用好Agent后，我理解了什么叫"超级个体"

Mac Mini 连着一个终端窗口和三个聊天应用窗口的示意插画，旁边标着「7x24在线」

今年春节假期，我沉迷了一件事：用 AI 搭系统。

不是那种"体验一下 ChatGPT"的浅尝辄止，而是真的动手——从一台 Mac Mini 开始，一步步搭出了一套完整的 AI 协作工作流。8 天时间，产出了两个开源项目、一套多设备同步方案、一个 6 人 AI 团队、一个自动化新闻聚合系统，以及大量可复用的自动化脚本。

具体来说：

openclaw-sync-toolkit（GitHub[1]）—— 解决了 Mac Mini、MacBook Pro、iPhone 三台设备之间文件不互通的问题。1800+ 文件实时自动同步，出门在外手机也能查工作文档。
claude-code-notifier（GitHub[2]）—— 解决了 Claude Code 跑完任务没有任何提示的问题。桌面弹窗 + 提示音 + AI 智能摘要，再也不用盯着终端等。
6 个 AI Agent 协作团队 —— 解决了一个人精力不够、什么都想做但什么都做不深的问题。6 个 AI 各司其职，并行工作。
中英文 AI 新闻聚合系统 —— 解决了每天花两小时刷新闻、真正有价值的只有几条的问题。222 个数据源自动抓取，AI 精选后每天 4 次推送。

这些东西现在全部在生产环境运行着。每天早上醒来，新闻已经整理好了，文件已经同步完了，6 个 AI Agent 各就各位。

我做过技术和产品，但这 8 天里做的很多事，确实超出了我原来的能力范围。比如写浏览器自动化脚本、做多 Agent 系统调度、搞 P2P 文件同步——这些以前不是我的领域。

不是突然变强了，是 Claude Code 把我的能力半径撑大了。

下面展开聊聊，这些东西分别是怎么做出来的。

起点：一台 Mac Mini + OpenClaw#

一切从一个念头开始：我想让 AI 24 小时在线帮我干活。

市面上的 AI 工具我基本都用过一遍。Chatbot 类——ChatGPT、Claude、Gemini，能聊能写能分析，但本质还是"你问它答"，关掉网页就停了，数据全在云端，碰不到你本地的文件。通用 Agent 类——Manus、各种 AI Workflow 平台，能执行多步任务，但同样跑在别人的服务器上，没法操作你自己电脑上的工具和数据。Coding Agent 类——Claude Code、Cursor、Windsurf，写代码确实猛，但它们是终端工具，必须开着电脑坐在面前才能用。

这三类都有同一个根本限制：你必须在场。 不在电脑前，AI 就是摆设。

我想要的是：不管我在哪里，掏出手机发条消息，AI 就能在我自己的电脑上开始执行任务。做完了主动通知我。数据全部留在本地。

OpenClaw[3] 就是干这个的。它是一个开源的 AI Agent 网关，跑在你自己的机器上，通过 Telegram、Discord、飞书这些聊天工具和 AI 交互。数据完全在本地，不过第三方。

我在 Mac Mini 上部署了 OpenClaw，接入了 Discord、Telegram、飞书、iMessage 四个平台。再装上 Claude Code（Anthropic 的终端 AI 编程助手），Mac Mini 就变成了一个 7×24 小时在线的 AI 工作站。

三个使用场景的流程图：手机转发给 Telegram Bot 生成 Skill、iPhone Obsidian 查调研报告、MacBook 改代码同步到 Mac Mini

举几个真实场景：

晚饭后躺沙发上，Telegram 发一句"跑一下中英文新闻抓取"——222 个数据源自动抓取、AI 打分、生成精选日报，半小时后结果推送到手机上。
API Key 过期导致新闻系统报错，手机上说一句"GLM-5 的 key 过期了，换成这个新 key"——AI 自动找到配置文件、替换、重启服务、验证通过，全程没碰电脑。
出门前说"帮我把调研报告存到知识库"——AI 自动归档文件，Syncthing 同步到手机，地铁上就能看。

