尝试用openclaw完成一个复杂的开发任务（持续更新）

im1: 我现在想开发的支持手机、桌面、web端的3D休闲应用，但是功能可能比较复杂，我需要多个助手帮我完成这项工作，大概需要一个产品经理、程序员、测试人员，先暂时分别叫他们小产潘，小猿潘，小测潘；你能帮我或者指导我完成这几个助手的配置工作吗，告诉我配置原理，方便我熟悉openclaw
给我提供的两个方案，方案一：多智能体路由（Multi-Agent Routing）方案二：方案二：子智能体协作（推荐），我选方案二，让他帮我完成智能体配置工作

im2：我采用方案二，你这个反馈方式不错，虽然我还是想让你来执行，但是我可以学习到原理，那妞开始帮我执行吧
好像它在配置子智能体的时候把自己搞挂了，手动介入一下


查了一下子智能体没有长期记忆能力，还是使用独立智能体

对于复杂多智能体任务，好像使用web页面无法实现和每个智能的单独对话，对比了网上 微信和飞书 的通信方法，微信好像需要公网ip，相比飞书装个插件就可以了，相对简单一点。大概参考这两篇博文：
https://zhuanlan.zhihu.com/p/2009377755695974125
https://cloud.tencent.com/developer/article/2626160
最后的效果是这样：（群组id在对应的群里面问openclaw，它会告诉你）

im3: 主要是根小产潘介绍了一下整体的项目背景，明确告诉它要记住（最后也确实记住了，它在自己的workspace下面生成 一个product.md的文件）

im4: 很不错，那创建一个cron定时任务吧，每天工作个4小时就可以了（从10：00到下午14：00），然后再建一个cron汇报任务每天7：00总结前一天完成的工作(这个实际没有创建成功，不知道为什么，我在dashboard的定时任务里面没有看到，不知道是不是只能看到main agent的定时任务？？？)

im5：问题想用什么工具写文档 》它推荐的飞书 》我觉得挺合适，帮他开通了权限（它写的，比我好多了，我的天塌了）：
nimg.cn/direct/5aa4ecae56a247278036bff57dba9791.png)

im6: 作为产品经理，你还要负责项目组成员进度的管理，你（小产潘）、小测潘、小猿潘；大概是飞书上的一个汇总进度的表格，具体包括：日期（包含星期几的信息）、姓名、今日工作内容/成果，明日计划、遇到的困难或者建议；你需要建一个定时任务，每天晚上20：00前确认组员是否完成了该汇总表的填写，如果有人没有填写，你需要通知我(本来想再搞项目经理的agent，还是算了，就是个表格而已，让小产潘辛苦一下)

下面是它帮我建的表格，也不知道定时任务能不能生效，有点期待呢，有点小时候过家家的感觉了。。。。。

im7: 跟小猿潘讨论了一下技术选型，并让他记住选择结果；然后—》
开始建工程前，你需要阅读一下小产潘编写的PRD文档，对整体架构进行设计，在飞书在线文档中编写整体架构设计文档，没有问题的话，这个文档的位置你自己也要记住哦

看过去一如既往的专业，不知道后面真正开始写的时候怎么样了。（还有一点，不知道了这个文档的链接我也是记录在工作的md文件里面，不知道后面沟通的时候，如果我没有明确指定的时候，会不会也去读这个文档，加入到上下文里面，这个token消耗就感觉有点多了啊。。。。。）

搞到这里，我其实是有疑惑的，
1. 我就像一个项目经理，跟在每个助理屁股后面，监控着整个流程；关键ai操作的也太快了，我每提一个需求，它一下子就给你解决；但是我怎么让几个员工不停的工作，不用我监督呢？不用一直呆在电脑边上，等他工作完了，通知我，这个好处我没有体会到呢，毕竟我已经在电脑边上坐了至少8个小时了。那到底问题出在哪里呢，是我工具/用法不对吗？
2. 感觉定时任务是不是只适合哪种周期性，前后没有复杂依赖的关系的重复任务，比较合适，比如定期发一个技术文章，定期提醒我浇花。但是想产品-开发-测试这种有配合关系的，感觉上比较难做到周期性定时任务（我现在是让产品经理定期的检查它的PRD文档，不断完善它来驱动这个流程不断掉~~~）；后面找找看有没有其他更好的工作流可以借鉴吧

但是好处确实是很明显的，之前老是忘记github的一些指令，解决办法也是用自然语言去到处搜索，现在其实也是用自然语言让AI直接帮你处理，这个真的很方便。openclaw是真的有点那种感觉：用自然语言去控制电脑做事情。自己不动手有的时候没办法真切感受到！

今天是3/8：

im8：使用docker帮我在本地部署一个gitlab，用于CI/CD流程（太慢了后面换成gitea浏览）
之前的aws免费服务器到期了，就自己搭建一个本地，让几个助理把CI/CD流程跑起来，看看自动化效果怎么样（拿来配置环境说不定还挺方便）

好像独立agent，如果大模型返回比较慢，虽然界面不会有卡顿，对话必须等上一个对话完成后，才能进行下一个对话，对话是阻塞的；感觉还是得用上subagent子agent，这样并发得对话，一次处理多个工作。比如一个开发人员有时它可能更新架构设计文档，有得时候要填写日报，有的是写代码，甚至于有的时候只是回复一个“你好的”简单对话请求。每个工作可能耗时都不太一样，有一些可能立即就返回，有一些可能比较久。，后面要改改

难道它还会自动的拆分任务吗，任务太多了，他会给我提示进度，这个不知道是如何实现的，后面有时间要看看。。。。搞不懂。。。。

排查CI报错，小猿潘 vs. 小测潘
小猿潘代码写太多，上下文估计污染比较严重，分析的原因完全在瞎扯。

小测潘一下子就找到了根本原因，排除提示词的差异，将agent分为两个带长期记忆的独立agent应该是有帮助的，可以有效避免上下污染（而不是使用只有临时记忆的subagent）

这对排查CI准确性差异的问题，也对比了一下此时他们当前会话的tokens/上下文，（为什么到达平台期后没有命中先不说），我感觉这个上下文修建和压缩的功能是不是没有起作用：要么是openclaw这头的原因，或者就是GLM大模型那边不能够提供有效的压缩？要不然我应该能够看到来回震荡的效果吧？（有时间换一个模型试试效果）
小产潘的

小测潘的

3/13
找到一个相关的skill，参考一下，顺便学习怎么编写skill
https://clawhub.ai/echoVic/boss-skill

按图索骥：https://github.com/bmad-code-org/BMAD-METHOD