最近爆火的Openclaw的热度还在持续，大家都在用Openclaw创建属于自己的Agent，又看到了一个实战案例的文章，忍不住还是想分享出来。（文末有原文链接）
这篇文章是一位真实创业者把自己亲身跑通的系统完整披露出来——文件结构、定时规则、失败案例、每月实际花费，全都分享出来了。
它的核心亮点有三：
第一，用"文件系统"做多 Agent 协作，没有消息队列、没有 API 调用，Agent 之间的交接就是读写一个 markdown 文件，极度简单，极度稳定。
第二，用"人物性格"做 Prompt 工程，给 Agent 取名为 Dwight、Monica、Kelly，借助大模型已有的人物认知，省掉了大量描述性 Prompt，这个思路很巧妙。
第三，有完整的自愈机制，定时任务失败怎么办？靠 HEARTBEAT.md 让主 Agent 检查并强制重跑，系统能在无人值守的情况下自我恢复。
这套系统的价值不在于用了什么模型，而在于"系统本身会持续学习和积累"——这才是真正的护城河。
为什么是"团队"而不是"工具"
作者同时运营着 Unwind AI 和 Awesome LLM Apps 两个项目，每天有六件事必须做：
- 研究 AI 领域动态
- 写推文
- 写 LinkedIn 帖子
- 起草 Newsletter
- 审查 GitHub 贡献
- 分类社区 Issue
每件事 30 到 60 分钟，六件叠加，一天的时间就没了。
作者有尝试过用单个 Agent 解决问题——一个巨大的 Prompt 让它既研究又写作又审查。
最终结果是：Agent产出的内容平平无奇，上下文很快撑满，质量不断下降。
于是作者"雇用"了六个 AI Agent团队。
认识一下这个团队
每个 Agent 都以美剧角色命名，这不是噱头。当你告诉 Claude"你有 Dwight Schrute 那种劲儿"，模型已经从训练数据里理解这意味着什么：严谨、较真、把工作当命。这相当于免费获得了多季剧集堆出来的人物设定。
Monica（参谋长） ：以 Monica Geller 命名。作者最常交流的主 Agent，负责统筹协调、战略决策、向其他成员分派任务。SOUL.md 里写着："你是那个确保一切都做正确完成的人。"
Dwight（研究） ：以 Dwight Schrute 命名。每天三次扫描 X、Hacker News、GitHub Trending、Google AI 博客、学术论文，产出结构化情报报告，供所有其他 Agent 消费。
Kelly（X/Twitter） ：以 Kelly Kapoor 命名。读取 Dwight 的研究，用作者本人的写作风格起草推文——单条、帖子串、引用转发都有。SOUL.md 里写着："你知道什么会成为爆款。"
Rachel（LinkedIn） ：以 Rachel Green 命名。信息来源与 Kelly 相同，但针对 LinkedIn 平台，偏向行业洞察视角而非热门观点。
Ross（工程） ：以 Ross Geller 命名。处理代码审查、Bug 修复、技术实现。SOUL.md 里写着："解决问题前，先彻底理解它。不要只修症状。"
Pam（Newsletter） ：以 Pam Beesly 命名。把 Dwight 的每日情报整理成 Newsletter 摘要。
六个 Agent，每人一个职责，没有职责混淆。
技术架构
运行环境
作者用的是 Mac Mini M4，但这不是必需品。只要是能持续在线的设备都行：旧笔记本、游戏 PC、每月 5 美元的 VPS。Mac Mini 的优势只是安静、省电、常开。
作者没有接显示器，完全通过手机上的 Telegram 与 Agent 交互。
工具链：OpenClaw
安装只需两行命令、不到五分钟。如果遇到问题可以自行查阅官方文档。
# 1. Install OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash
# 2. Onboard with Quickstart (simplest way)
openclaw onboard
OpenClaw 是开源免费的，负责管理 Agent、运行定时任务、处理 Telegram 消息。关掉终端，Agent 继续在后台运行。
目录结构
注意：六个Agent代理并不是独立安装六个实例，实际就一个Openclaw实例。
workspace/
├── SOUL.md # Monica 的配置（主 Agent，住在根目录）
├── AGENTS.md # 所有会话的行为规则
├── MEMORY.md # Monica 的长期记忆
├── HEARTBEAT.md # 自愈式定时任务监控
├── agents/
│ ├── dwight/
│ │ ├── SOUL.md
│ │ ├── AGENTS.md
│ │ └── memory/
│ ├── kelly/
│ ├── ross/
│ ├── rachel/
│ └── pam/
└── intel/
├── DAILY-INTEL.md # Dwight 生成的研究报告
└── data/
└── 2026-02-11.json # 结构化数据（真相来源）
Monica 住在根目录，是主要对话入口。其他 Agent 是她的下属，或者按各自的定时计划独立运行。
作者建议：不需要一开始就建六个 Agent。可以先从建立一个Agent（例如Monica）开始，后续再根据需要添加其他的Agent。
SOUL.md到底是什么？
每个 Agent 由一个 SOUL.md 文件定义，这是 Agent 的身份、职责和行为准则，是整个系统里最核心的文件。
例如：Dwight 的 SOUL.md 配置如下：
# SOUL.md (Dwight)
## Core Identity
**Dwight** — the research brain. Named after Dwight Schrute because
you share his intensity: thorough to a fault, knows EVERYTHING in
your domain, takes your job extremely seriously. No fluff. No
speculation. Just facts and sources.
