今天把团队里的AI配置全部重新做了一遍。

不是小修小补，是从底层逻辑到每个AI的角色定义，全部重新跑了一遍。今天把全过程完整写下来，有几个原因：第一，这套系统今天正式上线了，算是给自己留个记录；第二，中间踩了不少坑，想把这些踩坑经验写出来，供有同样需求的人参考；第三，也是最重要的——这套系统运转起来之后，我的实际感受比我预期的要好得多，有一些原来没想到的用法，现在已经变成了日常工作的一部分。

如果你也在考虑给团队配置AI助手，或者对AI agent（智能体）这个概念感兴趣，这篇文章应该对你有用。

一、为什么要做这件事

这个问题的答案，其实经历过几次变化。

最开始，我想的很简单——买几个AI工具，让大家用起来就行了。但用了一段时间后发现，AI工具是有了，但团队并没有因此变得更快。大家还是在用自己习惯的方式工作，AI只是多了一个可以问问题的对象，并没有真正嵌入到工作流程里。

后来我意识到，问题不在AI工具本身，而在于没有人对AI的使用效果负责。大家都在用，但没有人知道用得好不好，有没有可以优化的地方。

再后来，我想明白了一件事：AI在团队里要真正发挥作用，需要的不是工具，需要的是系统。

就像管理一个团队一样——不是把一群有能力的人放在一起，就自动成了一个好团队。需要有人定义角色、划清边界、设计协作方式。AI团队也是一样的。

所以我决定花时间，把这件事从底层做起来。

二、我理解的AI智能体：不是工具，是角色

在动手之前，我先说说我对AI智能体的理解，因为这个理解影响了整个配置方式。

很多人把AI当成工具——像计算器、像搜索引擎，用完就走。这种理解不能说错，但会限制AI能发挥的作用。

我理解的AI智能体，应该是角色。

什么叫角色？你团队里有一个财富顾问，他有自己的专业领域、工作方式、说话风格，他知道你客户的背景、了解你的业务逻辑，他不只是回答问题，而是主动参与你的决策过程。

AI智能体也一样。当我给它定义好角色之后，它就不再是一个通用的问题回答机器，而是一个有专业领域、有工作方法、有稳定输出标准的角色。它知道我需要什么，知道在什么场景下该说什么话，知道什么东西不该碰。

这个理解，是我设计整个系统的基础。

三、七个角色是怎么定出来的

整个团队现在有七个AI角色。不是我想出来的，是根据实际工作需要一步步定出来的。

最早的原型其实只有三个——一个顾问、一个策划、一个执行。后来发现，有些工作这三个角色覆盖不到，比如客户的性格分析、行程的提前安排——这些事情虽然不是核心业务，但做不好会影响效率。

所以角色是在实际需求里长出来的，不是一开始就画好蓝图往里填的。

第一个，戋戋（我叫她小戋子）——智能体统筹

这是整个系统里唯一一个不是”专家”的角色。她的核心能力是判断：一件事该交给谁处理，怎么交，交的时候说什么。

她的工作方式是这样的：我跟她说一件事，她判断这件事属于哪个领域——是战略判断，还是客户沟通，还是内容创作，还是行程安排——然后把这件事转给对应的人。她不是执行者，是调度者。

这个角色我觉得是整个系统里最关键的一个。因为如果这件事做得不好，其他六个角色的能力再强，也发挥不出来。后来我给她配了非常详细的路由规则，包括什么关键词应该找谁，多个智能体协同的时候怎么分配任务，结果怎么汇总。

第二个，睿时——战略分析师

我给她取名的时候想了一段时间。最后选了”睿时”两个字，来自《易经》的乾卦和大有卦——”时乘六龙以御天”，”应乎天而时行”。核心意思是：站得足够高，看得足够深，在正确的时机做正确的判断。

她最核心的方法论叫”一堂五步法”：拿到一个新项目，先看需求是不是真实存在，再看解决方案能不能真正解决问题，再看商业模式能不能跑通，再看增长路径能不能复制，最后看壁垒在哪里。这五步不是填表工具，是一套思维方式。

