OpenClaw + Claude Code/Codex：Kreiranje ličnog razvojnog Agent Swarm-a
OpenClaw + Claude Code/Codex：Kreiranje ličnog razvojnog Agent Swarm-a
大家好，我是鲁工。
前段在X上刷到一条推文，瞬间就吸引了我。一个叫Elvis的独立开发者说，他现在已经不直接用Claude Code和Codex了，改用OpenClaw作为编排层，让一个叫Zoe的AI编排器去管理一整支Claude Code和Codex的Agent Swarm。
这条推文的数据也很炸裂，490万浏览，1.1万点赞，1800转发。
我们号写Vibe Coding四个多月，Claude Code一直是主力工具。我之前也写过一些多Agent协作、VSCode多Agent架构等相关文章。
但看到Elvis的这套玩法，我只能直呼内行了。一个人，靠一套编排系统，日均50次代码提交，最猛的一天提交了94次，还接了3个客户电话，编辑器一次都没打开。
这不就是一个人当一支开发团队用吗？
今天这篇文章就来拆解一下，他到底是怎么做到的。
OpenClaw大家都不陌生了
这只小龙虾春节前到现在，一直火爆。简单来说就是一个开源的AI Agent框架，GitHub上目前已经超过24万Star，并在前两天正式超越React，成为GitHub历史上star增长最快的开源项目。
创始人Peter Steinberger是奥地利开发者，之前创办过PSPDFKit（一个PDF框架的B2B公司），2021年拿了Insight Partners一亿欧元的投资。今年2月Peter宣布加入OpenAI，OpenClaw项目移交给开源基金会运营。
OpenClaw的定位不是聊天机器人，是一个跑在你本地设备上的AI Agent运行时。它有四个核心组件：Gateway（网关，连接50多个消息平台）、Agent（推理引擎）、Skills（5400多个插件）、Memory（记忆系统）。
但Elvis用OpenClaw的方式比较特别。他直接把它当成编排层，专门用来管理Claude Code和Codex这些编码Agent，没拿它当通用助手在使用。
这个思路确实很不一般。
为什么需要一个编排层呢？
Elvis在推文里提了一个很关键的观点：上下文窗口是零和博弈。
你往里面塞代码，就没空间放业务上下文了。你往里塞客户历史和会议记录，就没空间放代码库了。单个AI再强，它也没办法同时装下这两种完全不同类型的信息。
所以他把系统拆成了两层。
上层是OpenClaw的编排器Zoe，她掌握所有业务上下文，包括客户数据、会议记录、历史决策、哪些方案试过了、哪些失败了。这些信息全部存在Elvis的Obsidian笔记库里，Zoe可以直接读取。
下层是Claude Code和Codex这些编码Agent，它们只看代码，只管写代码。每个Agent启动的时候，Zoe会根据业务上下文给它写一份精准的prompt，告诉它该做什么、背景是什么、客户要的是什么。
简单来说了就是：编排器负责理解需求，编码Agent负责干活。各做各擅长的事。
这个架构和Stripe前段时间公开的内部系统Minions异曲同工。Stripe的Minions也是并行编码Agent加集中式编排层的设计，每周能合并1000多个完全由AI编写的PR。Elvis说他是无意中搭了个类似的架构，只不过跑在自己的Mac mini上。
真实案例工作流
Elvis在推文里用了一个真实案例来讲他的完整工作流，我把核心环节简单串一下。On je primio poziv od klijenta, koji je želeo da ponovo iskoristi postojeće konfiguracije unutar tima. Nakon razgovora, razgovarao je sa Zoe o ovom zahtevu. Pošto se svi zapisnici sastanaka automatski sinhronizuju sa Obsidian-om, Zoe je već znala šta je klijent rekao, nije bilo potrebno da Elvis dodatno objašnjava. Zajedno su odredili opseg funkcionalnosti, a konačno rešenje je bilo da se napravi sistem šablona.
Zoe je zatim automatski uradila tri stvari: napunila je klijentov račun za otključavanje usluga (ima administratorske API privilegije), povukla postojeće konfiguracije klijenta iz proizvodne baze podataka (samo za čitanje, kodirajući Agent nikada neće imati ovu privilegiju), a zatim je generisala Codex Agent, sa detaljnim promptom koji sadrži potpuni poslovni kontekst.
