从任务板到文件协议:两个 Agent 协作系统的边界与互补
本文探讨了多 Agent 协作系统中的架构设计问题。作者对比了基于 IPC 的“任务板”模式与自研的“文件协议+状态机”模式,阐述了为何选择文件系统作为任务真理源以实现跨 Session 的可恢复性与可审计性。文章提出了一种混合架构,利用 IPC 处理高频进程心跳,同时保留文件层作为核心状态与证据链的存储,最终实现了稳定、解耦且支持异步长任务的自动工程流。
本文探讨了多 Agent 协作系统中的架构设计问题。作者对比了基于 IPC 的“任务板”模式与自研的“文件协议+状态机”模式,阐述了为何选择文件系统作为任务真理源以实现跨 Session 的可恢复性与可审计性。文章提出了一种混合架构,利用 IPC 处理高频进程心跳,同时保留文件层作为核心状态与证据链的存储,最终实现了稳定、解耦且支持异步长任务的自动工程流。
文章深入探讨了多Agent协作中的工程痛点,提供了基于文件系统和混合架构的实用落地方案,观点新颖且在2026年仍具极强时效性。
文章阐述了 Agent 开发中的“惨痛教训”:不应过度封装 LLM 及其工具。作者指出,通过提供最小化的辅助脚本(如 CDP 接口)和 SKILL.md,让 LLM 直接访问底层能力,能够显著提升其自主解决问题的能力。这种“自愈循环”机制使得 Agent 能在遇到缺失功能时自动编写代码修复,无需人工预设复杂的中间层。
本文阐述了在 Harness(AI 智能体架构)时代,沙盒作为新型服务器的核心地位。文章从评估测试环境出发,探讨了长期运行的智能体如何依赖沙盒进行隔离执行。重点分析了系统状态的持久化——包括推理轨迹和文件系统数据——对于恢复任务和审计的重要性。作者认为,未来的市场将由拥有“群体”控制层和轨迹数据所有权的一方定义,这引发了关于数据控制权是属于实验室还是企业内部的战略博弈。
本文深入介绍xAI(文中称SpaceXAI)的Grok Bot如何运作:每个Bot运行在持久化的云端Linux虚拟机上,拥有浏览器、文件系统和终端。核心亮点是'团队化'使用模式——以Chief of Staff为中心,配合各司其职的专家Bot,并由人工审批关键操作。文中以客服事件处理为例:三个Bot(IncidentWatch、Support Bot、IncidentSweep)协作,10分钟内清理204个工单。文章分7部分讲解Bot的组织架构、工程harness、技能与记忆、审批机制及可复制的搭建方案。
文章介绍了 Anthropic Claude Code 团队的代码审查实践,以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是:AI 写代码占比接近 100% 后,人工逐行审查不再可行,应把人的注意力留给真正有风险的部分。做法包括按风险分级审批(低中风险由 AI 自动批准,高风险由人判断方向)、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故,认为大部分创业和中小公司都适用这种方式。
本文介绍了 Claude Code 团队在 AI 生成约 90% 代码的情况下如何重构代码评审流程。团队将代码评审从人工逐行阅读转变为分层自动化体系:包括 PR 前的 Claude 自验证、子代理 diff 审查、内部 skill(bug 猎捕、diff 缩减等)、以及每个 PR 的 AI 评审,仅将人类注意力保留给高风险决策。通过 CLAUDE.md 和 REVIEW.md 等文件向评审者注入项目上下文,并快速回滚机制兜底。6 月至 9 月间合并 PR 数量翻倍,回滚率下降超 40%,实现了用最少人工环节保障代码质量的目标。
文章介绍如何在OpenAI发布Dots常驻Agent和GPT-6 Astra(百万token记忆)后,搭建一个24/7自主运行的AI工作流。核心难题是常驻Agent会高频产生大量简单决策,用前沿模型成本高昂。解决方案是TypeSafe推出的System One模型Jev:它只能输出结构化决策(是/否、选择、评分)并附带置信度,单价仅$0.042/百万token,使百万次决策成本约$42。文章展示了将Jev作为低层决策器、Astra作为高阶思考引擎的组合架构,让独立开发者从写代码转变为定义任务、设限并审核产出的监督者角色。
文章讲述作者管理10个Grok Bot时,云电脑虚拟机重置导致部署的服务全部丢失的问题。作者没有采用快照备份,而是建立了一套服务登记与重建体系:通过Gitee私有仓库维护vm-services目录,设立「虚拟机服务管家」Bot维护服务总账(REGISTRY.md和registry.json),强制所有Bot部署新工具时登记,密钥只记录路径不入库,并为每个服务配备幂等的恢复脚本和统一的restore-all.sh总入口。作者总结了Codex授权互顶、定时任务漏写等教训,并提供了可直接复制的「服务管家部署」和「重置后恢复」两套提示词,帮助读者快速搭建自己的AI虚拟机备份恢复方案。
文章指出,现代生产力的最大瓶颈不是思考慢,而是工作碎片化地在多个应用间切换,决策只需三十秒,而协调却要二十分钟。Grok Bot 类持久化 Agent 的价值在于以任务结果为界面,让应用成为实现细节,消除工具间的转换成本。作者阐述了以职位描述定义工作流、持久化环境保存上下文、将流程固化为可复用例程、从人类行为中学习自动化等理念,并强调 Agent 架构应分层:生成模型负责创造内容,快速决策层负责调度,确定性代码负责规则约束,从而构建真正自主的工作系统。
作者 Fred-New 分享了如何将 Grok Bot 从单一聊天工具打造为长期数字员工团队的方法论。核心思路是:先给一个 Bot 一个窄岗位和明确验收标准,跑通真实任务;结果稳定后把流程保存成 Skill,再做回归测试;稳定后设置 Routine 让 Bot 定时自动工作。当出现稳定分工需求后,再组建多 Bot 团队(情报员、爆款分析师、Researcher、Writer、Reviewer、Visual Planner 六岗位)。文章强调岗位边界、工具接入、薄 Context Pack、固定交接格式(如 Research Pack 和 Handoff)的重要性,并指出真正的多 Agent 协作关键在于可替换的模块和清晰的接口,而非人数。
作者分析了 DSH Desktop 桌面端的整体架构:Renderer 进程负责显示 Harness WebUI,Main 进程负责窗口创建、Harness 启动、更新与配置修复,两者通过 Preload 和 IPC 通信。聊天与任务执行走独立的本地 HTTP/RPC 通道,连接 Harness Runtime 独立进程(macOS 用 Electron UtilityProcess,Windows 用自带 Node.js),仅监听本地回环随机端口。Harness Runtime 基于 Cordis 插件组合,包含 Agent Loop、Tool Registry、Session Service 和模型适配器,并扩展了 Preset 导入导出、插件市场和 PPT 生成等能力。本地数据与安装目录分离便于升级保留配置,模型 API、更新和手机接入(Mobile Bridge)等外部服务各自独立。
本文是一篇实操教程,作者详细讲解了如何用 Grok Bot 搭建一人公司的 Bot 团队。通过个人网站从想法到上线的完整案例,阐述了 Bot 的配置方法:先为一个 Bot 设定长期系统简介和职责边界,安排第一个任务进行设计探索;当出现值得长期单独负责的工作岗位时再新增 Bot(如专职动效的 Motion God、负责工程上线的 Devbot、负责 Figma 生产的 Figma Bro);当多个 Bot 需协作时建立群聊,做好交接资料整理和分工规范。文章总结了 Bot 简介写长期职责、任务放聊天里、重复工作流沉淀为 skill 等核心心法,帮助读者按自己的工作流搭建 Bot 团队。