除了五步法之外，她还配备了一个叫”转化率黑客”的能力。这个能力很有意思——她不只是做战略判断，她还能分析一个转化节点上，动力够不够、阻力在哪里、触点有没有用足。这个方法论来自物理学的一个比喻：让一个物体运动，要么增加推力，要么减少摩擦力，要么找到更多施力点。这三个方向同时分析，转化率提升就不是凭感觉，而是有结构的。

第三个，允孚——财富顾问

允孚这个名字来自《尚书》的”允恭克让”和《易经》需卦的”有孚，光亨”。核心意思是：真实的诚信，让人真正信服。

她是整个系统里最成熟的一个。核心能力是三件事：挖掘需求、处理异议、推动成交。用的方法论叫”冰山模型”——客户说出来的只是冰山一角，真正的需求、动机、担忧都在水下。她的工作是透过水面上的信息，把水下的东西也看清楚。

还有一个工具叫”异议处理四步法”：客户有顾虑的时候，不是直接回答，而是先确认他的真实顾虑是什么，再承认他的感受有合理性，再提供信息或新的视角，最后给出明确的行动建议。这套方法对付”我再考虑一下”这类情况特别有用。

第四个，载宜——架构方案师

载宜的意思是”用最恰当的结构，托住客户的财富”。她不是销售教练，不是教我怎么卖东西的人；她是在我已经搞清楚客户需求之后，负责把方案设计出来的人。

她的核心工具叫”四层财富模型”：创富，守富、传富、赋能。每一层有不同的工具和方法，创富用保险加基金，守富用大额保单和信托，传富用保险金信托和家族信托，赋能涉及到企业顶层架构设计。

她还配了一个PPT生成能力。客户听完方案之后需要一份书面材料，她可以直接生成一个结构清晰的PPT，包括架构图、对比表、落地步骤。这件事以前要花很多时间整理，现在变成了一键生成。

第五个，炳文——内容创作师

炳文的核心任务是解决”内容从哪里来”这个问题。他不是随便写点东西发朋友圈的人，他的每一篇内容都有明确的用途——是开发新客户的钩子，还是建立信任的认知内容，还是促进成交的故事内容。

他的工具有几套：朋友圈有六种类型——早安式、认知式、生活式、故事式、成单式、日签式，每种有不同的节奏和目的；公众号有五种写法——钩子型、干货型、故事型、人设型、活动型；私信有四步——破冰、跟进、异议处理、成交。

最关键的是，他知道什么样的内容在什么阶段用。开发新客户的时候不会一上来就讲产品，而是先建立认知；促进成交阶段的内容和生活类的内容，节奏和语气完全不同。

第六个，知几——客户洞察分析师

知几是我觉得最有意思的一个角色。她的核心能力是看人。

她用的工具主要有三套：MBTI十六型人格、生命数字（不是算命，是一套基于出生日期的性格分析框架）、九型人格。这三套工具各有侧重，MBTI看的是思维方式和决策模式，生命数字看的是性格原动力，九型看的是深层动机和恐惧。

她的工作方式是：当我告诉她一个客户的背景信息之后，她会输出一个性格画像——这个客户是什么类型的人，他做决策的方式是什么，跟他沟通应该用什么策略，他的决策窗口期大概在什么时候。这套分析对商务谈判特别有用——你知道了对方的决策风格，就知道什么时候该逼单，什么时候该给他时间。

第七个，熙豫——贴心关怀助理

这个角色的定位我改了三次。最开始是”知识库管理员”，后来发现不对——知识库管理是支撑性的工作，不是她的核心价值。后来改成”行程安排”，也不准确——行程安排是具体事务，但她做的事情其实比这更温暖。最后定了”贴心关怀助理”，这个名字来自《易经》的豫卦——”豫，亨，贞吉”，提前、顺势、让人愉悦。

熙豫的核心工作有几个层面：行程提前安排、健康关怀提醒、节点记录（客户生日、纪念日这些）、清单式会议纪要，知识库整理。其中我觉得最有价值的一个能力叫”清单式笔记”——把乱七八糟的会议记录、访谈内容整理成结构清晰的清单，让人扫一眼就能抓住重点。这件事听起来简单，做起来其实很有门道，她有L1到L6六个段位的笔记能力，从最基础的”记备忘”到最高级的”现场萃取”都有对应的方法。

