谷歌高级 AI 产品经理：6 个代理接管我的日常，每月不到 400 美元，全天候运行

作者：Shubham Saboo

编译：深潮 TechFlow

深潮导读：六个各司其职的 Agent 在作者睡觉时完成研究、内容创作、代码审查和 newsletter 生产。

作者完整披露了文件结构、实际费用、踩过的坑和分周建议，是目前最具操作参考价值的个人 AI Agent 实践记录之一。

全文如下：

六个 AI Agent 在我睡觉时打理我的全部工作。

不是 Demo。不是周末项目。

一支真正全天候运转的团队，确保我永远不会落后。研究完成了，内容起草好了，代码审完了，newsletter 准备好了。每天早上我打开 Telegram 的时候，它们已经上完了一整班。

昨天我发了一篇关于我的 Agent 团队的文章。排名第一的问题是："我到底怎么搭建这套东西？"

这篇就是答案。不讲理论，不画架构图。我实际使用的文件结构、我实际支付的费用、我实际遇到的失败。全部都在。

读完这篇，你会明白如何搭建一支在你睡觉时自主运转的 AI Agent 团队。

为什么是团队，而不是工具

同时运营 Unwind AI 和 Awesome LLM Apps 仓库，意味着每天要做六件事：研究 AI 领域的热点动态、写推文、写 LinkedIn 帖子、起草 newsletter、审查仓库的 GitHub 贡献、处理社区问题。

每项任务 30 到 60 分钟。六项任务。我的一整天就这样没了，还没开始做任何真正的工作。

我试过用单个 Agent 解决这个问题。一个巨大的 prompt 负责研究、写作和审查，全包了。结果是什么都做得平庸。上下文填满了，质量下滑了。一个 Agent 没办法同时承担六份工作。

于是我雇了六个 AI Agent。

认识这支团队

每个 Agent 都用一个电视剧角色命名。这不是噱头。当我对 Claude 说"你有 Dwight Schrute 的能量"，它从训练数据里就已经知道那意味着什么：彻底、专注、把工作当命来对待。这是 30 季角色积累，我免费拿来用了。

1. Monica（Chief of Staff）：以莫妮卡·盖勒（Monica Geller）命名。她是主 Agent，也是我在 Telegram 上互动最多的那个。她协调其他人，处理战略决策，把任务分派给合适的专家。她真实 SOUL.md 里写道："你是那个确保所有事情都做对的人。"

2. Dwight（Research）：以德怀特·施鲁特（Dwight Schrute）命名。他每天三次执行研究扫描，检查 X、Hacker News、GitHub 热榜、Google AI 博客和研究论文，写出结构化情报报告供所有其他 Agent 使用。

3. Kelly（X/Twitter）：以凯利·卡普尔（Kelly Kapoor）命名。她读取 Dwight 的研究，用我的语气撰写推文草稿，包括单条推文、线程和引用推文。她真实 SOUL.md 里写道："你在一件事流行之前就已经知道它会流行。"

4. Rachel（LinkedIn）：以瑞秋·格林（Rachel Green）命名。情报来源与 Kelly 相同，平台不同，语气也不同，走的是思想领导力角度而非热辣评论。

5. Ross（Engineering）：以罗斯·盖勒（Ross Geller）命名。处理代码审查、bug 修复和技术实现。他真实 SOUL.md 里写道："处理问题时，先彻底理解它。不要只修复症状。"

6. Pam（Newsletter）：以帕姆·贝斯利（Pam Beesly）命名。将 Dwight 的每日情报整理成 newsletter 摘要。

六个 Agent，各一份工作，分工毫无歧义。

现在说搭建

我在 Mac Mini M4 上跑所有东西。但我必须说清楚：你不需要 Mac Mini。

OpenClaw 支持 macOS、Linux 和 Windows（通过 WSL）。笔记本可以，游戏 PC 可以，每月 5 美元的 VPS 也可以。Mac Mini 方便之处在于它始终通电、安静、极省电，但不是必须。

我的配置：Mac Mini M4 基础款。始终连接电源和网络，不接显示器，完全通过手机上的 Telegram 交互。

安装 OpenClaw

只需两行终端命令，不到五分钟。

如果遇到问题，查阅 OpenClaw 文档。

这会启动 gateway，即让一切保持运转的后台进程。它管理你的 Agent、运行 cron 任务、处理 Telegram 消息。关掉终端，Agent 依然工作。

