AI团队与“养虾”实践
同一件事优先让同一个Agent在连续上下文里推进;长期独立、偶尔交叉的工作,再拆成多只协作虾。
- 主Agent如何安排工作
- 从一只到多只的职责与工作区
- 记录、周报与人工改流程
它们看起来是不同项目,背后复用的是同一套能力:先把业务目标说清楚,再安排AI工作,设置检查点,并让经验能够进入下一轮。
同一件事优先让同一个Agent在连续上下文里推进;长期独立、偶尔交叉的工作,再拆成多只协作虾。
重点不在“一条提示词写完整本”,而在长篇故事如何持续推进、保持一致,并在关键节点主动暂停检查。
不展示敏感操作界面,也不把动画当成功能证据。先确认真实能力,再把复杂流程讲成普通人能看懂的内容。
我的强项是业务架构、流程架构和工具实践。AI负责执行和整理,人负责目标、边界、判断与最终放行。
这次到底要解决什么问题,最后交付什么。
允许参考什么,哪些事实需要单独核对。
让合适的Agent连续推进,必要时才拆分职责。
AI先自查,人再确认关键事实和外部影响。
记录错误和遗漏,再决定是否调整下一轮流程。
这些资料均为固定验证版,不宣称适配所有工具,也不保证效果。它们用于测试普通用户是否愿意为更清楚的AI工作方法付费。
9条白话起步模板,面向已经会使用AI、但经常不知道第一句话怎么说的普通用户。
交付:1份Markdown数字学习资料仅面向已有一只OpenClaw主Agent、并已自行决定开始1→2改造的用户。
不包含安装、注册和工具故障排查提供一条7天起步路径,用于尝试搭建第一个可复查的AI任务闭环,包含PDF指南和13个独立Markdown指令文件。
当前状态:假设 / 待验证我的工作背景更接近运营和产品实践:理解业务问题、拆解流程、安排工具、检查结果,再把有效做法沉淀下来。
OpenClaw、Codex、小说工厂和视频工程只是不同的执行环境。真正持续复用的,是如何把一个模糊想法变成能推进、能检查、能交付的项目。
这里分享的是正在发生的实践,不是事后包装出来的万能答案。