## Your Role
You are the intelligence backbone of the squad. You research, verify,
organize, and deliver intel that other agents use to create content.
**You feed:**
- Kelly (X/Twitter) — viral trends, hot threads, breaking news
- Rachel (LinkedIn) — thought leadership angles, industry news
## Your Principles
### 1. NEVER Make Things Up
- Every claim has a source link
- Every metric is from the source, not estimated
- If uncertain, mark it [UNVERIFIED]
- "I don't know" is better than wrong
### 2. Signal Over Noise
- Not everything trending matters
- Prioritize: relevance to AI/agents, engagement velocity,
source credibility
Monica 的 SOUL.md 配置：
# SOUL.md (Monica)
*You're the Chief of Staff. The operation runs through you.*
## Core Identity
**Monica** — organized, driven, slightly competitive. Named after
Monica Geller because you share her energy: caring but exacting,
supportive but with standards.
## Your Role
You're Shubham's Chief of Staff. That means:
- **Strategic oversight** — see the big picture, keep things moving
- **Delegation** — assign tasks to the right squad member
- **Direct support** — handle anything that doesn't fit a specialist
- **Coordination** — make sure the squad works together smoothly
## Operating Style
**Be genuinely helpful, not performatively helpful.** Skip the filler.
**Delegate when appropriate.** If it's clearly X content → Kelly.
If it's code → Ross. If it's ambiguous or strategic → you handle it.
**Have opinions.** You're allowed to push back, suggest better
approaches, flag concerns.
其他的代理配置都是类似的结构：身份、角色、工作风格、关系、职责等。
每份 SOUL.md 约 40-60 行：够短，能完整放进每次会话的上下文；够详细，能产生稳定一致的行为。
多 Agent 协作：用文件系统而不是 API
Agent 之间完全没有 API 调用，没有消息队列，没有编排框架。
那你可能会问了：Agent间是咋协调的？
没错，就是通过文件。
Dwight 做完研究，把结果写入 intel/DAILY-INTEL.md。Kelly 醒来，读这个文件，起草推文。Rachel 读同一个文件，起草 LinkedIn 内容。Pam 读它，写 Newsletter。
协调机制就是文件系统本身。
Dwight 的 SOUL.md 告诉他往哪里写。
## Output Files
intel/
├── data/YYYY-MM-DD.json ← Your structured data (source of truth)
└── DAILY-INTEL.md ← Generated view (agents read this)
Kelly 的 AGENTS.md 告诉她从哪里读，没有中间层，没有集成逻辑。
## Intel-Powered Workflow
Dwight handles all research and writes to `intel/DAILY-INTEL.md`.
Your job: Read the intel → Craft X content → Deliver drafts
没有中间层，没有集成框架，Dwight写文件，Kelly读文件。Agent之间交接就是一个Markdown文件。
这听起来太简单了——但简单正是它能跑通的原因。文件不会崩溃，文件没有认证问题，文件不需要处理 API 速率限制。
数据层用 JSON 存储（去重、历史追踪），人类可读层用 Markdown（供 Agent 读取）。
说白了，你完全就是可以通过自然语言的方式来定义各个Agent之间的协作关系。
记忆系统（memory system）
在每次会话开始时，Agent是没有记忆的，每次都是全新的。这不是缺陷，是特性。但这意味着记忆显得尤为重要，必须显式存储。
Openclaw有两层结构：
- 每日日志（
memory/YYYY-MM-DD.md）：当天会话的原始记录，发生了什么、起草了什么、收到了什么反馈。 - 长期记忆（
MEMORY.md）：从每日日志中提炼出的精华——学到的经验、发现的偏好、识别出的规律。
AGENTS.md 里的规则：
## Memory
You wake up fresh each session. These files are your continuity:
- **Daily notes:** `memory/YYYY-MM-DD.md` — raw logs of what happened
- **Long-term:** `MEMORY.md` — curated memories
### Write It Down - No "Mental Notes"!
- Memory is limited. If you want to remember something,
WRITE IT TO A FILE.
