3.2 KiB
前言
现阶段其他部门都关注于自己工作领域，而忽视了项目全生命周期流程，一些问题往往会在领域交接时产生，之后的章节会逐步展开。在这之前我说这几点：
- 主Agent与从Agent
- 项目知识管理
- 文档&提示词的质量
- 记忆系统管理 与 Skill
OpenClaw与多Agent
现阶段因为各种限制不会出现全能性AI，所以建议使用主Agent与多个从Agent的方案。但对于公司而言，All In One的方案并不是最好选择，除了考虑避免All In Boom，还有就有就是记忆、上下文、方便迭代方面的考量。
另据我所知原生提供Node远程控制方案并且可以自己部署节点的只有OpenClaw。 除此之外全球的开源力量使得迭代速度指数级上升，似乎有可能成为新的linux，成为AI时代的agent 中继 Bridge。
基于以上几点我选择OpenClaw，以下是我个人建议架构： !主Agent与从Agent.canvas 项目组主要产出文档以及代码，使用主Agent的使用目的主要集中精炼文档、记忆、Skills、沟通其他Agent。 其他点：
- Agent之间的沟通存在token消耗。目前已经我已经找到解决方案准备测试。
- 一些相关信息也建议汇总到主Agent中进行汇总，但需要注意使用分层结构，避免出现降智问题。
知识管理
现阶段Markdown（之后简称MD） 因为高可读性、高信息密度、纯文本成为AI Agent的文档首选，。我个人推荐Obsidian作为MD的编辑与查看工具，且已有现成的MCP与CLI工具。（还有看板、数据表、画板、导图、流程图等功能）另外个人推荐使用使用git+oss的方式来做版本管理与协作，想简单可以使用SMB。
推荐使用多层结构进行管理，避免Context爆炸。这个技巧也可以使用在Skill中。结构参考：
- AI策划助手_使用说明.md
- 表结构
- 道具表说明书.md
- 道具表说明书_耕种畜牧.md
- 道具表说明书_加工品消耗品.md
- 道具表说明书_设施与建筑.md
- 配表流程
- skill_开单说明.md
- skill_配表.md
记忆系统
目前已知大致有下面3个流派：
- 结构化知识图谱派：Evolver
- 向量检索派：MemorySearch
- 生成式摘要派：self-improving-agent
实际上记忆系统都是混合方案。面向多人的企业级方案才是焦点。
“精耕细作” 式管理记忆
多人使用场景下，往往会有堆积大量 “噪音”以及错误记忆，尽管有一些工具可以自动优化，但依然建议人工介入，让记忆（经验）更快“收敛”。
文档&提示词的质量
某专家策划曾提出以下几个问题：
- 能力不同的人，编写的文档，是否会对AI的理解与执行产生较大影响？
- 程序需要多加限制还是少加限制？
- 什么样的文档适合AI来阅读？
我个人认为逻辑清晰认知高的人编写的文档与提示词，AI更容易理解意图并且能够更好的执行； 程序应该关注每个功能（维度从function => Module)的输入与输出是否正确，所以应该让AI自己发挥除了硬杠杠与主要方向。 AI写的文档往往比人写的更加简练，更高复用性，所以更适合AI阅读。
策划
TODO
程序
TODO