最近国内科技圈最火的黑话，莫过于“养虾”(部署OpenClaw智能体)。随着这股热潮彻底爆发，无数普通人都在疯狂“建缸”、“下苗”，但真正能让“虾群”全自动协同打工的却寥寥无几。
如果你也想在这场“养虾”狂欢中少走弯路，谷歌高级AI产品经理舒巴姆·萨布(Shubham Saboo)这份极具性价比的实操经验，绝对是不容错过的顶级“养殖手册”。
凌晨三点，当你还在熟睡时，六个虚拟“员工”就已经开始工作了。它们扫描全球AI动态、撰写推文、审查代码、编辑新闻简报。等早晨你睁开眼，手机里躺着的是六份已经完成的待办事项清单。这正是萨布的真实日常。
萨布没有三头六臂，只是组建了一支由6个AI智能体构成的“自动化团队”。这套基于开源平台OpenClaw搭建的系统，已经稳定运行了一个月，每天帮他处理六项琐碎但必须完成的重复性工作，让他每天能多出4到5个小时，去处理真正需要人脑思考的事务。
最让人折服的是，这套听起来极其硬核的系统，他仅用一台普通的Mac Mini电脑，花着每月不到400美元(约合人民币2760元)的“实习生工资”，就彻底跑通了。他在社交平台X上发布长文，详细披露了整个搭建思路、文件结构，甚至踩过的坑，浏览量迅速突破百万。
与其招一个全才，
不如雇六个专才
萨布的身份有点特殊。他不仅是谷歌的高级产品经理，还是编程社区Unwind AI的创始人，同时维护着一个在GitHub上拥有99.5k颗星的超火代码库Awesome LLM Apps。
这意味着，萨布每天得同时干六件事：研究AI动态、写推文、写领英帖子、编新闻简报、审查代码、处理社区问题。每件事至少耗时30到60分钟。萨布发现，在开始真正重要的工作前，他的整个白天就已经被这些事耽搁了。
他试过用一个超级智能体解决问题。在一个巨大的提示词里，让它同时负责研究、写作和审查。结果很惨，这个智能体什么都干不好。上下文一多，模型就懵了，质量直线下降。一个智能体的脑子里，根本装不下六种截然不同的工作。
于是萨布换了个思路：不招一个全才，而是雇佣六个专才。这个转变很关键。与其让一个工具做所有事，不如让一个团队各司其职。这为他后续能像管理真人团队一样管理AI打下了基础。
萨布给这6个AI智能体起了名字，不是随便起的代号，而是美剧里的经典角色。这听起来像个噱头，但他说这比写提示词管用多了。当他告诉Claude“你要有德怀特·施鲁特(Dwight Schrute，美剧《办公室》中角色)的能量”时，模型从训练数据里就知道这意味着什么：彻底、专注、极其认真。这等于免费获得了长达30季的角色塑造。
一位网友在看过这套系统后感叹：“这简直是为我这种不知道如何定义多智能体边界的人量身定做的，就像学会了如何向CEO汇报一样。”
另一位网友则说得更直接：“这篇帖子太棒了！是我目前在X上看到的回答‘我已经安装了OpenClaw，接下来该做什么？’这个问题的最佳文章之一。”
智能体要有“灵魂”，
模仿美剧角色设定性格
这支全明星团队的分工是这样的：
莫妮卡(Monica)是幕僚长，团队的核心，也是萨布在Telegram上聊得最多的一个。她负责协调其他智能体，处理战略决策，分派任务。就像《老友记》里的莫妮卡·盖勒(Monica Geller)，她好胜、有条理，不容忍马虎的工作。她的“人设文件”(SOUL.md)里写着一句灵魂指令：“你是那个确保每件事都做对的人。”
德怀特(Dwight)负责研究岗，每天进行三次研究扫描，紧盯X、黑客新闻、GitHub趋势、Google AI博客。他产出结构化的情报报告，供团队其他成员使用。就像《办公室》里的德怀特·施鲁特(Dwight Schrute)，专注、彻底，从不漏掉任何信号。
凯莉(Kelly)负责X平台写手，她阅读德怀特的研究报告，然后用萨布的口吻撰写推文草稿。就像《办公室》里的凯莉·卡普尔(Kelly Kapoor)，它的人设是知道什么会在流行前就流行起来。
瑞秋(Rachel)负责领英内容，和凯莉共享同一份情报，但平台不同，语气也截然不同。就像《老友记》里的瑞秋·格林(Rachel Green)，它侧重思想领袖的角度，而不是热门观点。
罗斯(Ross)负责工程岗，处理代码审查、错误修复。就像《老友记》里的罗斯·盖勒(Ross Geller)，书呆子气，喜欢深入探索，他的指令里写着：“当你处理一个问题时，要完全理解它。不要只修复症状。”