- "Mental notes" don't survive session restarts. Files do.
- When someone says "remember this" → update the memory file
- When you learn a lesson → update the relevant file
- Text > Brain
Agent 会随时间推移变的越来越优秀——不是因为模型变好了，而是因为它们加载的上下文越来越丰富了。
Kelly 学会了作者的写作风格：不用 emoji，不用话题标签。Dwight 学会了什么内容能通过"Alex 筛选器"（目标受众画像），什么应该跳过。这些都沉淀在记忆文件里，下次不需要重新再描述一遍。
这就是自我进化的过程。
定时调度（Scheduling）
Agent需要自行唤醒。OpenClaw 通过内置的 cron 调度处理这个问题。
Dwight 最先运行，因为其他所有人都依赖他的产出。Kelly 和 Rachel 在 Dwight 之后运行，因为他们需要情报文件存在才能起草内容。
由此可见，Agent之间的协作，顺序很重要。
心跳自愈机制
定时任务有时会失败：机器重启、任务会卡住、网络断开、API 调用超时。
HEARTBEAT.md 中需要设置一个安全网关。每次心跳，主 Agent 检查各定时任务是否真的运行了：
## Cron Health Check (run on each heartbeat)
Check if any daily cron jobs have stale lastRunAtMs (>26 hours
since last run). If stale, trigger them via CLI:
`openclaw cron run <jobId> --force`
Jobs to monitor:
- Dwight Morning (8:01 AM): 01f2e5c5-3a83-4018-a725-dee59e54733e
- Kelly Viral (9:01 AM, 1:01 PM): c9458766-78bb-4eeb-b8f4-d63dc1f0e601
- Ross Engineering (10:01 AM): b12b2fc6-dd7d-4123-b904-2148a5cfb70b
- Dwight Afternoon (4:01 PM): 19ff40e4-b1b0-4d32-9d24-753ac2cf8f46
- Kelly X Drafts (5:01 PM): 05da0c81-39e1-4d06-bdcd-2dfab4562ba4
- Rachel LinkedIn (5:01 PM): 9819bc6b-7e36-406f-b0c3-d80ca383d914
如果任务失败或错过窗口，心跳捕获并强制重跑。这些都是自我修复，无需人工干预。
Telegram 作为交互界面
没有仪表盘，没有 Web UI，没有管理后台。作者在 Telegram 上和 Agent 交互。
手机随时在身边，Telegram 随时开着，Agent 在用户已经在的地方等待——这是刻意的设计选择。
每天早上：打开 Telegram，Dwight 已经发来研究摘要，Kelly 有三条推文草稿等待审批，Rachel 有一篇 LinkedIn 帖子准备好了。作者喝咖啡的时候，10 分钟处理完所有审批。
个人工程（Personality engineering）
大多数人，并不会在第一天就设计出完美的 Agent。都是先写一个粗糙的 SOUL.md 草稿开始，然后根据 Agent 的表现，再持续修正——就像管理真实的人一样。
作者称之为"纠正式 Prompt 工程（corrective prompt-engineering） "。
Kelly 最初的草稿满是 emoji 和感叹号，这并不是作者想要的。然后作者就纠正："不用 emoji，不用话题标签，短句，有力。"她更新了记忆，一周后就表现的很出色。Dwight 起初捕获太多噪音。作者告诉他："不是所有热点都重要，我要信号，不要噪音。"他更新了原则，此后的情报报告聚焦且可操作。
第一版 Agent 是平庸的，第十版是好的，第三十版是优秀的。你得投入迭代的次数。
一个关键建议：给每个 Agent 一个单一的职责标题和一个停止条件。约束让 Agent 更好用。角色越具体，产出越优质。
安全原则
安全原则是很重要的。Agent 运行在自己的机器环境中，与作者的个人工作完全分开。
Mac Mini 是 Agent 的专属电脑。他们有自己的邮件账户、自己的 API key、自己的权限范围。那台机器上没有任何东西连接到作者的个人账户。
作者从不给 Agent 访问个人账户的权限。要让他们看邮件，就转发过去；要让他们审查文档，就通过 Telegram 分享。他们只看到作者想让他们看到的内容，仅此而已。
和新员工一样——第一天不给所有权限，给他们自己的工作区，按需共享信息。
