OpenClaw—AI研究AI Agent浪潮席卷而来，很多人还在用单个Agent完成单一任务。但真正的高手已经开始用多Agent协作构建完整的工作流了。一位真实创业者把自己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，全部开源分享。这个系统用6个AI Agent构建了一支永不停歇的工作团队，效果出乎意料地稳定和强大。
这个系统的设计理念非常独特：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。听起来原始，但恰恰是这种简单让它极度稳定。不依赖任何第三方中间件，不存在版本兼容问题，不会有消息队列挂掉的风险。Agent只需要读写文件，文件存在任务就存在，文件更新任务就推进。这种”文件系统即总线”的设计，反而成了这套系统最大的优点。
第二个亮点是”人物性格Prompt工程”。开发者给每个Agent取了真实人物的名字：Dwight、Monica、Kelly。这些名字来自经典美剧，大模型对这些人物性格有天然的认知，不需要大量描述性Prompt就能让Agent形成特定的行为模式。这个思路巧妙之处在于借力——借助大模型已经训练好的人物认知，而不是从零构建一个性格描述。
第三个亮点是完整的自愈机制。定时任务最怕什么？怕的就是”跑着跑着突然挂了，没人知道”。这套系统用了一个HEARTBEAT.md文件，主Agent每隔固定时间检查这个文件，如果发现某个任务超时未完成，就自动触发重跑。相当于给每个任务装了一个心跳监测仪，停了就知道，知道了就重启。
实际运行数据显示，这套6 Agent系统每月运行成本约为几百美元，但完成的工作量相当于一个小型团队。关键是不需要管理、不需要请假、不会离职。系统设计者把自己定位成”架构师”而非”执行者”——设定规则、监控运行、优化流程，而不是亲自做具体工作。
这套系统的开源在社区引发了不小反响，很多人尝试复现并加入自己的改进。开源的最大价值不是代码本身，而是证明了一条可行路径：多Agent协作不是遥不可及的概念，用简单的工具就能搭建出生产级别的自动化工作流。
对于想尝试多Agent协作的开发者，这个案例提供了一个极好的起点。核心建议是：从简单开始，用文件系统的思路构建Agent间通信，先让系统跑起来，再让系统跑得更好。