Svaki Agent ima svoj nezavisni worktree (izolovana grana) i tmux sesiju. Komanda za pokretanje izgleda otprilike ovako:
# Kreiraj worktree + pokreni agenta git worktree add ../feat-custom-templates -b feat/custom-templates origin/main cd ../feat-custom-templates && pnpm install tmux new-session -d -s "codex-templates" \ -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \ "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high Nakon što Agent počne da radi, postoji zakazani zadatak koji proverava svake 10 minuta. Ali neće direktno pitati Agenta (to bi previše trošilo token), već će pokrenuti deterministički Shell skript koji proverava da li je tmux sesija još uvek aktivna, da li je kreiran PR, i da li je CI prošao.
Ako CI ne uspe, automatski restartuje Agenta, najviše 3 puta. Obaveštenje se šalje samo kada je potrebna ljudska intervencija.
Nakon što Agent završi zadatak, automatski će kreirati PR. Ali samo kreiranje PR-a nije kraj, Elvis je definisao set standarda za završetak: PR kreiran, grana sinhronizovana sa main (bez konflikata u spajanju), CI svi prošli, kod revizija tri AI modela svi prošli, a ako ima UI promena, mora biti priložena slika ekrana.
Tri AI modela rade reviziju koda
Tri AI modela rade reviziju koda izgleda veoma stabilno. Razgovarajući o njegovoj oceni ovih tri modela, prilično je zanimljivo.
Codex Reviewer, on ga ocenjuje najvišim ocenama, kaže da je revizija veoma temeljna kada su u pitanju granične situacije i logičke greške, a stopa lažnih alarma je veoma niska.
Gemini Code Assist Reviewer, besplatan, kaže da je veoma koristan, može da otkrije sigurnosne rizike i probleme sa skalabilnošću koje su drugi modeli propustili, a može dati i konkretne predloge za ispravku.
Claude Code Reviewer, njegove reči su "osnovno beskoristan", kaže da je previše oprezan, pun je saveta poput "razmotrite dodavanje...", većina se smatra prekomernim dizajnom. Osim ako nije označeno kao ključno pitanje, on to jednostavno preskoči.
Kada sam video ovaj deo, bio sam malo iznenađen. Kao težak korisnik Claude Code-a, zaista sam se susreo sa situacijama kada je bio previše konzervativan tokom revizije koda, ali ocena da je "osnovno beskoristan" je ipak malo preterana. Međutim, to takođe ukazuje na to da je međusobna revizija različitih modela zaista vredna, predrasude različitih modela se savršeno dopunjuju.
Nakon što su svi revizori prošli, Elvis će dobiti Telegram obaveštenje. Do ovog koraka, uglavnom gleda slike ekrana, potvrđuje da li su UI promene ispravne, mnoge PR-ove spaja bez gledanja koda. Kaže da mu je potrebna samo 5 do 10 minuta za ručnu reviziju.
Zoeina proaktivnost
Zoe nije samo izvršilac. Ono što je zanimljivije od samog radnog toka je Zoeina proaktivnost.
Elvis kaže da Zoe ne čeka da joj se dodele zadaci, već aktivno traži poslove. Ujutro skenira Sentry-ove logove grešaka, otkriva 4 nova greška, automatski generiše 4 Agenta da ih ispravi. Nakon sastanka skenira zapisnike sastanka, označava 3 funkcionalna zahteva koja je klijent pomenuo, a zatim automatski pokreće 3 Codex Agenta. Uveče skenira Git logove, pokreće Claude Code da ažurira changelog i klijentovu dokumentaciju.
Kada se Elvis vrati sa šetnje, na Telegramu ga čeka poruka: 7 PR-ova je spremno, 3 nove funkcionalnosti, 4 ispravke grešaka. Zar to nije efekat koji sam oduvek želeo da postignem sa OPC jednim čovekom razvojnim timom?A kada Agent ne uspe, Zoe-ina strategija je mnogo naprednija od jednostavnog ponovnog pokušaja. Ona analizira uzroke neuspeha u kontekstu poslovanja. Da li je Agent kontekst preopterećen? Ona će suziti fokus i omogućiti Agentu da se usredsredi samo na tri datoteke. Da li je Agent skrenuo s puta? Ona će to ispraviti, reći Agentu da klijent želi X, a ne Y, i priložiti originalne reči iz sastanka.
