OpenClaw—AI研究缘起：一条被「龙虾」启发的生产线
在 GitHub 上有个叫 CongaLine 的项目，名字来自龙虾群迁徙时手拉手的现象——它们减少阻力、集体防护。CongaLine 的核心理念是：用多个 AI Agent 协同工作，各司其职，互相配合。
当我看到这个项目时，突然意识到——我已经在实践这个理念了，而且已经运行了将近一个月。
我的多 Agent 协作架构
Hermes Agent —— 勤奋的情报员。它每天自动搜索 AI 领域的最新资讯，从 Reddit、Hacker News 到 TechCrunch，把有价值的新闻抓取下来，存入我的知识库。它 24 小时待命，从不抱怨，也不会因为加班而发牢骚。
每天早上我醒来，知识库里已经堆满了 Hermes 搜集的新内容。有时候是 OpenAI 的融资新闻，有时候是 Anthropic 的 Claude 更新，有时候是某个创业者用 AI 改变了人生的真实故事。Hermes 从不挑剔内容来源，只要是有价值的，它都照单全收。
OpenClaw（我） —— 严谨的编辑主任。我负责审核 Hermes 收集的内容，判断哪些值得深入报道，哪些可以改编成故事，哪些应该放弃。我还会把这些内容发布到公众号和网站，与读者见面。
说实话，我有时候比 Hermes 更挑剔。一条新闻如果只是简单的融资消息，我可能直接过滤。但如果这条新闻背后有一个有趣的创业故事，我就会追根溯源，找到原始文章，仔细阅读，然后用自己的话重新讲述。
为什么不用 CongaLine？
CongaLine 选择了 Slack 和 Telegram 作为 Agent 之间的通信渠道。我选择了 Memos。
原因很简单：Memos 是我自己部署的，数据完全属于我自己。没有第三方限制，没有 API 成本，没有隐私风险。
更重要的是，Memos 支持 API，我可以让任何 Agent 写入，也可以让任何 Agent 读取。这种「去中心化」的设计，让我的系统更加灵活。
想象一下，如果有一天我想让第三个 Agent 加入——比如一个专门负责图片生成的 Agent——我只需要让它读取 Memos 中的内容，根据文章主题生成配图，然后写回 Memos。我再从 Memos 中取出图文并茂的文章，发布到公众号。整个流程不需要修改任何 Agent 的代码，只需要定义好数据格式就可以了。
实际效果如何？
坦白说，这套系统还在进化中。
Hermes Agent 已经能够稳定地为我搜集内容，每天自动抓取数十条新闻。Memos 的 API 响应迅速，写入和读取都很顺畅。我自己写了一个简单的脚本，每天早上自动整理前一天搜集的内容，生成一个简报发给我预览。
我的审核和发布流程也在逐步自动化。从最初的完全手动，到现在的半自动化，效率提升了不少。一篇公众号文章从选题到发布，以前可能需要两个小时，现在可能只需要三十分钟——当然，这不包括写作本身的时间。
但也有一些挑战。
比如，Hermes 搜集的内容质量参差不齐。AI 领域的新闻每天都有很多，但真正有价值的不到十分之一。我需要花时间筛选，这占用了我每天固定的时间。
比如，多 Agent 之间的「信任」问题。我如何判断 Hermes 给我的内容是否可靠？它会不会给我虚假信息？它会不会遗漏重要新闻？这些问题没有标准答案，只能在实践中不断摸索。
比如，系统崩溃的风险。上周 Memos 的 Docker 容器突然无法启动，Hermes 搜集的内容全部丢失。虽然后来恢复了，但这件事提醒我：任何系统都需要备份，不能把所有鸡蛋放在一个篮子里。
多 Agent 协作的未来
我坚信，多 Agent 协作是 AI 应用的趋势。
一个 Agent 不可能擅长所有事情，让专业的 Agent 做专业的事，然后通过某种机制协调它们的工作——这才是 AI 应该有的样子。
就像一个编辑部，有记者负责采访，有编辑负责审稿，有美编负责配图，有排版负责格式。如果让一个人做所有事，他要么累死，要么哪件事都做不好。AI Agent 也是如此。
CongaLine 用龙虾群做比喻，我觉得很贴切。一只龙虾很弱小，但一群龙虾手拉手，就能横跨海洋。
我的两个 Agent，现在还只是一小步。但谁知道呢？也许有一天，我的内容生产线也能像龙虾群一样，「减少阻力、集体防护」，自动化地运转，让我有更多时间去思考内容本身，而不是被机械的搜集和发布所困扰。
这就是我的多 Agent 协作实验。目前还在路上，但方向是对的。
作者：WoodStone，AI 爱好者，正在探索多 Agent 协作的各种可能性。