大家好呀，今天继续输出式学习，
最近还是在探索openclaw的应用场景，
发现最重要的是弄好自己的智能体架构，
而架构起来自己的智能体，这个是比较花费功夫的事情，
因为要跟ai对话，要找出自己重复的任务，
要沉淀出自己的工作流sop。
不过就像做一个自己的个人资料文档给ai，
只要花时间理顺了，就可以自由迁移给任何ai了，
不管下次流行的是openclaw，还是closeclaw，
自己还是得有一份ai时代下的个人工作架构。
同时也找了一些视频来学习最佳实践，
昨天在x上刚好看到这个视频，
里面有博主说到一些方法，来沉淀自己工作流。
博主自己的智能体架构:
Max（指挥agent）：唯一需要对话的Agent。像leader一样管理其他三个。
Sage（内容专员）：专职Twitter/X运营，竞品监控，热点追踪，草稿撰写。
Knox（交易风控）：24小时盯盘，异常报警，自动排错。
Nova（内容策略）：YouTube选题、脚本、数据分析。
接下来的几点也还挺实用
Step 1：记录一周工作内容 track your time for one week
记录一周内，我们要做的所有工作，
越细致越好，写多少篇文章，发给谁什么邮件等等，
然后把这些工作分类，
博主的分类是创意类，重复性工作，监控类，调研类工作。
接下来就是分析哪些工作环节可以用ai提效啦。
ai现在发展这么快，这个步骤我感觉迟早都得做，
把自己重复的工作逐步用ai替代，或者某个环节可以用ai提效，
分类倒是可以自己来分类。
Step 2：先从一个agent开始 一直重复的工作就是下一个agent
start with one agent
当时看到这个建议，心里不自觉对对对，
确实是得从把握好一个agent开始，
一开始就建多个agent，加上对openclaw的原理还不太熟悉的话，
就很容易很混乱了。
博主跟openclaw聊了两周之后，发现有些任务是他不断地重复给指令的，
然后他就顺势做了一个专门负责x社媒写作的agent。
Step 3：给Agent"灵魂"和"记忆"
give your agent a personality file
这个部分之前的分享有说过，就是配置SOUL.md和USER.md
设置好你想让agent怎么输出，还有让agent去了解你。
Step 4：建立反馈机制
build the feedback loop
简单来说，就是不但要审核ai的内容，还要反馈具体的原因，
你不满意的是哪一点，满意的是哪一点，记录成文档，
然后下次ai生成的时候，让它阅读相关的文档。
大概梳理了下博主的步骤，可以分为三步，
1 选择接受或者拒绝，拒绝要反馈原因，比如
太泛泛（Too Generic）
上周发过（Repetition）
没人关心这话题（No Interest）
不符合我的风格（Off-brand）
2 让Agent先复习拒绝原因，再去生成内容
比如，你的agent prompt可以加下面几条指令：
读取过去所有被拒绝的原因
检查今天想写的主题是否在被拒话题里（相似度>80%就换角度）
检查是否使用了之前被拒的句式（如"让我们探讨..."）
3 自动化分类拒绝原因，让ai更懂你想产出什么内容
可以发指令给主agent，建立一个自动化系统，
追踪我拒绝某个agent产出的原因和话题，
当被拒次数>xxx次时，告诉我哪些模式在重复。
看到这里好像也可以建个agent skills。
这一步需要一点时间，有点像在带新人的感觉，不过这个是人跟ai之间的磨合，
不过如果最后定下来，我们希望ai产出的规范，
用起来就很方便，这一步其实也比较考验我们的审美，
因为我们要能分辨ai内容的好或者坏，
哪怕现在ai生成内容很方便，如果不懂文案，或者爆款视频的规律，
也还是没办法用好ai。
OK，今天的输出就到这啦，openclaw和seedance最近又让ai提效更加深入了，
但是越用越发现，懂得指挥ai很重要，
能指挥ai还是需要有自己的审美和专业知识为基础的，有些思维ai是怎么都差点意思的。
以后，可能是工具不那么重要，
但是自己的审美和专业知识还是很难被ai替代的。
大家也不妨一起探索，再分享下自己的心得吧~