春节期间有个搞笑的事：以前假期要干活，得抱着笔记本找个安静地方坐下来。现在呢，拿着手机开个语音识别软件（Typeless），在阳台上边晒太阳边"口喷需求"，AI 就在家里的 Mac Mini 上默默执行了。亲戚问我在干嘛，我说在和员工开会——也没说错。

这种"随时随地指挥 AI"的感觉，一旦体验过就回不去了。

发现问题：三台设备，数据各自为政#

Mac Mini 跑起来之后，新问题很快出现了。

我在 Mac Mini 上让 AI 学了一个新技能，回到 MacBook Pro 上想用——没有。在 MacBook Pro 上做了一下午调研，想在 Mac Mini 上让 AI 基于这些资料继续分析——文件不在。出门想在 iPhone 上查之前的笔记——啥也看不到。

三台设备，数据各自为政。

手动用 Git 同步可以解决，但问题是：忙起来谁记得 push？尤其 AI 自动生成的文件，它可不会帮你 commit。iCloud 就更别提了，大量小文件同步到天荒地老。

现有方案没有一个能同时做到"实时""自动""有版本历史""支持三端"。

解决问题：Syncthing + Git 双通道#

想了想，其实需要两条路：一条管快，一条管稳。

服务器、工作站、移动端三台设备之间互相同步文件的示意图，中间标注「1800+文件」

Syncthing 管快：两台 Mac 通过局域网直连，改一个文件几秒内另一台自动更新。iPhone 端用 Mobius Sync 接入。不需要中心服务器，不花钱。
Git 管稳：AI 的 Skills、配置这些关键文件走 Git，有完整版本历史，GitHub 做远程备份。后台服务自动 push/pull，完全不需要人工干预。

配好之后，三台设备 1800+ 文件实时同步。出门掏出手机打开 Obsidian，调研报告、工作日志全都在。两台 Mac 无缝切换——客厅写到一半，走到书房打开就是最新的。

好的基础设施就应该是"设置好就忘掉"的。

这套方案整理后开源了：openclaw-sync-toolkit[4]，三步部署，开箱即用。

发现问题：一个 AI 不够用了#

三端同步搞定后，我开始用 AI 做越来越多的事——调研行业趋势、学习新技术、写自动化脚本、探索新工具……

很快发现：一个 AI 什么都干，每件事都做不深。

不是它不聪明，而是上下文有限。一个 AI 同时处理五件事，它的"工作记忆"被占满了，容易丢信息、串任务。

解决问题：搭一个 AI 团队思路很简单：既然一个人忙不过来，那就"雇"几个。#

OpenClaw 原生支持多 Agent 架构。我搭了 6 个 AI Agent，但重点不是"有 6 个"，而是它们怎么协作的：

每个 Agent 是独立的"人"。 它们有各自的工作空间、独立的记忆系统、甚至各自的性格设定（通过 SOUL.md 定义）。我在 Discord 里给它们起了代号——统筹牛马负责全局调度，调研牛马专攻信息搜集，学习牛马沉淀知识体系，设计牛马做图做视频，干活牛马写代码跑脚本，探索牛马盯新工具新趋势。独立记忆意味着调研牛马上周查的资料，这周接着用的时候它还记得——不会像单个 AI 那样"昨天的事今天全忘了"。

六个职能图标围成一圈、彼此连线的示意图，对应 6 个分工协作的 AI Agent

协作靠消息传递，不靠共享上下文。 Agent 之间通过消息系统互相派任务、交付成果。比如我说"帮我调研一下 X 平台的推广策略"——统筹牛马自动拆成三个子任务：调研牛马负责搜集竞品案例，学习牛马梳理平台规则，干活牛马根据前两个的产出写执行脚本。三个牛马并行干，产出自动汇总到统筹那里。我只需要最后审核结果。

