小龙虾替代我96年,打工40天逆袭:9个文件躺赢

智东西
编译 程茜
编辑 心缘
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
6个智能体,从实习“小龙虾”成长为能独当一面的“龙虾军团”,究竟需要几天?
智东西3月11日消息,近日,谷歌海外知名AI科技博主、谷歌云高级AI产品经理Shubham Saboo在社交平台X上公开了自己为期40天的“养龙虾”秘籍,他利用OpenClaw部署了包含6个AI智能体的系统,7×24小时帮他打工。
“养龙虾”指的是部署、使用名为OpenClaw的开源AI智能体,因其图标是红色龙虾、英文名Claw意为钳子,因此网友便将训练它的过程戏称为“养龙虾”,本质是打造可自动执行办公、创作、编程等任务的AI智能体。
Saboo对比了这6个智能体第一天和第40天的执行任务效果。40天前,文本智能体写的推文充斥着表情符号和话题标签、研究智能体不会罗列有效信息,而Saboo往往需要花很多时间纠正他们,甚至比自己动手做这些任务还要费时间;40天后,文本智能体能完全用Saboo的语气写初稿、研究智能体会在每日清晨推送7篇高价值资讯,6个智能体全天候运转的效率极高。
值得注意的是,这40天内,Saboo没有调整提示词、没有更新模型、没有重建架构,他只负责给出反馈,再看着智能体们把这些反馈记下来形成Markdown文件,然后自主学习、持续迭代。
整个系统以Markdown文件为核心,分为身份层、操作层、知识层三层架构。智能体不需要复杂的调度框架、消息队列、数据库,就可以通过Markdown文件系统本身进行整合。

▲基于OpenClaw构建智能体系统的架构(智东西制图)
Saboo还罗列了开发者部署智能体系统的教程,每个时间阶段应该执行的任务清单:

▲基于OpenClaw部署智能体系统的执行流程(智东西制图)
一、身份层:为智能体写简历、做名片,写一次就能让全智能体对齐意图
身份层需要定义的是这个智能体是谁,对应文件是SOUL.md、IDENTITY.md、USER.md。
SOUL.md定义智能体是谁、做什么、如何行动。以研究智能体Dwight为例,Saboo对Claude说“你浑身散发着Dwight Schrute(电视角色名)的气息”时,Claude可以调用训练数据明白Dwight的个性是专注投入、对工作极其认真负责。

▲研究智能体Dwight的部分SOUL.md截图
此外,Saboo还提到SOUL.md文件要控制在60行以内,只需包含身份、角色、原则、协作关系、整体风格。因为智能体每次会话都会加载SOUL.md,如果太长会挤占本该用于实际工作的上下文空间。
具体的操作方式是先从一个智能体开始,选你每天重复最多的那件事写个粗略框架。然后在接下来的一个月里,根据实际效果,将这个框架不断重写十遍以上。

▲SOUL.md入门模版
SOUL.md代表智能体完整的人格,那IDENTITY.md代表的就是智能体的名片,其包括姓名、角色、气质和一句精辟的自我介绍。

▲IDENTITY.md模版
每个智能体都必须知道自己在为谁服务,USER.md(智能体的服务对象)里会包含用户的偏好、背景,以及决定智能体行为方式的所有上下文。这个文件只需写一次,因为所有智能体都会读取。
Saboo称,这些个人细节非常重要,例如明确你所在的时区,可以让智能体在凌晨3点不要为你安排任务;饮食偏好能让帕姆在草拟团队晚餐简报时,不会推荐牛排馆。

▲USER.md模版
二、操作层:自建协同机制,分时间段上工干活
操作层定义的是这个智能体如何工作,对应文件是AGENTS.md、HEARTBEAT.md、特定角色指南。
AGENTS.md(行为规则)定义智能体如何运作,包括会话启动流程、文件读取顺序、内存管理、安全规则。

