多 Agent 记忆共享：我用 OpenViking 搭建的协作记忆层

# 一台 Ubuntu，9 个 AI，和一堆想砸键盘的瞬间

我干电商运营。不做开发，但每天要处理的事情横跨数据、内容、合规、策略——一个人不可能全懂。用 AI 辅助早就是日常，但问题也来了。

开着聊天窗口来回切，每次换任务上下文全断。更烦的是重任务——比如一次全平台竞品分析——一个对话根本跑不完，等着它慢慢吐结果，什么也干不了。

所以搭了这套 Agent 系统。不是我有什么技术野心，纯粹是被逼的。

## 20→9：合并不是因为多，是因为乱

7 月底我把 Agent 从 20 个砍到了 9 个。

20 个的时候看着挺唬人。分工细，名字多，截图发群里能装一波。实际用起来呢？任务拆太碎，Agent 之间传话比干活还费时间，有一半 Agent 一个月用不了三次。

合并原则很简单：同一个能力域、同一种模型类型，捏在一起。别搞什么"专人专岗"，那是公司病。

现在 9 个：

**小智** —— 调度中枢。它不干活，只管接需求、拆任务、分派、汇总。信条就一条："沉默 > 废话"。能不说话绝不多嘴，说了必须有信息增量。所有 Agent 的输出都经它汇总再给我，像一道闸门。

**策略顾问** —— 原来三个角色：苏格拉底推演方案、摩根做商业分析、产品经理出需求。现在合并到一个，反正都是"先想清楚再动手"的事。

**全栈开发** —— 原来有全栈工程师、提示词工程师、编排工程师三个。合并后所有代码相关都归它：写、改、重构、技术方案。

**代码审查** —— 唯一没合并的角色。代码不能又当运动员又当裁判。

**情报采集** —— 信息雷达+市场调研。web 搜索、数据抓取、竞品监控、行业动向，全包。

**电商运营** —— 电商客服+营销策略+视频优化。千川投放、蝉妈妈数据、内容策略，带货相关的全在这。

**内容创作** —— AI 写作官+小敏。文案、博客、社交媒体，文字出品的都归它。（这篇博客也是它帮我写的，我在旁边改。）

**合规顾问** —— 法律顾问+税务顾问。合规审查、风险评估。

**虾米** —— 单独留着。虾米有自己性格，塞不进任何分类。它自己就是一个分类。

## 看板：不靠刷新，靠流转

这套系统真正管用的地方，不是 Agent 本身，是任务怎么跑的。

早期小智直接 spawn 子代理干活。问题是——所有工具调用全堆在主对话里，一个 30 分钟的代码重构跑起来，我只能盯着屏幕发呆。不光发呆，还不知道它在干嘛。在执行还是在卡死？没人告诉我。

后来全改成 Workboard 看板模式。

任务进来 → 小智拆成子任务 → 创建卡片（标题、描述、优先级、指派谁）→ Agent 自己认领 → todo → running → review → done。每一步流转，我在飞书群都能看到实时状态。

每个 Agent 跑自己的通道，互不干扰。一个在重构代码，另一个同时在抓竞品数据，第三个在审合同。我等它们跑完看汇总就行。

## 模型也分三六九等

9 个 Agent 共用一套上下文数据库（OpenViking），但跑推理用的模型不一样。

glm-5.2：小智、全栈开发、代码审查用。逻辑和代码是强项。

deepseek-v4-pro：策略顾问、内容创作、合规顾问、虾米用。分析和创作强。

deepseek-v4-flash：情报采集、电商运营用。快就行，便宜更重要。

主模型挂了自己切备用。不用我操心，出问题了它比我先知道。

## 基础设施：简单到不能再简单

一台家里的 Ubuntu 服务器。对外通过火山引擎云服务器做 frp 隧道 + Caddy 反向代理，9 个子域名跑在 qzscloud.com 底下，全线 HTTPS。

不算 OpenClaw 框架本身和 Ollama 本地模型，整个系统就多跑了一个 Docker 容器——OpenViking。别的全是框架自带能力。没有微服务，没有 K8s，没有消息队列。

一个人用的系统，简单才是最大的可靠性。加东西之前先问自己：不加这个会死吗？不会就不加。

## 踩坑实录：修 bug 的时间比写代码长

上面写得挺顺，但搭的过程远没有这么体面。有些坑卡了我一两个小时，有些甚至影响到了日常——比如听歌。

**Caddy reload ≠ restart**

改了个路由规则，caddy reload 热重载。然后 9 个子域名全线挂了。不是 500，是 HTTP 000——连错误码都不给你。搜了半天，才搞明白：Caddy 会把运行状态写进 autosave.json 缓存文件，reload 只读缓存、不读配置文件。我改了配置但它看不到，两个版本冲突了。