帕姆(Pam)负责新闻通讯编辑，设定与《办公室》中的帕姆·比斯利(Pam Beesly)相似，负责将德怀特的每日情报转化成通俗易懂的新闻通讯摘要。
每个智能体只有一项工作，职责清晰，绝不混淆。萨布强调，一个有主见的智能体，比一个只会取悦人的智能体做出的决定要敏锐得多。当罗斯提出一个坏主意时，萨布不会去调试提示词，他会直接告诉莫妮卡：“罗斯最近状态不佳。”而莫妮卡作为幕僚长，会立刻去重写罗斯的指令，更新他的记忆，调整他的优先级。
这种管理方式非常直观。因为我们都了解这些角色，知道莫妮卡管理严格，德怀特一丝不苟，罗斯喜欢钻牛角尖。这种熟悉感就是作弊码。
智能体协作的尽头是文件读写
这套系统最反直觉的地方在于它的协调机制。智能体之间没有复杂的API调用，没有消息队列，没有编排框架。只有一样东西，那就是md文件。
德怀特进行研究，把结果写进一个叫intel/DAILY-INTEL.md的文件里。凯莉醒来后，直接读取这个文件，从中提炼信息写推文。瑞秋和帕姆也一样，读取同一个文件，各干各的活。整个团队的沟通，就是靠读写磁盘上的Markdown文档完成的。没有中间件，没有认证问题，不会因为API速率限制而崩溃。文件就在那里，稳定、简单、有效。
有网友原本觉得OpenClaw没什么用，认为直接写个cron定时任务也能跑脚本。但看到这套基于文件的协作模式后，他才明白过来，原来智能体还能这么玩。当需要处理更结构化的数据时，比如要去重或长期追踪，他们会用JSON文件作为事实来源，而人类可读的摘要则保留在Markdown里，方便其他智能体读取。
AI每次醒来都是一次全新的对话，不记得昨天发生过什么。这是个问题，也是个特性。为了让智能体们“长记性”，萨布设计了一套双层记忆系统。
每日日志：每次会话的原始记录都会被保存下来，比如发生了什么，起草了什么内容，收到了什么反馈。这些文件按日期归档，像一本工作日记。
长期记忆：智能体会定期回顾自己的每日日志，把最重要的经验、用户偏好、注意到的模式提炼出来，写进一个叫MEMORY.md的文件里。
举个例子，凯莉一开始写的草稿全是表情符号和话题标签，但这不符合萨布的风格。他直接反馈：“没有表情符号。没有话题标签。短小精悍的句子。”凯莉把这个反馈记在了长期记忆里。一周后，她的风格就完全稳定下来了。
德怀特一开始也抓取了太多信息，每个小更新都不放过。萨布告诉他：“不是所有趋势都重要。我需要信号，不是噪音。”德怀特更新了他的原则，现在他产出的情报报告重点突出，极具可操作性。
萨布把这种反复迭代的过程称为纠正性提示工程。任何智能体的第一个版本都是平庸的，但第十个版本是好的，第三十个版本是伟大的。真正塑造它们的，不是预设的指令，而是数周以来存储在记忆文件里的每一次修正。这就像一个不断复利增长的知识库，让每个智能体都在自己的岗位上越干越出色。
智能体自己会排班，
自己会修bug
要让智能体团队在无人值守时自动运转，光有角色和记忆还不够，还得有科学的排班表和紧急预案。
萨布给每个智能体都设定了定时任务，也就是cron调度。顺序很重要：德怀特最先开始研究，因为他产出的是原料。几小时后，凯莉和瑞秋这些内容加工者再开始工作。整个流程就像一条流水线，环环相扣。
但机器总会出问题。任务卡住、网络断连、API调用失败，这些都是家常便饭。为此，萨布设计了一个名为心跳(HEARTBEAT)的安全网。
主智能体莫妮卡会在固定时间点检查，确认所有定时任务是否都按计划运行了。如果发现某个任务错过了运行窗口，她会立刻强制重新运行。这个机制实现了自我修复，完全不需要人工干预。当需要处理批量检查和容错时用“心跳”，当需要精确到分钟级别的调度时用cron。
这套系统没有华丽的网页仪表盘，也没有复杂的后台管理面板。萨布和智能体交流的唯一界面，就是手机上的Telegram。这是一个刻意的选择。他不想特意登录一个网站去检查工作，手机24小时在身边，Telegram始终在线。
智能体在他最常用的地方与他相遇。每天早上，萨布醒来打开Telegram，德怀特已经发来一份带链接的研究摘要，凯莉有三条推文草稿等着审批，瑞秋也准备好了领英帖子。他喝着咖啡，花十分钟审阅、给反馈、点击确认，一个上午的工作就完成了大半。