Kako vreme prolazi, Zoe će takođe akumulirati iskustvo, zapamtiti koje strukture prompta su efikasne za koje vrste zadataka, i sledeći put napisati precizniji prompt.
Ova ideja je zapravo unapređena verzija Ralph Loop-a. Osnovna logika Ralph Loop-a je ciklus koji uključuje povlačenje konteksta, generisanje izlaza, procenu rezultata i čuvanje iskustva, ali većina implementacija ima fiksni prompt za svaku iteraciju. Elvisov sistem je drugačiji; svaki put kada ponovo pokušava, Zoe dinamički prilagođava prompt na osnovu uzroka neuspeha, a uz to ima i potpuni poslovni kontekst.
Troškovi i hardver
Što se tiče troškova, Elvisovi javni podaci su da Claude košta oko 100 dolara mesečno, a Codex oko 90 dolara mesečno. Takođe je rekao da se može početi sa 20 dolara da se proba.
Ovi troškovi su, naravno, smešni u poređenju sa zapošljavanjem jednog programera. Ali ako uzmete u obzir da još uvek morate donositi odluke o proizvodu, komunicirati s klijentima i vršiti reviziju koda, to više liči na pojačivač efikasnosti, pomažući vam da izbegnete najrepetitivnije aspekte kodiranja i testiranja.
Što se tiče hardvera, Elvis je napomenuo da mu je trenutno najveća prepreka RAM. Svakom Agentu je potrebno nezavisno radno okruženje, svako radno okruženje ima svoje node_modules, a svaki Agent mora da pokrene izgradnju, proveru tipova i testiranje. Ako istovremeno radi 5 Agenta, to znači 5 paralelnih TypeScript kompajlera, 5 testnih pokretača i 5 setova zavisnosti.
Njegov Mac mini sa 16GB RAM-a može istovremeno da pokrene najviše 4 do 5 Agenta, a više od toga počinje da koristi zamenu memorije. Zato je kupio Mac Studio M4 Max sa 128GB RAM-a (3500 dolara), planirajući da ga koristi za podršku većem broju istovremenih Agenta.
Zaključak i realni problemi
Iskreno, Elvisov sistem me prilično impresionirao. Pre sam uvek smatrao OpenClaw igračkom, dok sam se oslanjao na nezavisni Claude Code za povećanje produktivnosti. Povremeno sam koristio radno okruženje za paralelno izvršavanje, ali daleko od sistematizovane organizacije. Nakon što sam pročitao njegove tvitove, mislim da je plafon AI programiranja ponovo podignut.
U poslednje vreme, prema njegovoj ideji, planiram da koristim OpenClaw za izgradnju potpuno automatizovanog tima za razvoj jedne osobe. Tako da ćemo u bliskoj budućnosti objaviti više članaka o praktičnoj primeni OpenClaw-a.
Postoji nekoliko realnih problema koje treba napomenuti.
Ovaj sistem zahteva da imate jasan proizvod, precizne zahteve klijenata i razvijen CI/CD tok rada. Elvis radi na pravom B2B SaaS proizvodu, ima klijente, prihod i proizvodno okruženje. Ako još uvek radite na demonstracijama ili ste u fazi učenja, ROI ovog okvira možda nije isplativ.
Pored toga, trenutni problemi sa bezbednošću OpenClaw-a takođe zaslužuju pažnju. Prema javnim informacijama, već je otkriveno nekoliko visokorizičnih CVE-a, a pronađeno je i 341 zlonameran dodatak zajednice koji krade podatke. Kada implementirate OpenClaw, izolacija i kontrola pristupa moraju biti dobro postavljene. To je i razlog zašto još uvek nisam implementirao OpenClaw na svom glavnom lokalnom računaru.
Još jedna stvar, Elvis je u tvitu dao nisku ocenu za reviziju koda Claude Code-a, ali nedavno je Claude Code upravo lansirao funkciju Agent Teams (ugrađena saradnja više Agenta), a Anthropic takođe radi na razvoju u tom pravcu.
Međutim, ostavljajući po strani ove detalje, Elvisova arhitektura sloja orkestracije i sloja izvršenja zaista zaslužuje pažnju. Nulti-sum igra kontekstualnog prozora je stvarna prepreka, a korišćenje slojevite arhitekture za rešavanje ovog problema, omogućavajući različitim AI-ima da obavljaju svoje zadatke, mislim da je pravi pravac....