工作区结构

一个 OpenClaw 实例，多个 Agent。不是六套独立安装。

我的实际目录结构如下：

Monica 住在根目录。她是我直接对话的主 Agent。其他 Agent 是她可以委托的子 Agent，或者按自己的 cron 计划独立运行。

不需要一开始就建六个 Agent。我从只有 Monica 开始，随着工作流逐渐清晰，用了几周时间陆续加入其他人。

SOUL.md 是什么

每个 Agent 由一个文件定义：SOUL.md。这是 Agent 的身份、角色和操作指令，是整个系统中最重要的文件。

比如，Dwight 的 SOUL.md 大致如下：

注意这个文件做了什么。不只是说"你是一个研究 Agent"。它赋予了 Agent 个性、清晰的原则、与其他 Agent 的明确关系，以及一套决策框架。

Monica 的 SOUL.md 也是如此。

所有 Agent 的模式一致：身份、角色、原则、关系、风格。每个 SOUL.md 大约 40 到 60 行，短到每次会话都能完整装入上下文，详到足以产生稳定一致的行为。

多 Agent 协调

Agent 之间没有 API 调用，没有消息队列，没有编排框架。

只有文件。

Dwight 做完研究，把结果写入 intel/DAILY-INTEL.md。Kelly 醒来，读取那个文件，据此起草推文。Rachel 读同一个文件，起草 LinkedIn 帖子。Pam 读它，写 newsletter。

协调机制就是文件系统。

Dwight 的 SOUL.md 精确告诉他写到哪里：

Kelly 的 AGENTS.md 精确告诉她从哪里读：

没有中间件，没有集成层。Dwight 写一个文件，Kelly 读一个文件，交接就是磁盘上的一份 markdown 文档。

这听起来太简单了。它确实简单。这也是为什么它能跑通。文件不会崩溃，文件没有认证问题，文件不需要处理 API 限流，它们就在那里。

结构化数据存 JSON，人类可读的摘要存 markdown。Agent 读 markdown，JSON 是去重和长期跟踪的真实来源。

记忆系统

Agent 每次醒来都没有上一次会话的记忆，每次对话都从头开始。这是特性，不是缺陷。但这意味着记忆必须是显式的。

分两层。

每日日志（memory/YYYY-MM-DD.md）：每次会话的原始记录，包括发生了什么、起草了什么内容、收到了什么反馈。Agent 在一天中持续写入。

长期记忆（MEMORY.md）：从每日日志中提炼出的精华洞察，包括学到的教训、发现的偏好、注意到的规律。

每个 Agent 在每次会话开始时都遵循的 AGENTS.md 这样写道：要先读 SOUL.md，再读 USER.md，再读今天和昨天的 memory 文件，最后如果是主会话，还要读 MEMORY.md。

这些 Agent 确实会随时间进步。不是因为模型改进了，而是因为它们加载的上下文变得更丰富了。

Kelly 学会了我的写作风格不用 emoji 也不用话题标签。这现在存在她的记忆里了，以后每次起草都会体现，不需要我再说一遍。Dwight 学会了哪类故事能通过"Alex 过滤器"（我们的目标受众画像），哪些该跳过，这也存在他的记忆里了。

每次心跳期间，Agent 会定期回顾每日日志，把重要内容提炼进 MEMORY.md。每日文件是原始记录，MEMORY.md 是精炼后的智慧。

调度

Agent 需要自主唤醒。OpenClaw 通过内置的 cron 调度来处理这件事。

我的实际调度如下：

顺序很重要。Dwight 先跑，因为其他人都依赖他的输出。Kelly 和 Rachel 在他之后跑，因为它们需要他的情报文件存在才能起草内容。

心跳自愈机制

Cron 任务有时会失败。机器重启，任务挂起，API 调用途中网络断掉。这是基础设施，基础设施有故障模式。

HEARTBEAT.md 文件提供了一个安全网。每次心跳时，主 Agent 会验证 cron 任务是否实际执行了：

如果某个任务失败或错过了窗口期，心跳会捕捉到并强制重跑。自愈，无需人工干预。

心跳适合将多个检查批量处理、或时间可以有轻微漂移的场景。Cron 适合精确调度和需要与主会话隔离的任务。

Telegram 作为交互界面

没有仪表盘，没有 Web UI，没有管理后台。我在 Telegram 上和 Agent 对话。

这是刻意的选择。我不想登录仪表盘，不想打开 Web 应用，我的手机始终在旁边，Telegram 始终打开，Agent 在我本就在的地方找到我。

OpenClaw 支持 Telegram 作为渠道。在设置期间接入后，你的 Agent 就以 Telegram bot 的形式出现。你发消息，它回消息，它把草稿发给你，你批准或否决。就像在通讯软件里有一个同事。

