En person skapade 6 AI Agent-företag och lanserade 30 webbplatser på en vecka

Jag såg nyligen något som en oberoende utvecklare gjort, och jag blev helt tyst.

6 AI-agenter, som driver en hel webbplats själva. De har automatiskt möten varje dag, röstar, skriver innehåll, twittrar och gör kvalitetskontroller. Helt automatiskt, ingen övervakar dem.

Det är inte en demo, det körs verkligen online.

截屏2026-02-11 09.13.32

Men det som verkligen fick mig att fastna var inte den slutna arkitekturen – utan att han designade ett komplett \Ingen "förbud mot att avslöja intern formatering" → Den skickade saker som [tool:crawl_result path=/tmp/...] i tweets.

Jag minns tydligt en sak författaren sa: Varje förbud existerar för att det faktiskt har hänt.

Logiken bakom förbuden skiljer sig också mellan olika roller:

• Beslutsfattande Agent: Förbjuder distribution utan godkännande. Har högsta behörighet, en felaktig distribution kan krascha webbplatsen.

• Forskningsagent: Förbjuder fabricerade citat. Om forskare förfalskar data, förstörs hela informationskedjan.

• Social Agent: Förbjuder direkt publicering. Sociala medier är ett skyltfönster, måste godkännas.

• Kvalitetskontroll Agent: Förbjuder personangrepp. Om revisorer attackerar individer, faller teamet isär.

Tanken bakom att skriva förbud är inte "vad den borde göra", utan "vad är det värsta som kan hända om den misslyckas". Skriv sedan förbud baserat på värsta tänkbara scenario.

Få agenter att prata annorlunda: Personlighetsinstruktioner

Rollkort löser problemet med "vad man ska göra", men när agenter konverserar behöver de också låta olika.

Varje agent har separata personlighetsinstruktioner. Till exempel:

Forskningsagent: Lugn, analytisk, skeptisk. Bryr sig om beviskvalitet och metodik. Om någon kommer med en djärv slutsats, frågar den "Var är datan?". Gillar att säga "Faktiskt..." när den korrigerar andra.

Social Agent: Djärv, otålig, marginaliserad. Gillar skarpa åsikter, hatar att spela säkert. Bryr sig inte om forskningsagentens försiktighet – "Att tänka för mycket missar möjligheten."

Viktig design:

Konflikt är inbyggd. Forskningsagentens instruktioner säger "Du håller ofta inte med Social Agents impulsiva beslut", Social Agents instruktioner säger "Utmana Forskningsagentens överdrivna försiktighet". Samtalet har naturligtvis spänning.

Varje instruktion innehåller ett mikroförbud. Till exempel är Social Agents regel "Säg aldrig 'Jag håller med' eller 'Låter bra' – ta antingen ställning eller ifrågasätt andras ståndpunkter". Forskningsagenten är "Säg aldrig 'Intressant' utan att följa upp med bevis".

De här mikroförbuden dödar det nonsens som stora språkmodeller älskar att säga.

Personligheten utvecklas

Det här är den mest geniala delen enligt mig – agentens personlighet är inte statisk, den förändras med ackumulerat minne.

Systemet läser agentens minnesbank och räknar antalet olika typer av minnen:

• Ackumulerat mer än 8 "lektion"-minnen → Lägg till "Du kommer att hänvisa till tidigare resultat för att undvika att upprepa misstag" i prompten nästa gång du pratar.

• Ackumulerat mer än 8 "strategi"-minnen → Lägg till "Du är van vid att tänka i system, begränsningar och kompromisser".

• En tagg visas mer än 4 gånger → Lägg till "Du har samlat på dig expertis inom XX".

Till exempel, om Social Agent publicerar 50 tweets och samlar på sig 10 lärdomar om engagemangsgrad, kommer den naturligtvis att säga något som "Det formatet fungerade inte bra förra gången" nästa gång den pratar.

Varför använda regler istället för att låta LLM bestämma personlighetsförändringar själv?

Noll kostnad – inget behov av ytterligare LLM-anrop. Determinism – regler ger förutsägbara resultat, ingen "personlighetsmutation". Felsökbar – modifieraren är fel? Kontrollera direkt tröskelvärdet och minnesdata.

Relationsmatris: 6 agenter = 15 relationer

Bild

Varje agentpar har en affinitetspoäng (0,10 till 0,95).

Till exempel: Beslutsfattande Agent och Forskningsagent har en affinitet på 0,8, det mest betrodda rådgivarförhållandet. Forskningsagent och Social Agent har en affinitet på 0,2, metodik kontra impuls, naturligt motsatta.

Låg affinitet är avsiktligt utformad.

Vad påverkar affiniteten? Talturordning – de med hög affinitet är mer benägna att tala efter varandra. Samtalston – par med låg affinitet har 25 % chans att direkt utmana istället för att diskutera artigt. Systemet väljer också förinställda par med hög spänning för att genomföra konflikthanteringssamtal.

Ännu mer intressant är att relationer kan förändras.

Efter varje samtal kommer LLM-anropet för minnesextraktion (inget extra anrop, det är en biprodukt) att ge relationsförändringar:`{ **Enhetlig ingångsfunktion** är ett mönster värt att komma ihåg. I system med flera agenter kan uppgifter skapas från olika källor (API:er, triggers, agenter själva, reaktionskedjor). Om det inte finns en enhetlig behandlingspipeline är det lätt att processen avbryts halvvägs.

Om du vill prova själv föreslår författaren att du börjar med 3 agenter – en koordinator, en utförare och en revisor. Börja med att skriva rollkort, och börja med förbuden.