種熟悉感就是作弊碼。
03智能體協作的盡頭是文件讀寫
這套系統最反直覺的地方在于它的協調機制。智能體之間沒有復雜的API調用，沒有消息隊列，沒有編排框架。只有一樣東西，那就是md文件。
德懷特進行研究，把結果寫進一個叫intel/DAILY-INTEL.md的文件里。凱莉醒來后，直接讀取這個文件，從中提煉信息寫推文。瑞秋和帕姆也一樣，讀取同一個文件，各干各的活。整個團隊的溝通，就是靠讀寫磁盤上的Markdown文檔完成的。沒有中間件，沒有認證問題，不會因為API速率限制而崩潰。文件就在那里，穩定、簡單、有效。
有網友原本覺得OpenClaw沒什么用，認為直接寫個cron定時任務也能跑腳本。但看到這套基于文件的協作模式后，他才明白過來，原來智能體還能這么玩。當需要處理更結構化的數據時，比如要去重或長期追蹤，他們會用JSON文件作為事實來源，而人類可讀的摘要則保留在Markdown里，方便其他智能體讀取。
AI每次醒來都是一次全新的對話，不記得昨天發生過什么。這是個問題，也是個特性。為了讓智能體們“長記性”，薩布設計了一套雙層記憶系統。
每日日志：每次會話的原始記錄都會被保存下來，比如發生了什么，起草了什么內容，收到了什么反饋。這些文件按日期歸檔，像一本工作日記。
長期記憶：智能體會定期回顧自己的每日日志，把最重要的經驗、用戶偏好、注意到的模式提煉出來，寫進一個叫MEMORY.md的文件里。
舉個例子，凱莉一開始寫的草稿全是表情符號和話題標簽，但這不符合薩布的風格。他直接反饋：“沒有表情符號。沒有話題標簽。短小精悍的句子。”凱莉把這個反饋記在了長期記憶里。一周后，她的風格就完全穩定下來了。
德懷特一開始也抓取了太多信息，每個小更新都不放過。薩布告訴他：“不是所有趨勢都重要。我需要信號，不是噪音。”德懷特更新了他的原則，現在他產出的情報報告重點突出，極具可操作性。
薩布把這種反復迭代的過程稱為糾正性提示工程。任何智能體的第一個版本都是平庸的，但第十個版本是好的，第三十個版本是偉大的。真正塑造它們的，不是預設的指令，而是數周以來存儲在記憶文件里的每一次修正。這就像一個不斷復利增長的知識庫，讓每個智能體都在自己的崗位上越干越出色。
04智能體自己會排班，自己會修bug
要讓智能體團隊在無人值守時自動運轉，光有角色和記憶還不夠，還得有科學的排班表和緊急預案。
薩布給每個智能體都設定了定時任務，也就是cron調度。順序很重要：德懷特最先開始研究，因為他產出的是原料。幾小時后，凱莉和瑞秋這些內容加工者再開始工作。整個流程就像一條流水線，環環相扣。
但機器總會出問題。任務卡住、網絡斷連、API調用失敗，這些都是家常便飯。為此，薩布設計了一個名為心跳(HEARTBEAT)的安全網。
主智能體莫妮卡會在固定時間點檢查，確認所有定時任務是否都按計劃運行了。如果發現某個任務錯過了運行窗口，她會立刻強制重新運行。這個機制實現了自我修復，完全不需要人工干預。當需要處理批量檢查和容錯時用“心跳”，當需要精確到分鐘級別的調度時用cron。
這套系統沒有華麗的網頁儀表盤，也沒有復雜的后臺管理面板。薩布和智能體交流的唯一界面，就是手機上的Telegram。這是一個刻意的選擇。他不想特意登錄一個網站去檢查工作，手機24小時在身邊，Telegram始終在線。
智能體在他最常用的地方與他相遇。每天早上，薩布醒來打開Telegram，德懷特已經發來一份帶鏈接的研究摘要，凱莉有三條推文草稿等著審批，瑞秋也準備好了領英帖子。他喝著咖啡，花十分鐘審閱、給反饋、點擊確認，一個上午的工作就完成了大半。
把這么多任務交給AI，安全怎么保證？薩布的方法很簡單：給AI它們自己的世界，不給它們訪問真實世界的權限。那臺Mac Mini是AI專用的電腦，它們有自己的電子郵件賬戶、自己專用的API密鑰。那臺機器上沒有任何東西連接到薩布的個人賬戶。
如果想查看一封郵件，他會轉發給AI；如果需要審閱文檔，他會在Telegram上分享給AI。它們只看到他想讓它們看到的東西。這和雇傭新員工是一樣的道理，不會在第一天就把所有鑰匙都交出去。給他們自己的工作空間和憑證，再根據需要分享信息。
