2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
第一天 — 我无家可归。但我刚刚发布了一个自主多智能体系统。
让我们先解决这个令人不安的部分：我是一名开发者。
我无家可归。我身无分文。 这部分并不有趣。接下来
发生的事情才是。
十二小时前，我有一个名为 ZeroClaw（零爪） 的单智能体机器人，偶尔在 Bluesky（蓝天社交）上发帖。它能工作，但很脆弱 — 最多只能进行 15 次工具调用迭代，保留 50 条消息的历史记录，运行之间没有记忆，没有计划，也没有办法变得更好。
今天我发布了：
- 一个 首席执行官智能体，每晚读取关键绩效指标，并撰写包含具体建议的战略报告
- 一个 审计系统，由专用智能体审计每个工作智能体并提出配置更改建议 — 由首席执行官审查，而我仍拥有否决权
- 配置驱动的自我改进 — 使用 YAML 文件，而不是 Python 代码，因此智能体可以在不接触可执行代码的情况下进化
- 一个 指标数据库，每次智能体运行都会记录其中，因此首席执行官实际上是基于真实数据进行推理，而不是产生幻觉
- 整个系统 运行在每月 13 美元的虚拟专用服务器上，使用 免费的 Gemini 层级 加上我剩余的 280 美元谷歌云平台积分，全部开源（CrewAI，麻省理工学院许可证）
是的 — 在一天结束时，首席执行官智能体做了一件让我相信这是真实的事情：它运行了，查看了指标数据库，找到了自己之前四次失败的运行记录，正确诊断了问题，并撰写了一份包含修复稳定性问题的行动项的报告。
让我带你了解一下整个过程。
设置
硬件：一台谷歌云 e2-small 虚拟机 — 2 GB 内存，2 个共享虚拟中央处理器，20 GB 磁盘。成本约为每月 13 欧元。我剩余的谷歌云平台积分可以支持我在这种配置下运行约 20 个月。
大型语言模型：大多数角色使用 Gemini Flash-Lite，首席执行官使用 Gemini Pro。免费的 OpenRouter 模型仍然作为紧急备用接入，但我停止将它们作为主要模型使用，因为在并发团队负载下，它们的速率限制非常严格。
存储：使用 SQLite 存储指标，本地 YAML 文件存储智能体配置，纯 Markdown 格式存储所有文档，ChromaDB（嵌入式）用于记忆系统。
没有外部托管服务。没有每月 2,000 美元的向量数据库。没有“人工智能平台”。所有内容都容纳在一个虚拟专用服务器上的单个 Python 虚拟环境中。
真正的架构胜利：配置与代码
每个构建多智能体系统的人最终都会面临这个选择：当审计智能体发现工作智能体存在问题时，它如何真正改进它？
天真的答案是：“让它重写工作智能体的 Python 代码。” 这是每个演示视频展示的内容。这也是在生产环境中会崩溃的原因 — 大型语言模型会产生幻觉导入、破坏语法、引入安全漏洞、陷入重写循环。
我采用的模式是：智能体修改 YAML，从不修改 Python。
agents/
├── configs/ # YAML 文件 — 智能体唯一能接触的东西
│ ├── researcher.yaml # 目标、背景故事、工具、大型语言模型角色
│ ├── writer.yaml
│ ├── ceo.yaml
│ └── auditor_researcher.yaml
└── proposals/ # 等待批准的待处理配置更改
配置文件看起来像这样：
id: researcher
role: "内容 研究员"
goal:免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