统筹牛马是调度中心。 它全局监听所有频道，负责拆任务、分派、追踪进度、收口。其他牛马被 @ 才说话，但统筹一直在听。任务没闭环之前，它会一直追——温柔但坚定。

这套架构能做什么？几个实际例子：

我说"部署 AI 新闻聚合系统"——统筹牛马自动拆成 5 个子任务，调研牛马分析开源项目源码，干活牛马部署脚本、写定时任务，三个牛马接力完成，我只确认了一次 API Key。
我说"学一下 Seedance 2.0 的用法"——学习牛马自动去飞书读 8 篇官方文档，整理成结构化笔记存到知识库，同步到我手机上。
我说"用这 10 张分镜图生成视频"——设计牛马写 Prompt，干活牛马批量调用 Seedance API 生成 12 段视频、自动拼接成 2 分钟完整版。

相当于一个人拥有了一个小团队。 不需要发工资，7×24 在线，从不抱怨加班。

这是协作大厅里牛马们每天的工作汇报——调研牛马、学习牛马、设计牛马各自总结当日产出。

Discord「协作大厅」频道里，调研牛马、学习牛马、设计牛马各自发出的今日工作总结

发现问题：每天刷新闻刷到焦虑#

做 AI 领域有个副作用：信息焦虑。

每天都有新模型、新论文、新产品。Twitter、Hacker News、36kr、AIbase……一圈刷下来两小时过去了，真正值得关注的可能就三五条。效率极低，但不刷又怕错过什么。

解决问题：AI 帮我看，精选后推给我#

我搭了一套中英文双语的自动化信息管道，核心用了两个开源项目：

英文源：基于 ai-daily-digest[5]，Karpathy 推荐的 90 个顶级技术博客 + 我自己补充了 15 个 AI 前沿源，总共 108 个英文 RSS 源。原项目用 OpenAI API 做摘要，我改成了国产大模型（智谱 GLM-5），省钱且中文总结更自然。再加一层 AI 评分，每天从几千篇文章里筛出 Top 15 精选。

中文源：基于 ai-news-radar[6]，聚合了 11 个中文数据源共 114 个子源——覆盖 36kr、AIbase、TopHub、BestBlogs 等主流平台。纯爬虫方案不需要 API Key，每天稳定抓取 800+ 条。我加了 AI 打分 + Jina Reader 抓原文 + AI 深度总结的管线，从"标题列表"升级为"每条都有 50-100 字的深度摘要"。

两路合并后：

层级覆盖范围做什么英文 RSS 精选 108 个技术博客/媒体 AI 评分 → 每日 Top 15 中文热榜聚合 114 个数据源 AI 打分 → Jina 抓原文 → 深度总结 Top 20

新闻聚合流程示意图：222 个数据源经过三层筛选得出每日 Top15，每天 4 次推送

每天 4 次（8:00 / 12:00 / 18:00 / 22:00）自动推到 Discord 新闻频道，这是实际推送效果：

Discord 新闻频道里推送的「AI 博客每日精选」，列出今日必读 Top 3 文章和链接

现在每天早上打开手机，AI 整理好的中英文 AI 新闻精选已经在那了。 10 分钟浏览完精华，代替之前两小时的手动刷屏。

而这套系统的部署过程本身，就是多 Agent 协作的一个缩影——我说一句"部署 AI 新闻聚合系统"，统筹牛马自动拆成 5 个子任务，调研牛马分析源码，干活牛马部署脚本、配置定时任务。三个牛马接力，全程我只确认了一次 API Key：

Discord 调研频道记录：总管 Agent 把 AI Daily Digest 部署拆成 5 项任务派出，子 agent 完成后回报部署完成

遇到痒点：Claude Code 做完了，没人告诉我#

这 8 天里还有个小插曲。同时开三四个终端让 Claude Code 干活，发现一个很蛋疼的问题：它做完了不通知你。不弹窗，不响铃，安静地跑完安静地等。GitHub 上搜了一圈，只找到播放提示音的工具——"叮"一声，但分不清是哪个任务。

既然现有的不满足，那就让 Claude Code 帮我做一个。一个下午，claude-code-notifier 诞生了——Claude Code 做完任务的瞬间，macOS 右上角弹出原生通知，标题写状态，副标题是 AI 生成的 6 字任务摘要。从"人盯着机器等"变成"机器做完了来叫人"。