▲根级AGENTS.md
智能体在会话之间没有记忆,每次都从零开始。如果修正内容没有写入文件,下一次会话就等于不存在。因此AGENTS.md能让智能体把所有信息都记录下来。继承根级AGENTS.md后,每个智能体会补充自己的规则,如推文写作智能体Kelly的AGENTS.md会在这个基础上,扩展她专属的工作流程。

▲Kelly的AGENTS.md
此外,智能体还会有自己的专业文件,如推文写作智能体Kelly除了AGENTS.md,还有六个额外的专属文件,精确定义她如何创作内容,包括写作风格指南、发文格式参考、真实案例、每日任务等;研究智能体Dwight则有目标受众画像和研究流程规范。
Saboo提到,只有当开发者发现某类问题反复需要修正时,才需要再添加专业文件。
智能体团队也会遇到问题,HEARTBEAT.md(心跳状态文件)就会提前预防问题。基于HEARTBEAT.md(心跳状态文件),莫妮卡会在每次心跳时检查两件事:检查浏览器是否存活、检查定时任务是否正常运行。

▲Monica的HEARTBEAT.md
智能体的操作过程环环相扣。因为如果浏览器挂了,研究智能体Dwight就无法做信息检索与调研,Dwight漏了一次信息扫描,推文写作智能体Kelly和领英写作智能体Rachel就只能用过时情报写内容,而定时任务悄悄停了的话,就使得整个系统表面看着正常,实际上完全没在干活。
Saboo在“养龙虾”的第三周就遇到了最后一种情况,调度器出了bug,任务在队列里看似一直在往前推进,却从来没有真正执行过,并且他好几个小时都没察觉到异常。在这之后,Saboo便构建了HEARTBEAT.md,把两种故障模式都集中在一处监控,这一机制已经多次帮他及时发现问题了。
值得一提的是,开发者只需在第一次出问题之后再去搭建HEARTBEAT.md,因为只有当其亲身体会过哪里会崩,才能精准知道该监控什么。
三、知识层:三层架构,智能体自己总结错误、提炼重点
智能体的记忆系统是一套基于文件构建的三层架构。
MEMORY.md(精选的长期记忆)只保留真正重要的信息。在幕僚长智能体Monica的MEMORY.md中有一个Hard Lessons(惨痛教训)部分,这是因为Monica曾误删过一个项目文件夹,将这个错误永久存入她的长期记忆,就可以使其在未来所有会话中避免同一错误。

▲Monica的MEMORY.md片段
推文写作智能体Kelly在多次修正后,会自己写下错误示例,将自己犯过的错整理成清单。

▲Kelly的MEMORY.md
MEMORY.md仅在直接会话中加载,不会在群聊等共享上下文环境中加载。Saboo还提到,撰写MEMORY.md的流程是,开发者给出修正意见,智能体把它记入日常记忆,提炼出关键内容存入MEMORY.md,每次会话自动加载。
memory/YYYY-MM-DD.md(每日会话日志)会包括今天发生了什么、草拟了什么、收到哪些反馈。日常日志会快速堆积,如果不及时清理,智能体的上下文会急剧膨胀。并且智能体不需要在每次会话都载入完整的历史记录,只加载当天、前一天日志即可。

▲Kelly的每日会话日志
随着智能体系统规模扩大,开发者可按人员或项目来分类整理,形成Organized memory folders(整理好的记忆文件夹)。

Saboo最新添加了Shared Context(跨智能体知识层),所有智能体在会话开始时都会读取Shared Context。
其中,THESIS.md是他当前关注的核心,包括Saboo关注什么、已经写过什么、还有哪些缺口。依据该文件,研究智能体Dwight会确定调研优先级,Kelly制定写作思路,Ryan策划文章,使得所有智能体都以同一个权威信息源保持步调一致。
FEEDBACK-LOG.md是跨智能体的统一修正系统。当Saboo告诉Kelly“不要用破折号”时,这条反馈会同步给Rachel、Ryan和Pam。

