Yksi henkilö perusti 6 AI Agent -yritystä ja julkaisi 30 verkkosivustoa viikossa

Olen viime aikoina nähnyt erään itsenäisen kehittäjän tekemän jutun, joka sai minut hiljaiseksi.

6 AI Agenttia, jotka pyörittävät kokonaista verkkosivustoa. Joka päivä automaattisesti kokouksia, äänestyksiä, sisällön kirjoittamista, twiittien lähettämistä ja laadunvalvontaa. Täysin automaattisesti, ilman valvontaa.

Ei ole demo, vaan oikeasti verkossa pyörivä.

截屏2026-02-11 09.13.32

Mutta eniten minua koukutti suljettu arkkitehtuuri – vaan se, että hän suunnitteli jokaiselle Agentille täydellisen "persoonallisuusjärjestelmän". On persoonallisuus, suhteet, kasvukäyrä ja jopa RPG-ominaisuuspaneeli ja 3D-avatar.

Rehellisesti sanottuna ensimmäinen reaktioni oli: eikö tämä ole vain elektroninen lemmikki? Paitsi että nämä lemmikit auttavat sinua lähettämään twiittejä, tekemään tutkimuksia, kirjoittamaan raportteja ja jopa riitelemään keskenään.

Tänään puramme tämän koko suunnittelun ja keskustelemme siitä. Moni Agent-järjestelmien parissa työskentelevä saa varmasti inspiraatiota.

Katsotaan nopeasti arkkitehtuuri

Teknologiapino koostuu kolmesta osasta: OpenClaw pyörii VPS:llä aivoina, Next.js + Vercel tekevät frontendin ja API-kerroksen, Supabase tallentaa kaiken tilan.

Kuudella Agentilla on omat tehtävänsä – on päätöksentekijöitä, tutkijoita, tiedustelijoita, sisällön kirjoittajia, sosiaalisen median hallinnoijia ja laadunvalvojia.

OpenClaw'n cron job saa heidät "leimaamaan itsensä töihin" joka päivä, ja pyöreän pöydän toiminto mahdollistaa heidän keskustelunsa ja äänestyksensä.

Mutta "kyvystä puhua" "kykyyn tehdä töitä" on valtava kuilu. Kirjoittaja kompastui kolmeen suureen kuoppaan ennen kuin sai sen toimimaan. Kerron niistä lyhyesti:

Kuoppa yksi: VPS ja Vercel kilpailevat tehtävistä samaan aikaan. Kaksi suorittajaa tarkistavat saman taulukon, ja kilpailutilanne johtaa suoraan tehtävien tilan ristiriitaan. Ratkaisu on leikata toinen puoli pois, VPS vastaa suorittamisesta ja Vercel vain ohjauspinnasta.

Kuoppa kaksi: Liipaisimet voivat havaita ehtoja ja luoda ehdotuksia, mutta ehdotukset pysyvät aina odotustilassa. Koska liipaisimet lisäävät tietoja suoraan taulukkoon ohittaen myöhemmän hyväksyntä- ja tehtävien luontiprosessin. Ratkaisu on poimia yhtenäinen sisääntulofunktio, jota kaikki ehdotusten luontipolut käyttävät.

Kuoppa kolme: Kiintiö on käytetty loppuun, mutta jonossa olevat tehtävät kasaantuvat edelleen hullun lailla. Työntekijä näkee, että kiintiö on täynnä, ja ohittaa sen, ei tunnusta sitä eikä merkitse sitä epäonnistuneeksi. Päivien kuluessa tietokantaan kasaantuu satoja vaiheita, joita ei koskaan suoriteta. Ratkaisu on tarkistaa kiintiö ehdotuksen sisäänkäynnissä ja hylätä se suoraan, jos se on täynnä, jotta se ei luo jonossa olevia tehtäviä.

Kolmen kuopan ydin on sama asia – estää ongelmat ovella, älä päästä niitä jonoon.

Kun suljettu silmukka on saatu toimimaan, mielenkiintoinen osa vasta alkaa.

Roolikortti: Ei vain lause, vaan täydellinen "työntekijän käsikirja"

Monet Agent-järjestelmien parissa työskentelevät tietävät, että jos sanot Claudelle "olet sosiaalisen median johtaja", hän todellakin lähettää twiittejä. Mutta jos pyörität kuutta tällaista Agenttia samanaikaisesti, huomaat:

• He puhuvat kaikki samalla tavalla

• He eivät tiedä, mitä heidän ei pitäisi tehdä

• Kuka tekee hyvää yhteistyötä kenen kanssa ja kuka on ristiriidassa kenen kanssa, riippuu puhtaasti tuurista