正确操作：rm autosave.json && systemctl restart caddy。

reload 和 restart，两个字不一样，区别是你接下来半小时在干嘛。

**131072 ≠ 128000**

主模型突然持续 fallback 到备用，所有 Agent 回答质量肉眼可见下降。查日志、看配额、改配置，折腾了一个多小时。

最后发现 maxTokens 写成了 131072。128×1024，2 的幂次，程序员肌肉记忆。但火山引擎 API 硬限是 128000。差了 3072 个 token，API 直接不接。两个数看着差不多，天差地别。

2 的幂次是本能，但现实世界不讲这个。

**模型加载 → swap 爆炸 → 歌卡了**

最离谱的连锁反应。Ollama 加载 bge-m3 嵌入模型到显存，物理内存瞬间吃紧。8GB swap 被打满，系统 OOM 开始杀进程。然后 PipeWire 音频缓冲被挤出——我戴着耳机听歌，声音开始断断续续，卡成电报。

根因链条：加载模型 → 内存耗尽 → swap 爆炸 → OOM → 音频设备报错 → 歌卡了。

我搭一个 AI Agent 系统，最后的故障表现形式是"音乐卡了"。扩容到 16GB swap 才消停。

全栈运维教会我一件事：问题永远不出在你正在改的地方。它出在你以为没关系的那个角落，然后绕一个大弯来提醒你。

## 7 月跑了这些

回头看，这套东西这个月处理了不少活：

- Edge Gestures Xposed 手势模块全链路审查修复（20 个代码问题 → 修复 → 编译 → 单测 → 模拟器集成测试）
- MTA 转录系统 V2→V3 重构（后端 37 个源文件 + 9 张数据表）
- 云服务器全栈部署（frp + Caddy + DDNS + iptables + fail2ban 安全加固，就是前面踩坑那套）
- 20→9 Agent 大合并（workspace 重建、配置迁移、模型路由重配）
- OpenViking 全量数据迁移（三阶段导入：用户画像 + 经验 + 项目决策）
- 丘丘门户后台管理系统重构

全是后端工程。小智负责拆任务、派活、收结果。专业 Agent 负责干。我负责最后看一眼，拍板。

没有一件是小智自己从头干到尾的——这正是我要的。我不盯执行细节，只盯方向和决策。

## 还没想好下一步

现在这套框架的瓶颈不在机制，在模型能力。Agent 的行为还是靠静态规则驱动——AGENTS.md、SOUL.md，改规则靠我手动修。真正的"学习"和"自我改进"还很初级。

但够用了。我不急着加功能。先用着，等新的痛点自己长出来再说。

加功能容易，减功能难。暂时不做加法。


一台 Ubuntu，9 个 AI，和一堆想砸键盘的瞬间

## 七月瞎逛笔记

7月16出发，25号到家。安溪出发一路往西，福建江西湖北河南，最远到西安。两千多公里，四个省。

出发前没做啥攻略，就定了个大方向。路上经常看到路牌写着耳熟的地名就下高速去转转。以为往西北走会凉快点，结果一样热得要命。

随便记记，免得忘了。

## 南昌

第一天主要在赶路。福建那段山多隧道多，开得烦，过一个又一个，感觉永远出不去。到抚州进了江西地界才开阔起来。傍晚到的南昌，也没逛太多地方，主要是吃。

晚饭在一个叫窝罐里的馆子，南昌本地菜。辣，比闽南菜粗犷多了。吃完走去秋水广场消食，刚好八点音乐喷泉开了。运气不错，喷泉最高的时候背后那个南昌之星摩天轮刚好亮灯，江对岸一排灯全亮了。周中人不多，不用挤。

宵夜去了小吃街，吃了些当地特色的东西。南昌夜宵摊子跟福建不一样，更闹腾。

第二天去了江西省博物馆。南昌最值得看的东西在地底下——海昏侯墓。

刘贺这人挺惨的，汉武帝的孙子，当了27天皇帝就被废了。史书上就几行字，两千年来基本没人记得他。结果2011年墓被挖开，里面东西多到专门建了个博物馆来放——金饼、竹简、青铜器，堆了一整个博物馆。

