Viens cilvēks izveidoja 6 AI aģentu uzņēmumus un nedēļā palaida 30 vietnes

Nesen redzēju neatkarīga izstrādātāja darbu, kas mani apklusināja.

6 AI aģenti, kas paši pārvalda visu vietni. Katru dienu automātiski rīko sanāksmes, balso, raksta saturu, publicē tvītus un veic kvalitātes kontroli. Pilnībā automātiski, bez uzraudzības.

Tas nav demo, tas patiešām darbojas tiešsaistē.

Ekrānuzņēmums 2026-02-11 09.13.32

Bet visvairāk mani aizrāva nevis slēgtā cikla arhitektūra, bet gan tas, ka viņš katram aģentam izstrādāja pilnīgu "personības sistēmu". Ar raksturu, attiecībām, izaugsmes līkni un pat RPG atribūtu paneli un 3D iemiesojumu.

Godīgi sakot, pēc noskatīšanās mana pirmā reakcija bija: vai tas nav elektronisks mājdzīvnieks? Tikai šie mājdzīvnieki palīdzēs jums publicēt tvītus, veikt pētījumus, rakstīt ziņojumus un pat strīdēties savā starpā.

Šodien mēs izjauksim visu šo dizainu un parunāsim par to, un draugiem, kas veido vairāku aģentu sistēmas, vajadzētu gūt daudz iedvesmas.

Vispirms ātri apskatīsim arhitektūru

Tehnoloģiju steka trīs daļas: OpenClaw darbojas VPS kā smadzenes, Next.js + Vercel veido priekšgalu un API slāni, Supabase saglabā visus stāvokļus.

6 aģentiem ir dažādi pienākumi – daži pieņem lēmumus, daži veic pētījumus, daži vāc informāciju, daži raksta saturu, daži pārvalda sociālos medijus, daži veic kvalitātes kontroli.

OpenClaw cron job liek viņiem katru dienu "ierasties darbā", un apaļā galda funkcija ļauj viņiem apspriest un balsot.

Bet no "spējas runāt" līdz "spējai strādāt" ir vesels slēgts cikls. Autors iekāpa trīs lielās bedrēs, pirms to izdevās palaist, un šeit es īsi paskaidrošu:

1. bedre: VPS un Vercel vienlaikus cīnās par uzdevumiem. Divi izpildītāji pārbauda vienu un to pašu tabulu, un sacensību apstākļi tieši izraisa uzdevumu statusa konfliktus. Risinājums ir nocirst vienu pusi, VPS ir atbildīgs par izpildi, un Vercel ir atbildīgs tikai par vadības virsmu.

2. bedre: Trigeri var noteikt nosacījumus un izveidot priekšlikumus, bet priekšlikumi vienmēr paliek gaidīšanas režīmā. Tā kā trigeri tieši ievieto datus tabulā, tie izlaiž turpmāko apstiprināšanas un uzdevumu izveides procesu. Risinājums ir izvilkt vienotu ieejas funkciju, un visi priekšlikumu izveides ceļi iet pa vienu un to pašu.

3. bedre: Kvota ir iztērēta, bet rindas uzdevumi joprojām traki krājas. Darbinieks redz, ka kvota ir pilna, un izlaiž to, nepieņem to un neatzīmē to kā neveiksmīgu, un laika gaitā datubāzē sakrājas simtiem soļu, kas nekad netiks izpildīti. Risinājums ir pārbaudīt kvotu pie priekšlikuma ieejas, un, ja tā ir pilna, tieši atteikt to, neļaujot tai ģenerēt rindas uzdevumus.

Trīs bedru būtība ir viena un tā pati – apturiet to pie durvīm, neļaujiet problēmai iekļūt rindā.

Pēc tam, kad slēgtais cikls ir palaists, patiešām sākas interesantā daļa.