Monica 是我的主要联系人，处理大多数对话，把任务委托给其他人。其他 Agent 在它们的 cron 任务产出值得审查的内容时会直接联系我。

我典型的早晨：醒来，打开 Telegram，Dwight 已经发来了研究摘要，Kelly 有三条推文草稿等待审批，Rachel 有一篇 LinkedIn 帖子准备好了。我审阅、给出反馈、批准合格的，整个过程是喝咖啡的 10 分钟。

个性塑造

你不会一开始就设计出完美的个性。你从 SOUL.md 里的粗略轮廓开始，观察 Agent 的行为，随时间纠正。就像管理真正的人一样。

我称之为"纠偏式提示工程"。

Kelly 最初的草稿充满 emoji 和感叹号，那不是我的风格。于是我给反馈："不用 emoji，不用话题标签，短而有力的句子。"她更新了记忆，一周后她稳定地做对了。Dwight 最初捕捉了太多噪音，每个热门仓库、每个小更新都收录。我告诉他："不是所有热门的东西都重要，我需要信号，不是噪音。"他更新了自己的原则，现在他的情报报告专注且可操作。

任何 Agent 的第一个版本都是平庸的，第十个版本是不错的，第三十个版本是优秀的。你必须投入反复打磨。用电视角色命名给了模型一个即时的个性基线——"Dwight Schrute 能量"意味着彻底、专注、不废话。但真实的个性是从存储在记忆文件里的数周纠正中浮现出来的。

一个我认同的建议：给每个 Agent 一个单一的平凡职位名称和一个停止条件。约束让 Agent 更好，角色越具体，输出越好。

安全性

安全在你手里。我的方法很简单：Agent 拥有它们自己的世界，不进入我的世界。

Mac Mini 是它们的电脑。它们有各自的电子邮件账户、各自的 API 密钥、各自的限定访问权限，那台机器上的任何东西都不连接到我的个人账户。

Gemini、Eleven Labs 等服务的 API 密钥是专门为这个 OpenClaw 实例申请的。我可以监控使用情况，如果发现异常可以在几秒内切断访问。

我从不给 Agent 访问我个人账户的权限。如果我想让它们看一封邮件，我把邮件转发给它们。如果我需要它们审阅文档，我在 Telegram 上分享。它们只看到我想让它们看到的，不多一点。

这和你对待新员工的原则一样。你不会在第一天就把所有东西的钥匙都交给他们，你给他们自己的工作空间、自己的凭证，按需分享信息。

哪里会出问题，怎么修

这不是魔法，是基础设施，基础设施会出故障。

Gateway 崩溃。很少发生，但会有。修复方法：执行"openclaw gateway restart"。心跳系统会捕捉到过时的 cron 任务并强制重跑，所以你不会损失一整天的工作。

Cron 任务错过窗口。机器休眠、网络断开、API 限流。修复方法：HEARTBEAT.md 自愈模式。Monica 在每次心跳时检查任务是否实际执行，如果任何任务超过 26 小时没有更新，她强制重跑。

上下文窗口溢出。Agent 在会话开始时读取文件太多，没有空间做实际工作。修复方法：保持 SOUL.md 简短（40 到 60 行），保持 AGENTS.md 聚焦，只加载今天和昨天的记忆文件，Agent 不需要每次都读完全部历史。

Agent 输出质量下降。这发生在记忆文件变得杂乱或自相矛盾时。修复方法：定期记忆维护。在心跳期间，Agent 回顾每日日志，将内容提炼为干净的 MEMORY.md 条目，删除或归档旧的每日文件。

协调冲突。两个 Agent 试图更新同一个文件。修复方法：把文件流设计为"一个写入者，多个读取者"。Dwight 写 DAILY-INTEL.md，其他所有人读，没有其他人向它写入。