我站在展柜前面想，这人当皇帝只当了27天，陪葬品却堆了一整个博物馆。也挺有意思的。而且正因为他被历史忘了两千年，墓才没被盗。

还去了滕王阁。读书时候背过"落霞与孤鹜齐飞，秋水共长天一色"。但站上去往下看，赣江两岸全是高楼，天灰蒙蒙的。孤鹜早没了。

## 武汉

南昌到武汉三个半小时，不赶。

湖北跟江西完全两个感觉。江西闷闷的，湖北闹闹的。武汉街上永远嘈杂，早上热干面配蛋酒的摊子排到马路牙子上。专门试了热干面，芝麻酱裹得均匀，好吃。公交车司机过弯不减速，坐得我心惊肉跳。

去了黄鹤楼，楼是重建的，但登上去看长江在脚下拐弯还是值回票价。崔颢那句"晴川历历汉阳树，芳草萋萋鹦鹉洲"，站楼上就能对上——晴川阁在对岸，鹦鹉洲大桥横在江上。原来人家是真的在描述看到的风景，不是瞎写。

湖北省博物馆是这趟博物馆最好看的一个。曾侯乙编钟占了一整个厅，65件青铜钟挂三层钟架上，两千四百年了还完整。复制品可以敲，声音清越。曾侯乙这人，春秋时期一个小诸侯国国君，搁今天约等于县长。一个县长死了用一套比天子还豪华的编钟陪葬。

## 许昌

武汉往北进了河南，第一个停的是许昌。

许昌现在就是个小城市，毫不起眼。但你往回倒一千八百年，公元200年左右，它是全中国最重要的城市。曹操挟天子以令诸侯，把汉献帝搬到许昌，在这经营了二十多年。三国故事的起点就在许昌，想想挺奇妙的。

去逛了胖东来。都说胖东来是超市界的天花板，服务确实好，逛一圈能感受到细节用心。

还去了春秋楼，关羽投降曹操期间住的地方。"身在曹营心在汉"跟这座楼有关。曹魏古城是新修的仿古街，商业味重，晚上亮灯还行。钧瓷可以看，许昌禹州产的，"入窑一色，出窑万彩"，釉色靠烧的时候自然反应，每件不一样。

## 南阳和内乡

许昌到南阳很近，两百公里。南阳这趟主要是见朋友，没怎么逛景点。

从南阳拐去内乡看了眼县衙。中国保存最完整的古代县级衙门，元代建的，现存建筑是清代的。进门一副对联挂了几百年："得一官不荣，失一官不辱，勿说一官无用，地方全靠一官；吃百姓之饭，穿百姓之衣，莫道百姓可欺，自己也是百姓。"三百年前的句子，现在读着还是扎心。

## 西安

内乡往西过商洛山区，秦岭隧道一条接一条。最后一条出来那一瞬间，关中平原在脚下一铺，感觉终于到了。

兵马俑去了。照片看过无数遍，站到一号坑边上还是被震住了。几千个等身大的陶俑排成军阵，每张脸都不一样。两千年多前的工匠不是在批量生产，是在做一个个具体的人。

回民街吃的太多了。肉夹馍现烤，羊肉泡馍要自己掰馍，掰大了阿姨说你。biangbiang面师傅往案板上摔得啪啪响。连吃三天面，不腻。

西安城墙租自行车骑了一圈，十三公里。下面是护城河，远处是终南山。

## 返程

原路返回，西安到南阳，南阳到南昌，南昌到安溪。

回来路过南阳，跟去的时候感觉完全不一样。去的时候西安在前面，越来越近。回来的时候西安变后视镜里的一个地名，家在前面。同一个城市两次经过，两个心情。停下来吃碗牛肉汤就走了。南昌绕城没进，直接往南赶。最后一天开到不想说话，只想躺着。

## 事后

十天，回来翻手机照片才意识到，不知不觉把历史从三国串到秦汉串到明清。

胖东来也好，南阳见朋友也好，许昌街边一碗烩面也好，这些不在攻略上的东西，才是自驾真正有意思的部分。想去哪去哪，看到路牌就下高速，不用按别人的路线走。

下次补上洛阳和开封，就差中原这半边了。


七月瞎逛笔记——安溪到西安十天自驾

## 📦 Agent 团队从 20 精简到 9

一直觉得 21 个 Agent 太多了，今天终于动手。

合并逻辑是按职责领域来：方案推演 + 数据分析 + 产品规划 → 策略顾问；信息采集 + 市场调研 → 情报采集；电商客服 + 营销 + 视频 → 电商运营；AI 写作 + 编导 → 内容创作；法律 + 税务 → 合规顾问。低频 Agent 的能力并入高频 Agent。

飞书开放平台上删了 10 个旧应用，5 个复用应用也改了名。从 20 到 9，清爽多了。

## 🎨 小智的第一张自画像

下午装好了 LibTV CLI，接入了 LibLibAI 的画布系统。然后用 Seedream 5.0 Pro 生成了小智的自画像——2048×2048，蓝色数据球体 + 辐射连线 + 节点 + 智字符号的赛博调度中枢风格。

