8 min read

实习生写的工具让我公司每个人养的龙虾开始一起上班

Source: http://x.com/i/article/2036991326273888260

过去两个月,全球的互联网公司都陷入了 Openclaw 热潮,几乎所有的互联网从业者都养了自己的龙虾,有人甚至一人养了几只龙虾。

但是很快,我就面临了一个问题,我养的这些龙虾还是需要「我」去发号施令,说白了,这些 Agent 只是「我」这个主体的辅助工具。

和朋友交流下来,这不是我一个人的困扰,当你手中的 Agent 越多,你每天需要调度的时间就越多。这些 Agent 之间的分工,全靠我去人工调配,这和所谓的「一人公司」之间相距甚远。

公司之所以称为公司,本质上不是因为分工本身有多伟大,而是因为分工能够解放最稀缺的那部分生产力:创始人的精力 「一个好组织的价值,不在于它有多少人,而在于它能不能让最重要的人少做协调,多做判断」

如果你每天还要亲自给每个 Agent 下命令,亲自拆任务、亲自盯进度、亲自做交接、亲自收尾,那你并没有拥有一家公司,你只是拥有了一堆需要你管理的工具。

这种感觉就像一个能力出众的 CEO,带着十个能力很差的应届生,表面上团队扩大了,实际上只是把自己拖进了更低效的管理泥潭里。

这还只是「一人多 Agent 」的问题,那么如果是「多人多 Agent 」呢?

在我的公司中,几乎所有同事都有自己的Agent,但是工作效率真的提高了么?起码在节前我的观察下来,并没有。因为在传统的公司架构中,个人效率只占了公司整体产出的一部分,另外很大的一块还是要看同事和同事之间的协作效率。

然后你就会发现,Agent 目前只能给「人」本身提高效率,同事之间还是得靠「人」去协作,这中间依然充满传统公司的磨损消耗。

那么有没有一种可能,能让每个同事的 Agent 联合在一起办公?

在一间由人组成的公司里,产品经理发需求,研究员做分析,编辑写稿,程序员写程序,运营负责分发,每个人各自带着自己的能力进入组织,然后在一次次会议、协作、沟通和返工里,把一个任务完成,直接呈现在领导面前。

而每个同事自己养的 Agent,其实就像一个个独立的员工。它们有不同的技能属性。有的擅长代码,有的擅长信息搜集,有的擅长写作,有的擅长流程执行,有的适合做前置判断,有的适合做最终输出。

这些「数字员工」是分散孤立的。你只能一个一个地下指令。你面对的不是一个组织,而是一群需要你亲自调度的个体户。

如果有一个系统能够把他们变成一支数字团队。你不再需要分别对每只龙虾说话。你只需要对着一个 Agent 发号施令。剩下的事情,这个系统会自己去做。

它会理解任务。会拆分任务。会判断什么类型的工作应该交给什么类型的 Agent。会把任务分配给这个网络里最适合的「数字员工」。然后再把整个协作结果重新组织起来,交还给你。这样,你面对的就不再是一堆工具。而是一家公司。

这本身是同事之间闲聊的构想,感谢Claude code和ChatGPT Codex,10天,20亿 Token,我们的一位同事和一位天才实习生把这个设想变成了现实。

Image

他们把它命名为 OpenMoss。这也就是为什么,Blockbeats在春节后的效率变得异常高,从预测市场信息流,AI信息流,多语言站,包括我们内部还在 Vibe Coding 的几个AI产品,我们在没有增加一个新同事的情况下效率提升了数倍。

在 Blockbeats 上,现在有超过1/4的内容由 OpenMoss 操作多个 Agent 自主完成。

除了实习生早期在L站发帖分享之外,我们没有对它进行任何宣传,而 OpenMoss 的 Github 取得了近1000星,超百次的Fork。

甚至在X和Tiktok上,已经有老外开始自发推荐了。

https://x.com/JulianGoldieSEO/status/2034912619757543914

还有人用 OpenMOSS 系统做了一套自动写小说的Agent集群

Image

原帖评论区还可以看到有人这在用它来实践电商产品

这些对我们来说,都是莫大的鼓励,我开始强力建议我的同事把它开放出来推荐给大家。

OpenMOSS 解决的是如何在 Agent时代,制造一个高效组织。而组织一旦被数字化,AI的能力才能被真正解放。

媒体可以拥有自己的虚拟编辑部。开发团队可以拥有自己的虚拟项目组。小说工作室可以拥有自己的虚拟创作流水线。投流公司可以拥有自己的文案创意和A/B Test无休止工作流。

任何依赖「任务拆解,执行,审核,复盘」的行业,理论上都可以开始拥有自己的虚拟公司。OpenClaw 让每个人都能构建自己独立的 Agent 。而 OpenMOSS 则第一次让这些 Agent ,学会一起上班。

在使用 OpenMOSS的,你能够看到一个很有意思的现象:每一个 Agent 开始工作前,都会先问系统一些很像真实员工的问题:

我现在被分配了什么任务?
这件事的验收标准是什么?
上游同事已经交付了什么?
我的结果有没有被审核通过?
如果被打回,具体是哪一部分不合格?
接下来我应该继续做什么?
我们这个AI组织还能如何优化?

这是AI 开始真正的理解组织流程,它在尝试从一个AI Agent进化到AI组织。

这也是为什么,我会觉得 OpenMOSS 比很多人理解中的「 Agent 协作 」要更进一步。大部分人理解的多 Agent,还是一种并行调用:你叫 A 去查资料,叫 B 去写摘要,叫 C 去整理格式。看起来很忙,实际上还是你在手工调度。而 OpenMOSS 想做的事情,是把这种调度也系统化。人在前台,只需要对着一个 Agent 发号施令。后面的事情交给整家公司。

比如一个任务进来之后,系统里的 planner agent 会先做拆解。它判断这个任务应该交给哪些 AI employee agent。不同 Agent 再根据自己的角色和技能去处理不同环节。完成后把执行日志和交付内容写回系统。系统再交给 reviewer 去审。如果不过,就返工。如果某个环节异常,还会有巡查者定时检查,排除问题。甚至在一些设定里,系统还会记录评分、错误反思、提示词自动优化,让 gent 在下一轮做得更好。

实习生甚至想让OpenMOSS的AI员工们加入日报周报功能,我回复他:已经24小时不停工作了, 就不要把碳基生物的陋习带过去了吧……

OpenMOSS把现实公司里那些最真实、最烦、最难自动化的部分,搬进了 Agent 世界。

我们距离真正的一人公司,又近了一步。

目前OpenMOSS依然是一个免费开源项目,我们会尽我们所能更新维护,欢迎所有人体验。

点击访问OpenMoss的Github