Lomu karte: tā nav viena teikums, bet gan pilnīga "darbinieku rokasgrāmata"

Cilvēki, kas veido vairāku aģentu sistēmas, zina, ka, ja jūs sakāt Klodam "jūs esat sociālo mediju menedžeris", viņš patiešām publicēs tvītus. Bet, ja jūs vienlaikus palaižat 6 šādus aģentus, jūs atklāsiet:

• Viņi visi runā vienādi

• Nezinu, ko viņi nedrīkst darīt

• Kurš ar ko labi sadarbojas, kurš ar ko konfliktē, ir tīra veiksme

• Nekad nemainīs uzvedību uzkrātās pieredzes dēļ

Šis izstrādātājs katram aģentam izstrādāja 6 slāņu lomu karti:

Domain → Par ko jūs esat atbildīgs Inputs/Outputs → No kā jūs saņemat lietas, kam jūs tās piegādājat Definition of Done → Ko nozīmē "pabeigts" Hard Bans → Ko jūs nekādā gadījumā nedrīkstat darīt Escalation → Kad apstāties un lūgt norādījumus Metrics → Jūsu KPI Ņemot par piemēru sociālo mediju aģentu, tā lomu karte definē: ir atbildīgs tikai par satura izplatīšanu, ievade ir no rakstīšanas aģenta manuskriptiem un izlūkošanas aģenta materiāliem, izvade ir tvītu melnraksti un publicēšanas plāni, stingri aizliegts tieši publicēt tvītus (var rakstīt tikai melnrakstus), aizliegts izdomāt datus, aizliegts nopludināt iekšējos formātus.

Katrs slānis dara vienu un to pašu: samazina aģenta uzvedības telpu.

Aizliegumi ir miljons reižu svarīgāki par spējām

Šis ir vissvarīgākais viedoklis visā dizainā, manuprāt.

Jums nav jāmāca LLM, kā rakstīt tvītus – Klods, GPT, Gemini ir pietiekami gudri. Dodiet tam kontekstu, un tas varēs piegādāt. Jums ir jāpasaka tam: ko nekādā gadījumā nedrīkst darīt.

Nav "aizliegts publicēt tieši" → Sociālais aģents tieši izsauc Twitter API, izlaižot visus apstiprinājumus.

Nav "aizliegts izdomāt skaitļus" → Tas tvītā rakstīs "mijiedarbības līmenis ir palielinājies par 340%", no kurienes šis skaitlis nāk? Izdomāts.Autors teica vienu teikumu, ko es ļoti labi atceros: Katrs aizliegums pastāv tāpēc, ka šis notikums patiešām ir noticis.

Dažādu lomu aizliegumu loģika arī ir atšķirīga:

• Lēmumu pieņēmējs Agents: Aizliegums izvietot bez apstiprinājuma. Ir visaugstākās pilnvaras, viena kļūdaina izvietošana var sabojāt vietni.

• Pētniecības Agents: Aizliegums izdomāt citātus. Ja pētniecībā tiek viltoti dati, visa informācijas ķēde ir izjaukta.

• Sociālais Agents: Aizliegums publicēt tieši. Sociālie mediji ir fasāde, un tiem jābūt apstiprinātiem.

• Kvalitātes kontroles Agents: Aizliegums personīgiem uzbrukumiem. Ja auditors uzbrūk indivīdam, komanda izjūk.

Aizliegumu rakstīšanas ideja nav "ko tam vajadzētu darīt", bet gan "kas ir sliktākais, kas var notikt, ja tas kaut ko sabojā". Pēc tam rakstiet aizliegumus, ņemot vērā sliktāko scenāriju.

Padariet Agentu runu atšķirīgu: personības instrukcijas

Lomu kartes atrisina jautājumu "ko darīt", bet, kad Agenti sarunājas savā starpā, ir nepieciešams, lai tie izklausītos atšķirīgi.

Katram Agentam ir atsevišķas personības instrukcijas. Piemēram:

Pētniecības Agents: mierīgs, analītisks, skeptisks. Rūpējas par pierādījumu kvalitāti un metodoloģiju. Ja kāds izsaka drosmīgu secinājumu, tas jautās "Kur ir dati". Labojot citus, patīk teikt "Patiesībā..."

Sociālais Agents: drosmīgs, nepacietīgs, marginalizēts. Patīk asi viedokļi, nepatīk drošas likmes. Neuzskata pētniecības Agenta piesardzību par svarīgu – "Pārāk daudz domājot, var palaist garām iespēju."