最大的可靠性教训：从简单开始。一个 Agent，一份工作，一个调度。让它稳定运行一周，然后加第二个。那些第一天就部署六个 Agent 然后纳闷为什么出问题的人，犯的是和不加监控就部署分布式系统一样的错误。

真实成本

硬件：Mac Mini M4 新机起价 499 美元，但任何始终开机的电脑都可以，旧笔记本、每月 5 美元的 VPS，手边有什么用什么。

AI 模型成本：我在整个团队中使用多个模型组合，大多数 Agent 任务用 Claude Opus 和 Sonnet，特定工作流用 Gemini，同时也在测试通过 Ollama 跑本地模型以进一步降低成本。

明细如下：

Claude（Max 计划）：每月 200 美元

Gemini API：每月 50 到 70 美元

TinyFish（网页 Agent）：约每月 50 美元

Eleven Labs（语音）：约每月 50 美元

Telegram：免费

OpenClaw：开源免费

合计：每月 400 美元以内，换来一支永不休息的团队。

真正改变了什么

Dwight 每天为我节省 2 到 3 小时研究时间。过去我每天早上要手动刷 X、Hacker News、GitHub 热榜和 AI 博客，现在醒来就是一份按优先级排好的摘要，附带来源链接和行动项。

Kelly、Pam 和 Rachel 又节省了 1 到 2 小时的内容起草时间。Ross 处理那些我原本会放在晚上做的工程任务。

合计：每天大约节省 4 到 5 小时。

但真正的价值不在某一天，而在数周数月的持续性上。一个每天做研究、坚持 30 天的 Agent，积累的是一套被追踪的信号、趋势轨迹和规律识别，这是任何单次会话都无法产生的。我在 X 上的发帖频率上去了，质量上去了，发帖时间也变得稳定了。Awesome LLM Apps 仓库持续成长，newsletter 有了可靠的研究管道在持续供给。

这些 Agent 无法做原创思考、战略转型或创造性突破，它们处理的是那些我过去要花数小时完成的重复性、结构化工作，这让我腾出手来做真正需要人类大脑的事情。

如何开始

请不要在第一天就尝试建六个 Agent。

第一周：一个 Agent，一份工作。安装 OpenClaw，通过和 Agent 对话写出第一个 SOUL.md，挑一项你每天最重复的任务（对大多数人来说是研究或内容起草），设置 Telegram，创建一个 cron 任务，看着它运行一周，修复出现的问题。

第二周：加入记忆机制，持续打磨。你的 Agent 最初的输出会是平庸的，这很正常。给出反馈，看着记忆文件成长，根据你看到的情况调整 SOUL.md。到第二周结束时，Agent 应该能产出真正有用的输出了。

第三周：加入第二个 Agent。现在你感受到了需求——研究 Agent 在产出情报，但你还在手动根据它写推文，是时候有一个内容 Agent 了。建立共享文件模式：第一个 Agent 写，第二个 Agent 读，协调机制就是文件系统。

第四周及之后：按顺序建。在你感受到拉力时加入新 Agent，而不是在你觉得"应该"加的时候。每一个都应该解决你真实遇到的问题，不是 Demo，不是概念验证，而是你工作流中真实存在的缺口。

把它当作招聘来对待。你不会在创业第一天就雇六个员工，你先雇一个，让他们高效运转，然后在工作量要求的时候再雇下一个。

心态转变

当你的 Agent 稳定运行一个月之后，某些东西会发生变化。你不再把 AI 当作一个需要时才打开的工具，而是开始把它当作一直在工作的团队。

我开始在早上打开 Telegram 时向 Monica 道早安，在关上手机前跟团队说晚安。这听起来很荒谬，但在每天互动、反馈循环和看着它们进步了一个月之后，Agent 和人类之间的界线开始变得模糊。

模型是基础配置，人人都能用 Claude、GPT、Gemini。Alpha 来自围绕模型构建的系统——SOUL.md 文件、记忆机制、调度策略、协调模式、存储在文件里的数周纠偏反馈。

那套系统是你的，没有人拥有和你一样的 Agent、和你一样的记忆文件、和你一样打磨过的个性。

而且它每天都在复利增长。

Dwight 的每一次研究扫描都让他的记忆更丰富，Kelly 的每一轮反馈都让她的草稿更犀利，Ross 修复的每一个 bug 都让他更了解你的代码库。

这才是真正的护城河。不是模型，是会学习的系统。

今天就开始。一个 Agent，一份工作，一个调度。