Seseorang Membuat 6 Perusahaan AI Agent, Meluncurkan 30 Situs Web dalam Seminggu

Baru-baru ini saya melihat sesuatu yang dibuat oleh seorang pengembang independen, dan itu membuat saya terdiam.

6 AI Agent, mengoperasikan seluruh situs web sendiri. Secara otomatis mengadakan rapat setiap hari, memberikan suara, menulis konten, mengirim tweet, dan melakukan pemeriksaan kualitas. Sepenuhnya otomatis, tidak ada yang mengawasi.

Bukan demo, tetapi benar-benar berjalan online.

截屏2026-02-11 09.13.32

Tetapi yang paling membuat saya tertarik bukanlah arsitektur loop tertutup—melainkan dia merancang \Tidak ada "larangan membocorkan format internal" → Ia mengirim [tool:crawl_result path=/tmp/...] ke tweet.

Penulis mengatakan satu kalimat yang saya ingat dengan jelas: Setiap larangan ada karena hal itu benar-benar terjadi.

Logika larangan untuk peran yang berbeda juga berbeda:

• Agen Pengambilan Keputusan: Dilarang melakukan penyebaran tanpa persetujuan. Memiliki otoritas tertinggi, satu kesalahan penyebaran dapat merusak situs web.

• Agen Penelitian: Dilarang membuat kutipan palsu. Jika peneliti memalsukan data, seluruh rantai informasi akan rusak.

• Agen Sosial: Dilarang menerbitkan secara langsung. Media sosial adalah etalase, harus disetujui terlebih dahulu.

• Agen Kontrol Kualitas: Dilarang melakukan serangan pribadi. Jika auditor menyerang individu, tim akan bubar.

Cara menulis larangan bukanlah "apa yang seharusnya dilakukan", tetapi "apa yang akan menjadi yang terburuk jika gagal". Kemudian tulis larangan yang menargetkan skenario terburuk.

Membuat Agen Berbicara Berbeda: Instruksi Kepribadian

Kartu peran menyelesaikan masalah "apa yang harus dilakukan", tetapi ketika Agen berinteraksi, mereka juga perlu terdengar berbeda.

Setiap Agen memiliki instruksi kepribadian yang terpisah. Misalnya:

Agen Penelitian: Tenang, analitis, skeptis. Peduli dengan kualitas bukti dan metodologi. Jika seseorang membuat kesimpulan yang berani, ia akan bertanya "Di mana datanya". Saat mengoreksi orang lain, ia suka mengatakan "Sebenarnya..."

Agen Sosial: Berani, tidak sabar, marginal. Menyukai sudut pandang yang tajam, membenci pilihan yang aman. Tidak setuju dengan kehati-hatian Agen Penelitian - "Terlalu banyak berpikir akan melewatkan kesempatan."

Desain Kunci:

Konflik Ditulis di Dalamnya. Instruksi Agen Penelitian mengatakan "Anda sering tidak setuju dengan keputusan impulsif Agen Sosial", instruksi Agen Sosial mengatakan "Tantang kehati-hatian berlebihan Agen Penelitian". Percakapan secara alami memiliki ketegangan.

Setiap Instruksi Memiliki Larangan Mini. Misalnya, aturan Agen Sosial adalah "Jangan pernah mengatakan 'Setuju' atau 'Kedengarannya bagus' - nyatakan posisi Anda atau pertanyakan posisi orang lain". Agen Penelitian adalah "Jangan pernah mengatakan 'Menarik' tanpa menindaklanjuti dengan bukti."

Larangan mini ini membunuh omong kosong yang paling disukai model bahasa besar.

Kepribadian Akan Berkembang

Ini adalah bagian yang menurut saya paling cerdik - kepribadian Agen tidak statis, tetapi berubah seiring dengan akumulasi memori.

Sistem akan membaca basis memori Agen dan menghitung jumlah berbagai jenis memori:

• Mengumpulkan lebih dari 8 memori jenis "pelajaran" → Tambahkan "Anda akan merujuk pada hasil sebelumnya untuk menghindari mengulangi kesalahan yang sama" ke prompt percakapan berikutnya.

• Mengumpulkan lebih dari 8 memori jenis "strategi" → Tambahkan "Anda terbiasa berpikir dengan pemikiran sistem, batasan, dan pertukaran" .

• Tag tertentu muncul lebih dari 4 kali → Tambahkan "Anda telah mengumpulkan keahlian di bidang XX"

Misalnya, jika Agen Sosial menerbitkan 50 tweet dan mengumpulkan 10 pelajaran tentang tingkat keterlibatan, ia secara alami akan mengatakan "Format itu tidak berfungsi dengan baik terakhir kali" dalam percakapan berikutnya.

Mengapa menggunakan aturan daripada membiarkan LLM memutuskan perubahan kepribadian sendiri?

Nol biaya - tidak diperlukan panggilan LLM tambahan. Kepastian - aturan menghasilkan hasil yang dapat diprediksi, tidak ada "perubahan kepribadian". Dapat di-debug - pengubahnya salah? Periksa saja ambang batas dan data memori.

Matriks Hubungan: 6 Agen = 15 Pasangan Hubungan

Gambar

Setiap pasangan Agen memiliki skor afinitas (0,10 hingga 0,95).

Misalnya: Agen Pengambilan Keputusan dan Agen Penelitian memiliki afinitas 0,8, hubungan konsultan yang paling tepercaya. Agen Penelitian dan Agen Sosial memiliki afinitas 0,2, metodologi vs impuls, secara alami bertentangan.

Afinitas rendah sengaja dirancang.

Apa yang memengaruhi afinitas? Urutan berbicara - mereka yang memiliki afinitas tinggi lebih mungkin untuk berbicara setelah yang lain. Nada percakapan - pasangan dengan afinitas rendah memiliki peluang 25% untuk menantang secara langsung daripada berdiskusi dengan sopan. Sistem juga akan memilih percakapan resolusi konflik dari pasangan dengan ketegangan tinggi yang telah ditetapkan sebelumnya.

Lebih menarik lagi, hubungan akan bergeser.

Setelah setiap percakapan, panggilan LLM ekstraksi memori (bukan panggilan tambahan, tetapi keluaran sampingan) akan memberikan perubahan hubungan:`{ **Fungsi Masuk Terpadu** pola ini layak diingat. Dalam sistem Multi-Agent, berbagai sumber dapat membuat tugas (API, pemicu, Agent itu sendiri mengajukan, rantai reaksi), jika tidak ada saluran pemrosesan terpadu, alur proses akan mudah terputus di tengah jalan.

Jika Anda ingin mencobanya sendiri, penulis menyarankan untuk memulai dengan 3 Agent saja - seorang koordinator, seorang pelaksana, dan seorang auditor. Mulailah dengan menulis kartu peran, mulai dari larangan.