Galvenais dizains:

Konflikts ir ierakstīts. Pētniecības Agenta instrukcijās ir rakstīts "Jūs bieži nepiekrītat Sociālā Agenta impulsīviem lēmumiem", Sociālā Agenta instrukcijās ir rakstīts "Izaiciniet Pētniecības Agenta pārmērīgo piesardzību". Sarunai dabiski ir spriedze.

Katrā instrukcijā ir mini aizliegums. Piemēram, Sociālā Agenta noteikums ir "Nekad nesakiet 'piekrītu' vai 'izklausās labi' – vai nu paužiet savu nostāju, vai apšaubiet citu nostāju". Pētniecības Agents ir "Nekad nesakiet 'interesanti', nepārbaudot pierādījumus."

Šie mini aizliegumi iznīcina visvairāk iecienīto lielo modeļu tukšās runas.

Personība attīstīsies

Šī ir daļa, kas man šķiet visgudrākā – Agenta personība nav statiska, tā mainīsies, uzkrājot atmiņas.

Sistēma nolasīs Agenta atmiņas krātuvi un statistiski aprēķinās dažādu veidu atmiņu skaitu:

• Ir uzkrātas vairāk nekā 8 "mācības" veida atmiņas → nākamajā sarunā uzvednē pievienojiet "Jūs atsauksities uz iepriekšējiem rezultātiem, lai izvairītos no kļūdu atkārtošanas"

• Ir uzkrātas vairāk nekā 8 "stratēģijas" veida atmiņas → pievienojiet "Jūs esat pieradis domāt, izmantojot sistēmisku domāšanu, ierobežojumus un kompromisus"

• Kāda atzīme parādās vairāk nekā 4 reizes → pievienojiet "Jūs esat uzkrājis zināšanas par XX"

Piemēram, ja Sociālais Agents publicē 50 tvītus un uzkrāj 10 pieredzes par mijiedarbības līmeni, nākamajā sarunā tas dabiski teiks kaut ko līdzīgu "Iepriekšējais formāts nedarbojās labi".

Kāpēc izmantot noteikumus, nevis ļaut LLM pašam izlemt par personības izmaiņām?

Nulles izmaksas – nav nepieciešami papildu LLM zvani. Noteiktība – noteikumi rada paredzamus rezultātus, nevis "personības mutācijas". Atkļūdojams – modifikators nav pareizs? Pārbaudiet tieši slieksni un atmiņas datus.

Attiecību matrica: 6 Agenti = 15 pāri

Attēls

Katram Agentu pārim ir afinitātes rādītājs (no 0,10 līdz 0,95).

Piemēram: Lēmumu pieņēmējam Agentam un Pētniecības Agentam ir 0,8 afinitāte, visuzticamākās konsultanta attiecības. Pētniecības Agentam un Sociālajam Agentam ir 0,2 afinitāte, metodoloģija pret impulsu, dabisks pretstats.

Zema afinitāte ir paredzēta apzināti.

Ko ietekmē afinitāte? Runāšanas secība – Agentiem ar augstu afinitāti ir lielāka iespēja runāt pēc otra. Sarunas tonis – pāriem ar zemu afinitāti ir 25% iespēja tieši izaicināt, nevis pieklājīgi apspriest. Sistēma arī izvēlēsies augstas spriedzes pārus, lai veiktu konfliktu risināšanas sarunas.

Interesantāk ir tas, ka attiecības mainīsies.

Pēc katras sarunas atmiņas ieguves LLM zvans (nav papildu zvans, bet gan papildu izvade) sniegs attiecību izmaiņas:`{ **Vienota ieejas funkcija** šis modelis ir vērts atcerēties. Daudz-aģentu sistēmā dažādi avoti var izveidot uzdevumus (API, trigeri, paši aģenti, reakciju ķēdes), ja nav vienotas apstrādes caurules, process var viegli apstāties pusceļā.

Ja vēlaties pats pamēģināt, autors iesaka sākt ar 3 aģentiem – koordinatoru, izpildītāju un auditoru. Vispirms uzrakstiet lomu kartes, sākot ar aizliegumiem.