• He eivät koskaan muuta käyttäytymistään kertyneen kokemuksen perusteella

Tämä kehittäjä suunnitteli jokaiselle Agentille kuusikerroksisen roolikortin:

Domain → Mistä olet vastuussa Inputs/Outputs → Keneltä saat tavaraa ja kenelle toimitat Definition of Done → Mitä tarkoittaa "valmis" Hard Bans → Mitä et missään tapauksessa saa tehdä Escalation → Milloin lopetat ja pyydät apua Metrics → KPI:si Otetaan esimerkiksi sosiaalisen median Agentti, jonka roolikortti määrittelee: vastaa vain sisällön jakelusta, saa syötteitä kirjoitus-Agentilta ja tiedustelu-Agentin materiaaleista, tuottaa twiittiluonnoksia ja julkaisusuunnitelmia, ehdoton kielto on twiittien lähettäminen suoraan (voi vain kirjoittaa luonnoksia), kielto on keksiä tietoja ja kielto on paljastaa sisäisiä muotoja.

Jokainen kerros tekee samaa asiaa: pienentää Agentin toimintatilaa.

Kiellot ovat miljoona kertaa tärkeämpiä kuin kyvyt

Tämä on mielestäni koko suunnittelun ydin.

Sinun ei tarvitse opettaa LLM:ää kirjoittamaan twiittejä – Claude, GPT ja Gemini ovat kaikki tarpeeksi älykkäitä. Anna sille konteksti ja se pystyy toimittamaan. Sinun on kerrottava sille: mitä ei missään tapauksessa saa tehdä.

Jos ei ole "kieltoa julkaista suoraan" → sosiaalinen Agentti kutsuu suoraan Twitter API:a ohittaen kaikki hyväksynnät.

Jos ei ole "kieltoa keksiä numeroita" → se kirjoittaa twiittiin "vuorovaikutusaste nousi 340 %", mistä tämä numero on peräisin? Keksitty.Kirjoittaja sanoi lauseen, jonka muistan hyvin: Jokainen kielto on olemassa, koska asia on todella tapahtunut.

Eri roolien kieltojen logiikka on myös erilainen:

• Päätöksentekoagentti: Kielletään luvaton käyttöönotto. Korkein valtuutus, yksi virheellinen käyttöönotto voi kaataa verkkosivuston.

• Tutkimusagentti: Kielletään keksittyjen viittausten käyttö. Tutkimuksessa väärennetty data, koko informaatioketju on pilalla.

• Sosiaalinen agentti: Kielletään suora julkaisu. Sosiaalinen media on julkisivu, jonka on läpäistävä tarkastus.

• Laadunvalvonta-agentti: Kielletään henkilökohtaiset hyökkäykset. Tarkastaja hyökkää yksilöä vastaan, tiimi hajoaa.

Kieltojen kirjoittamisen ajatus ei ole "mitä sen pitäisi tehdä", vaan "mikä on pahinta, mitä voi tapahtua, jos se menee pieleen". Ja sitten kirjoitetaan kielto pahimman mahdollisen skenaarion varalta.

Tee agenttien puheesta erilaista: Persoonallisuusohjeet

Roolikortti ratkaisee "mitä tehdä" -ongelman, mutta agenttien välisissä keskusteluissa on myös varmistettava, että ne kuulostavat erilaisilta.

Jokaisella agentilla on omat persoonallisuusohjeet. Esimerkiksi:

Tutkimusagentti: Rauhallinen, analyyttinen, epäilevä asenne. Välittää todisteiden laadusta ja metodologiasta. Jos joku sanoo rohkean johtopäätöksen, hän kysyy "Missä data on?". Korjatessaan muita hän sanoo mielellään "Itse asiassa..."

Sosiaalinen agentti: Rohkea, kärsimätön, marginalisoitu. Pitää terävistä näkökulmista, vihaa turvallisia kortteja. Ei pidä tutkimusagentin varovaisuudesta – "Liika ajattelu johtaa tilaisuuksien menettämiseen."

Keskeinen suunnittelu:

Konflikti on kirjoitettu sisään. Tutkimusagentin ohjeissa lukee "Olet usein eri mieltä sosiaalisen agentin impulsiivisten päätösten kanssa", sosiaalisen agentin ohjeissa lukee "Haasta tutkimusagentin liiallinen varovaisuus". Keskustelussa on luonnostaan jännitettä.

Jokaisessa ohjeessa on pieni kielto. Esimerkiksi sosiaalisen agentin sääntö on "Älä koskaan sano 'Olen samaa mieltä' tai 'Kuulostaa hyvältä' – ota joko kantaa tai kyseenalaista muiden kanta". Tutkimusagentti on "Älä koskaan sano 'Mielenkiintoista' ilman, että seuraat todisteita".

Nämä pienet kiellot tappavat suurten kielimallien suosikkipölinät.