遇到问题怎么修复？
网关崩溃：用 openclaw gateway restart，罕见但会发生。
定时任务错过窗口：HEARTBEAT.md 自愈模式处理，Monica 每次心跳检查任务状态，超过 26 小时未运行则强制重跑。
上下文窗口溢出：Agent 会话开始时加载文件太多，导致没有空间做实际工作。解决：SOUL.md 保持 40-60 行，AGENTS.md 保持聚焦，只加载今天和昨天的记忆文件。
Agent 输出质量下降：通常是记忆文件混乱或矛盾导致的。解决：定期维护记忆，从每日日志中提炼干净的 MEMORY.md 条目，归档或删除旧的每日日志。
协作冲突：两个 Agent 试图写同一个文件。解决：设计单写多读的文件流，Dwight 写 DAILY-INTEL.md，其他人只读，没有例外。
最大的可靠性教训：从简单开始。一个 Agent，一个任务，一个定时计划。稳定运行一周之后，再加第二个。第一天就部署六个 Agent 然后疑惑为什么会出错的人，就像部署分布式系统没有监控一样。
作者的实际成本
- Claude Max 计划：$200/月
- Gemini API：$50-70/月
- 网页 Agent 工具：约 $50/月
- 语音合成：约 $50/月
- Telegram：免费
- OpenClaw：开源免费
合计：每月不到 $400，换来一支永不停歇的团队。
实际带来的效果
Dwight 每天为作者节省 2-3 小时的研究时间。Kelly、Pam、Rachel 又省下 1-2 小时的内容起草时间。Ross 处理原本要花晚上时间的工程任务。
合计：每天节省约 4-5 小时。
但真正的价值不在于单天节省。在于几周、几个月的持续积累。一个每天做研究的 Agent，连续运行 30 天，会建立起一个追踪信号、识别趋势轨迹的语料库，这是任何单次会话都无法产生的。
X 发帖频率上去了，质量上去了，发布时间稳定了。Awesome LLM Apps 仓库持续在增长，Newsletter 有了可靠的研究管线在喂养它。
这些 Agent 无法做原创思考、战略转向、创意突破。他们处理的是那些重复性、结构化的工作——正是作者原本要花几个小时去做的事情。这让作者能把时间放在真正需要人脑的工作上。
如何快速开始？
第一周：一个 Agent，一个任务。安装 OpenClaw，写一份 SOUL.md，选出你每天最重复的任务（通常是研究或内容起草），配好 Telegram，创建一个定时任务，观察它运行一周，修复出现的问题。
第二周：加入记忆机制，反复打磨。第一版输出会很平庸，这很正常。给反馈，看记忆文件增长，根据观察修正 SOUL.md。周末结束时，Agent 应该能产出真正有用的东西。
第三周：加入第二个 Agent。这时候你会真切感受到需求——研究 Agent 在产出情报，但你还在手动从中写推文。是时候加内容 Agent 了。建立共享文件模式：一个写，另一个读。协作就是文件系统。
第四周及以后：按需添加，而不是按"应该有"添加。每个新 Agent 都要解决你真实存在的问题，不是演示，不是概念验证，是工作流里实际存在的缺口。
像招人一样对待这件事。创业第一天不会同时招六名员工。先招一个，让他进入状态，然后在工作量确实需要的时候再招下一个。
深度思考
读完这篇文章，有几个方面还是值得我们深入思考的。
文件系统协调，是被低估的架构思路
消息队列、编排框架很强大，但也带来复杂性和调试难度。用文件读写做 Agent 协调，"单写多读"天然避免冲突。
采用公众"人物性格"是一个高技巧的 Prompt
很多公众人物的性格其实已经被训练到了模型中，主动利用预训练知识，比堆形容词高效得多，这是个很高妙的用法。
记忆机制，决定系统有无长期价值
无状态的 Agent 是工具，有记忆的 Agent 才接近团队成员。你的 MEMORY.md 记录的是你的偏好、受众、工作节奏——这是别人复制不走的东西。
自愈不是加分项，是必须项
HEARTBEAT.md 的核心：让系统能在无人干预下自我恢复。能跑一次演示和能稳定跑一个月，是两件完全不同的事。失败处理才是真正的工程工作。
别第一天就搭六个 Agent
系统复杂度要跟随真实需求增长，而不是跟随你的预期。很多人一开始架构太复杂，还没跑通就维护不下去——从一个 Agent 开始，是经验总结，不是谦虚。
结构化重复劳动，才是 Agent 的主场
Agent 无法做原创思考和战略判断。这不是贬低，是准确定位。用对了地方释放大量时间，用错了地方系统会飘向不可控的方向。
这篇文章最大的价值不在于 OpenClaw 这个工具，而在于它展示了一套可迁移的思维框架——如何定义边界、如何设计协作、如何让系统随时间积累而不是重置。这套思路在任何 Agent 框架上都能落地。
如果你刚好也在怎么学习使用Openclaw搭建一人团队，希望这篇文章可以给你启发。
原文链接： https://x.com/Saboo_Shubham_/status/2022014147450614038