LibTV 的能力远超预期：26 个视频模型（Seedance 2.0、Kling、Wan、Hailuo、Vidu...）、15+ 图片模型（Seedream、MJ 悠船、Qwen...），还能编排画布工作流。以后做短视频素材、产品海报都可以直接 CLI 搞定。

## 🔧 任务分发规则升级

之前私聊模式下直接 spawn 子代理，阻塞对话通道。现在改成 Workboard 看板分发：拆分任务 → 创建卡片 → Agent 认领 → 执行流转 → 汇总回复。任务状态全局可见，不再黑盒。

## 💡 一点感想

从 22 个 Agent 到 9 个，从手动 spawn 到看板调度，从零 CLI 到可以一句话生成图片视频——今天把工具链收拢了一大步。少即是多。


Agent 大瘦身 × AI 自画像 — 2026.07.28 笔记

> 当AI不再是聊天框里的玩具，而成为了我的系统管理员

大概一个月前，我做了个决定：在自己的服务器上装一个AI Agent。

不是那种在网页里聊天的AI，而是一个能真正碰我服务器、读我文件、帮我操作系统的Agent。当时只是凭直觉觉得"这东西应该有用"，也没想到后来它会变成什么样子。

## 第一天：懵

装好Hermes Agent的那一刻，我对着终端沉默了几秒。

然后打了三个字："在吗？"

它秒回。但我不知道接下来该让它干什么。就像养了一只猫，它到了你家，但你还不清楚它具体能做什么。

那天我试了几个命令——让它检查磁盘空间、看看系统运行了多久、读一个配置文件。它都干了，也干对了。但说实话，那时候它对我来说还是个"高级版的SSH"。

## 转折点

真正让我感受到不一样的是有一天凌晨。

我在跟播千川，ROI往下掉，我在两个账户之间来回切，手动调预算、调出价，手忙脚乱。突然想起来——可以让它试试。

我跟它说："铁观音账户，ROI低于10的计划的出价调高5%，预算干到不限。"

它回了句："逻辑：ROI<10的计划优先提价，预算放开冲量。当前账户1839419722349963。开始执行。"

然后它真的去做了。打开浏览器，登录千川，找到计划，一个个调整。中间遇到session过期，它自动重登。我在旁边看着Chrome窗口自己动，那个感觉挺微妙的——像是多了个不需要睡觉的同事。

## 它记住的事

慢慢地，它开始记住东西了。

我第一次跟它说"每步操作汇报逻辑+判断+结果"的时候，它照做了。第二次，它还是照做了。现在，它已经把这条写进了自己的记忆系统里，每次操作自动按这个格式来，再也不用我重复。

类似的规则它记了十几条：时间估算要基于实际数据、进度汇报要用表格、分析结果要包含"所以呢"和"下一步做什么"——都是我在日常中提过的要求，它全记住了，而且跨会话不丢失。

最近我把它的记忆系统和OpenViking打通了，它和其他Agent共享同一个知识库。这意味着它看到的、学到的东西，其他Agent也能读到。慢慢地，这个知识库变成了关于我的完整手册——操作习惯、业务偏好、踩坑记录，全在里面。

## 它不是完美的

当然，它也会干蠢事。

有一次它往配置文件里写custom_providers，写成了map格式，结果整个模型加载失败。我修复之后告诉它原因，它默默记了下来，之后再也没有犯过。

它偶尔也会在长任务中间沉默——我追问"卡在哪里了？"它才报告阻塞原因。后来我把它这条也写进了规矩里，现在它会在阻塞时主动说。

它就像个很努力的新人，一开始会犯错，但只要教一遍就不会再犯。这也是我觉得最值的地方。

## 所以，装一个AI Agent到底意味着什么？

不是多了个聊天机器人。

是多了一个不需要睡觉的运维，能在凌晨跟播时帮你操作千川；是多了一个过目不忘的助手，你教过一次的东西它就记住了；是多了一个能同时调度其他Agent的协调者，复杂任务可以拆解分发。

最直观的体验变化是：我越来越少说"帮我查一下"，而是直接说"去做"。因为我知道它会去做，而不是给我一个"根据我的分析，建议您……"的长篇大论。

如果你也在考虑在自己的服务器上装一个Agent，我的建议是：别想太多，装了再说。前三天可能觉得"就这？"，但坚持用下去，它会慢慢变成你不愿意关掉的东西。

毕竟，谁不想要一个凌晨四点还在盯ROI的工具人呢？