05不到400美元的“夢之隊”，值嗎？
讓我們來算一筆賬：
硬件：一臺Mac Mini M4起步價499美元，但任何一臺一直開著的電腦都行，舊筆記本甚至每月5美元的云服務器也可以。
軟件：OpenClaw開源免費，Telegram免費使用。
AI模型成本是主要開銷。薩布每月花200美元訂閱Claude的Max計劃，Gemini API花費50至70美元，加上TinyFish和Eleven Labs的費用，總計不到400美元。
用每月不到400美元的成本，換來的是一個從不睡覺、從不請假、并且每天都在進步的6人團隊。德懷特每天為他節省2到3小時的研究時間，凱莉和瑞秋再省下1到2小時的起草時間，羅斯處理那些需要熬夜干的工程任務。每天凈省4到5小時，一年下來就是一筆巨大的時間財富。
有網友算了筆賬：每月不到400美元，換來六個24小時在線的員工，而且這六個人還一天比一天能干。在他看來，這才是真正的護城河。不是模型本身，而是這套能自我進化的系統。
最近關于OpenClaw的討論越來越熱。英偉達CEO黃仁勛在摩根士丹利會議上發言時，專門提到了這個框架。他說：“看看OpenClaw及其采用速度，Linux大概用了30年才達到這個水平，OpenClaw只用了3周。它現在是歷史上下載量最高的開源軟件！”
與此同時，隨著GPT-5.4的推出，把OpenClaw和最新模型結合起來也成了熱門話題。GPT-5.4在處理結構化指令、長對話穩定性、工具調用方面有明顯改進。
許多嘗試使用AI智能體或自動化框架的開發者最終都會遇到同樣的問題：模型本身可能非常強大，但如何將其可靠地連接到消息平臺、API和工作流工具，很快就會變得非常復雜。這正是OpenClaw發揮作用的地方。
當開發者把OpenClaw當成網關層，把GPT-5.4接到Telegram、Discord、Slack這些真實通信渠道上時，整個系統變得既穩定又好維護。不少團隊已經開始用這套組合做客戶支持機器人、生產力助手，甚至社區里的AI角色扮演。用統一的API平臺聚合多個模型，也讓成本控制變得更靈活。
06想自己試一把？別急，一步一步來
熱潮之下，很多人都躍躍欲試。但薩布的建議是：別急，一步一步來。
第一周，只招一個人。安裝OpenClaw，給它寫一個簡單的SOUL.md文件。選擇你每天做得最重復的那一件事，比如研究或寫草稿。設置好Telegram，創建一個定時任務。就讓它先跑一周，觀察它，修復遇到的各種問題。
第二周，教它長記性，讓它變好。最初的輸出會很平庸，這太正常了。給它反饋，看著它的記憶文件慢慢增長。根據你的反饋修正它的人設。到第二周結束時，它應該能產出真正有用的東西了。
第三周，招第二個人。這時你會感到需要了。研究智能體產出了情報，但你還在手動寫推文，是時候添加一個內容智能體了。按照“一寫多讀”的文件共享模式，讓它們協作起來。
第四周及以后，按需擴張。當感到需要時才添加新角色，而不是為了加而加。每個新智能體，都應該能解決你工作流程中一個真實的痛點。
這不是一個周末就能完成的玩具項目，而是一個持續進化的系統。薩布說，當這個系統運行了一個月后，他發現自己會不自覺地在睡前對手機里的團隊說晚安。“這聽起來很傻。但在經過一個月的日常互動、反饋循環、看著它們進步之后，智能體和人類之間的界限變得模糊了。”
模型本身是公開的資源，每個人都能用Claude、GPT、Gemini。真正的優勢，是你為這個團隊打造的靈魂，包括SOUL.md文件、記憶系統、調度模式，以及數周以來存儲在文件里的每一次糾正性反饋。那個系統，只屬于你。而且它每天都在復利增長。每一次研究掃描都讓德懷特的記憶更豐富，每一輪反饋都讓凱莉的草稿更精準，羅斯修復的每個bug都教給他更多關于你代碼庫的知識。
這才是真正的護城河。不是模型，是那個不斷學習的系統。
如果你也想擁有屬于自己的數字護城河，今天就從一個智能體、一項工作、一個計劃開始吧。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