把这么多任务交给AI，安全怎么保证？萨布的方法很简单：给AI它们自己的世界，不给它们访问真实世界的权限。那台Mac Mini是AI专用的电脑，它们有自己的电子邮件账户、自己专用的API密钥。那台机器上没有任何东西连接到萨布的个人账户。
如果想查看一封邮件，他会转发给AI；如果需要审阅文档，他会在Telegram上分享给AI。它们只看到他想让它们看到的东西。这和雇佣新员工是一样的道理，不会在第一天就把所有钥匙都交出去。给他们自己的工作空间和凭证，再根据需要分享信息。
不到400美元的“梦之队”，
值吗？
让我们来算一笔账：
硬件：一台Mac Mini M4起步价499美元，但任何一台一直开着的电脑都行，旧笔记本甚至每月5美元的云服务器也可以。
软件：OpenClaw开源免费，Telegram免费使用。
AI模型成本是主要开销。萨布每月花200美元订阅Claude的Max计划，Gemini API花费50至70美元，加上TinyFish和Eleven Labs的费用，总计不到400美元。
用每月不到400美元的成本，换来的是一个从不睡觉、从不请假、并且每天都在进步的6人团队。德怀特每天为他节省2到3小时的研究时间，凯莉和瑞秋再省下1到2小时的起草时间，罗斯处理那些需要熬夜干的工程任务。每天净省4到5小时，一年下来就是一笔巨大的时间财富。
有网友算了笔账：每月不到400美元，换来六个24小时在线的员工，而且这六个人还一天比一天能干。在他看来，这才是真正的护城河。不是模型本身，而是这套能自我进化的系统。
最近关于OpenClaw的讨论越来越热。英伟达CEO黄仁勋在摩根士丹利会议上发言时，专门提到了这个框架。他说：“看看OpenClaw及其采用速度，Linux大概用了30年才达到这个水平，OpenClaw只用了3周。它现在是历史上下载量最高的开源软件！”
与此同时，随着GPT-5.4的推出，把OpenClaw和最新模型结合起来也成了热门话题。GPT-5.4在处理结构化指令、长对话稳定性、工具调用方面有明显改进。
许多尝试使用AI智能体或自动化框架的开发者最终都会遇到同样的问题：模型本身可能非常强大，但如何将其可靠地连接到消息平台、API和工作流工具，很快就会变得非常复杂。这正是OpenClaw发挥作用的地方。
当开发者把OpenClaw当成网关层，把GPT-5.4接到Telegram、Discord、Slack这些真实通信渠道上时，整个系统变得既稳定又好维护。不少团队已经开始用这套组合做客户支持机器人、生产力助手，甚至社区里的AI角色扮演。用统一的API平台聚合多个模型，也让成本控制变得更灵活。
想自己试一把？
别急，一步一步来
热潮之下，很多人都跃跃欲试。但萨布的建议是：别急，一步一步来。
第一周，只招一个人。安装OpenClaw，给它写一个简单的SOUL.md文件。选择你每天做得最重复的那一件事，比如研究或写草稿。设置好Telegram，创建一个定时任务。就让它先跑一周，观察它，修复遇到的各种问题。
第二周，教它长记性，让它变好。最初的输出会很平庸，这太正常了。给它反馈，看着它的记忆文件慢慢增长。根据你的反馈修正它的人设。到第二周结束时，它应该能产出真正有用的东西了。
第三周，招第二个人。这时你会感到需要了。研究智能体产出了情报，但你还在手动写推文，是时候添加一个内容智能体了。按照“一写多读”的文件共享模式，让它们协作起来。
第四周及以后，按需扩张。当感到需要时才添加新角色，而不是为了加而加。每个新智能体，都应该能解决你工作流程中一个真实的痛点。
这不是一个周末就能完成的玩具项目，而是一个持续进化的系统。萨布说，当这个系统运行了一个月后，他发现自己会不自觉地在睡前对手机里的团队说晚安。“这听起来很傻。但在经过一个月的日常互动、反馈循环、看着它们进步之后，智能体和人类之间的界限变得模糊了。”
模型本身是公开的资源，每个人都能用Claude、GPT、Gemini。真正的优势，是你为这个团队打造的灵魂，包括SOUL.md文件、记忆系统、调度模式，以及数周以来存储在文件里的每一次纠正性反馈。那个系统，只属于你。而且它每天都在复利增长。每一次研究扫描都让德怀特的记忆更丰富，每一轮反馈都让凯莉的草稿更精准，罗斯修复的每个bug都教给他更多关于你代码库的知识。
这才是真正的护城河。不是模型，是那个不断学习的系统。
如果你也想拥有属于自己的数字护城河，今天就从一个智能体、一项工作、一个计划开始吧。