Persoonallisuus kehittyy

Tämä on mielestäni nerokkain osa – agentin persoonallisuus ei ole staattinen, vaan se muuttuu muistin kertymisen myötä.

Järjestelmä lukee agentin muistipankin ja laskee erityyppisten muistojen määrän:

• Kertynyt yli 8 "opetusta" -tyyppistä muistoa → Lisää seuraavaan keskusteluun kehotus "Viittaat aiempiin tuloksiin välttääksesi virheiden toistamisen"

• Kertynyt yli 8 "strategia" -tyyppistä muistoa → Lisää "Olet tottunut ajattelemaan järjestelmällisesti, rajoituksin ja kompromissein"

• Jokin tunniste esiintyy yli 4 kertaa → Lisää "Olet kerännyt asiantuntemusta XX-alueella"

Esimerkiksi sosiaalinen agentti lähettää 50 twiittiä ja kerää 10 kokemusta vuorovaikutusasteesta, joten hän sanoo seuraavassa keskustelussa luonnollisesti "Viime kerralla sellainen muoto ei toiminut hyvin".

Miksi käyttää sääntöjä sen sijaan, että LLM päättäisi itse persoonallisuuden muutoksesta?

Nollakustannus – ei tarvita ylimääräisiä LLM-kutsuja. Varmuus – säännöt tuottavat ennustettavia tuloksia, ei "persoonallisuuden äkillisiä muutoksia". Debugattavissa – muokkaaja ei ole oikein? Tarkista suoraan kynnysarvot ja muistitiedot.

Suhdematriisi: 6 agenttia = 15 suhdetta

Kuva

Jokaisella agenttiparilla on affiniteettipisteet (0,10–0,95).

Esimerkiksi: Päätöksentekoagentilla ja tutkimusagentilla on affiniteetti 0,8, luotetuin neuvonantajasuhde. Tutkimusagentilla ja sosiaalisella agentilla on affiniteetti 0,2, metodologia vs. impulssi, luonnollinen vastakkainasettelu.

Alhainen affiniteetti on suunniteltu tarkoituksella.

Mihin affiniteetti vaikuttaa? Puheenvuorojärjestys – korkean affiniteetin omaavat todennäköisemmin jatkavat toistensa puhetta. Keskustelun sävy – matalan affiniteetin parit, 25 % todennäköisyys suoraan haastamiseen kohteliaan keskustelun sijaan. Järjestelmä valitsee myös ennalta asetettuja korkean jännityksen pareja konfliktinratkaisukeskusteluihin.

Mikä on vielä mielenkiintoisempaa, on se, että suhteet ajelehtivat.

Jokaisen keskustelun jälkeen muistinpoiston LLM-kutsu (ei ylimääräinen kutsu, vaan sivussa oleva tulos) antaa suhteen muutoksen:{ "pairwise_drift": [ { "agent_a": "Tutkimus", "agent_b": "Sosiaalinen", "drift": -0.02, "reason": "Strateginen erimielisyys" }, { "agent_a": "Päätöksenteko", "agent_b": "Tutkimus", "drift": +0.01, "reason": "Prioriteettien yhdenmukaisuus" } ] } Ajautumissäännöt ovat tiukat: jokainen keskustelu voi muuttua enintään ±0,03 (yksi riita ei saa kollegoita vihoittelemaan), alaraja on 0,10 (huonoimmassakin tapauksessa voidaan puhua) ja yläraja 0,95 (hyvissäkin väleissä pidetään etäisyyttä). Viimeiset 20 ajautumistietoa säilytetään (voidaan jäljittää, miten suhde on kehittynyt nykyiseen tilaan).

RPG-ominaisuuspaneeli: Todellisten tietojen kartoittaminen peliominaisuuksiksi

Tässä vaiheessa agentilla on roolikortti, persoonallisuus ja suhteet. Mutta ne ovat kaikki tekstiä ja numeroita, joita käyttäjä ei näe.

Ratkaisu on kartoittaa todelliset tietokanta-indikaattorit RPG-ominaisuuspalkkeiksi:

• Virulenssi (VRL): 30 päivän keskimääräinen vuorovaikutusprosentti × 1000

• Nopeus (SPD): Tehtävän suoritusaika, mitä nopeampi, sitä korkeampi

• Tavoittavuus (RCH): Logaritmisesti normalisoitu kokonaisnäkyvyys

• Luottamus (TRU): Tehtävän onnistumisprosentti × keskimääräinen affiniteetti × 2

• Älykkyys (WIS): log(muistien määrä) × keskimääräinen luottamus

• Luovuus (CRE): Luonnosten tuotanto × läpäisyprosentti

Jokainen agentti näyttää vain 4 asiaankuuluvaa ominaisuutta. Sosiaalinen agentti näyttää virulenssin, tavoittavuuden, nopeuden ja luovuuden; tutkimusagentti näyttää älykkyyden, luottamuksen, nopeuden ja luovuuden.