四、靠Markdown文件更新,智能体成“龙虾军团”
智能体之间协调不调用API,也不使用消息队列,只用文件通信。研究智能体Dwight将调研结果写入intel/DAILY-INTEL.md, Kelly、Rachel、Pam会直接读取。它们之间的交接,就只靠磁盘上的Markdown文件。
Saboo还特别提到,要避免让两个智能体同时写入同一个文件,所有共享文件都要设计成一个写入者、多个读取者的模式,这可以协作冲突。
基于此,Saboo设计了一套调度机制。Dwight在早上8点和下午4点运行,Kelly、Rachel在下午5点运行。这是因为所有人都依赖Dwight的输出结果,他必须先执行,而一旦顺序出错,下游的智能体就会读到过时或空的文件。
此外,这些文件还会不断演变、进化。例如Kelly的SOUL.md文件,第一天只是个粗略草稿,到第40天,文件里面已经有具体的文风示例、她自己总结的禁用表达清单、已写过的主题清单。
对Dwight而言,其第一天的工作重点抓取热点内容,到第10天就变成“如果Alex今天没法用它做任何事,就跳过”。Alex是Saboo为智能体设定的目标读者。到第20天,Dwight又加入了核查步骤,包括检查仓库创建时间、查看Show HN时间戳、追溯社交平台信息的原始来源。
Saboo在第20天的时候构建了THESIS.md和FEEDBACK-LOG.md,使其对某个智能体修正一次就可以同步到所有地方。
这些智能体背后的模型从第1天到第40天都没有变,但围绕智能体的文件体系会越来越丰富、精准、高度贴合开发者的专属需求,而这些不断沉淀的上下文,就是其护城河。

▲完整目录结构
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
新加坡国立大学破解AI看图说话难题让机器描述更准确
人工智能的“幻觉”问题,特别是大模型在图像描述任务中凭空捏造内容的现象,一直是制约其可靠应用的关键挑战。2026年2月,一项由新加坡国立大学与北京大学深圳研究生院联合发布的突破性研究,为这一难题提供了全新的理解与一套高效、简洁的解决方案。这项研究(论文预印本编号:arXiv:2602 22144v1
斯坦福大学JavisDiT++实现AI有声有色视频生成
这项由浙江大学、新加坡国立大学、多伦多大学等全球顶尖科研机构联合完成的研究成果,已正式发表于2026年国际学习表征会议(ICLR 2026),论文预印本编号为arXiv:2602 19163v1。对于希望深入探究技术细节的读者,可通过此编号查阅完整的学术论文。 在浏览短视频时,你可能已经察觉到一种普
北大提出AI推理双车道方案解决大模型对话卡顿难题
这项由北京大学计算机学院主导,联合清华大学及DeepSeek-AI共同完成的前沿研究,其成果已正式发布于2026年2月的arXiv预印本平台,论文编号为arXiv:2602 21548v1。关注大语言模型推理优化的研究者与开发者,可通过此编号查阅论文全文与技术细节。 在与大语言模型进行深度、多轮对话
清华大学AI突破:赋予虚拟世界持久记忆,解决视频生成失忆难题
想象一下,你正在体验一款开放世界游戏。当你站在高塔之巅,远方的山脉清晰可见。随后你转身离开,去探索地图的其他角落。许久之后,当你再次回到这座塔顶,那座山依然以完全相同的姿态矗立在原地。这种空间持久且一致的认知,是人类理解世界的基础。 然而,若让当前的主流AI来动态生成这样的游戏场景,结果会大相径庭。
大模型压缩技术COMPOT让AI运行更高效
随着人工智能模型参数规模不断突破千亿级别,其庞大的存储需求和计算开销已成为实际部署的主要瓶颈。针对这一挑战,MWS AI基础研究中心与ITMO大学联合提出了一种名为COMPOT的创新模型压缩技术。这项发表于2026年2月预印本平台(arXiv:2602 15200v1)的研究,为大语言模型高效“瘦身
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