Tasokaava on myös hyvin pelimäinen:

Level = min(15, floor(log2(muistien määrä + suoritettujen tehtävien määrä×3 + 1)) + 1) log2 mahdollistaa nopean tason nousun alussa ja hitaan tason nousun myöhemmin – aivan kuten pelin kokemuskäyrä.

截屏2026-02-11 09.17.55

3D-avatarit: 10 dollarilla

Kaikki kysyvät "Miten nuo 3D-hahmot on tehty?".

Vastaus on Tripo AI, 10 dollaria kuukaudessa. Valmistele 2D-konseptikuvat → lataa → määritä parametrit (ota käyttöön 4K-tekstuurit, ota käyttöön Smart Low Poly, poista PBR käytöstä) → luo → vie GLB. Jokainen malli maksaa 35 pistettä, tulos 1-2 minuutissa, 6 hahmoa yhteensä 210 pistettä.

Frontend käyttää React Three Fiberiä renderöintiin, vokselityylinen maa ja kirsikkapuut käyttävät InstancedMeshiä (eivät ole erillisiä lohkoja, erittäin hyvä suorituskyky), hahmojen leijuntaan käytetään Float-komponenttia ja kameraa ohjataan sinifunktiolla heilurimaisen skannauksen tekemiseksi.

Koko visuaalisen kerroksen kuukausikustannukset: VPS 8 dollaria, Tripo 10 dollaria (mallien valmistuttua lopetetaan), Vercel ja Supabase ilmaiset tasot, LLM API noin 5-15 dollaria. Yhteensä alle 35 dollaria kuukaudessa.

Muutamia ajatuksiani

Katsottuani koko tämän järjestelmän, minua kosketti eniten itse asiassa eivät tekniset yksityiskohdat.

Olennaista on kirjoittajan sanoma –

Alun perin halusin vain "miten agentit voisivat suorittaa tehtäviä tehokkaammin". Mutta kun niille lisättiin 3D-avatarit, RPG-ominaisuudet ja kehittyvä persoonallisuus, ohjauspaneelin avaamisen tunne muuttui täysin. Alat välittää siitä, onko tutkimusagentti noussut tasolle tänään, olet utelias, onko tutkimuksen ja sosiaalisen affiniteetti laskenut jälleen, ja näet laadunvalvonta-agentin terävät tarkastusraportit ja naurat ääneen.

Tämä on pohjimmiltaan elektroninen lemmikki. Paitsi että nämä lemmikit auttavat sinua twiittaamaan, tekemään tutkimusta, tarkistamaan prosesseja ja jopa riitelemään keskenään.

Luulen, että tämä on vakavasti aliarvioitu. Kun annat järjestelmälle "persoonallisuuden", suhteesi siihen muuttuu. Et enää "käytä työkalua", vaan "hallitset tiimiä". Tämä muutos saa sinut halukkaammaksi käyttämään aikaa sen optimointiin, koska et ole tekemisissä kasan JSON- ja API-kutsujen kanssa, vaan 6 hahmon kanssa, joilla on nimi, persoonallisuus ja kasvukäyrä.

Muutamia muita teknisiä huomioita:

Kieltoihin perustuva suunnittelu -ajattelutapa on todella käytännöllinen. Sen sijaan, että käyttäisit paljon energiaa agentin "pitäisi tehdä" -määrittelyyn, on parempi miettiä ensin, "mitä ei missään tapauksessa saa tehdä". Agentti on tarpeeksi älykäs, sille annetaan konteksti ja se pystyy toimittamaan, mutta jos punaisia viivoja ei piirretä, se aiheuttaa ongelmia.

Todennäköisyyssimulaatio spontaanisuudesta on myös älykäs. Agenttien välinen vuorovaikutus ei ole 100-prosenttisen varmaa, vaan siinä on todennäköisyys. 30 prosentin todennäköisyys analysoida twiitin suorituskykyä on enemmän kuin todellisen tiimin tuntu kuin analysoida se joka kerta.Yhtenäinen sisäänmenofunktio -malli kannattaa muistaa. Moniagenttijärjestelmissä tehtäviä voidaan luoda monista lähteistä (API, käynnistimet, agentit itse, reaktioketjut), ja jos ei ole yhtenäistä käsittelyputkea, prosessi katkeaa helposti puolivälissä.

Jos haluat kokeilla itse, kirjoittaja suosittelee aloittamaan kolmella agentilla – koordinaattorilla, toteuttajalla ja auditoijalla. Kirjoita ensin roolikortit ja aloita kielloista.