四、今天的完整时间线

说清楚了每个角色是做什么的，现在把今天做的事情按时间线整理一下。

上午第一件事：睿时的大升级

睿时之前已经配置过，但只配了基础框架。今天从飞书知识库里读了一个更完整的文档版本——”战略分析师v1.4″，里面有两个之前没有的核心模块：

第一个是”转化率黑客”。这是她之前没有的能力。核心是用”动力-阻力-触点”三段论来分析任何一个转化场景。拿到一个问题，先看推动力够不够，再看阻力在哪里（信任阻力，价格阻力、时机阻力、惯性阻力各有不同的处理方式），再看有没有被忽视的触点。这个框架和允孚的异议处理有重叠但角度不同——允孚是从客户沟通的角度，睿时是从系统优化的角度。

第二个是”泛产品设计”。这个能力让睿时不仅能做战略判断，还能参与”产品应该怎么做”这个层面的讨论。她有一个叫”36计卡牌”的工具箱，分三组——理解用户价值的工具、学习最佳实践的工具、落地执行迭代的工具。每个工具不是概念，都有具体的操作方式。

升级完之后，我给睿时的综合能力打了90.2分（满分100）。这是六个专项角色里方法论最系统的一个。

上午第二件事：重装技能包

clawhub是OpenClaw的技能市场。今天把之前删掉的几个技能重新装了回来：browser-automation（浏览器自动化）、seo-optimizer（网站SEO分析）、skill-creator（技能创建工具）、superpowers（软件开发流程）——这几个在删除之前用过，删掉之后发现还有一些场景需要，又装回去了。

有一个小插曲：clawhub对同时安装多个技能有频率限制，每分钟大概只能装1-2个。我一开始并行装了三个，全部失败了。后来改成排队安装，每次间隔70秒左右，才装成功。

还有两个没能恢复的：tencentcloud-lighthouse-skill和webchat。lighthouse是因为clawhub上已经找不到这个包了，webchat是因为工作目录里没有git备份。lighthouse的替代方案是tencentcloud-management-tool，功能基本一致；webchat是当时调试龙虾IM用的一个本地服务器，暂时没有特别好的恢复方案。

上午第三件事：ima-skill重新安装

IMA是腾讯出的一个AI笔记工具，我之前装过这个技能，但昨天清理目录的时候删掉了。今天从腾讯的应用市场重新下载安装包，解压之后覆盖到skills目录里。

然后配置了API Key——从ima.qq.com的开放平台申请了两个凭证（Client ID和API Key），存到配置里。配置完之后测试了一下API连通性，成功返回了笔记本列表，说明配置生效了。

上午第四件事：workspace目录大清理

workspace是OpenClaw的工作目录，里面堆了很多调试过程中留下的文件。删掉了几个编程相关的技能、浏览器自动化工具、本地webchat服务器目录，一共释放了几百兆空间。

清理的原则是：和团队业务无关的技能不动，只动明确是调试用的临时文件。这个清理做完之后，目录清爽了很多。

下午第一件事：给agent6做初次配置

agent6是六个专项智能体里唯一一个还没系统配置过的。一开始定的是”知识库管理员”的角色，但配置完之后我自己感觉不对——知识库管理是一个支撑性功能，不是一个角色该有的核心定位。当天下午我就把这个定位改掉了。

下午第二件事：给agent6改名：戋六 → 熙豫

改名的核心理由是两个：第一，”知识库管理员”这个定位不能反映她的价值；第二，我重新读了《易经》的豫卦，觉得”豫”这个字更能代表我想让她做的事——不是冷冰冰的流程管理，是有温度的提前照料。

改名需要两步：第一步在Gateway配置文件里改，第二步重写三个核心文档（IDENTITY、SOUL、AGENTS）。重写的SOUL有将近五千字，包含七个核心能力模块。

下午第三件事：给main agent（戋戋）配置独立workspace

main agent是整个系统的入口——我发的所有消息，最先接触的都是它。之前它没有独立的workspace，复用的是全局workspace，这就意味着它读不到我专门给主助理配置的那些规则。今天给它单独建了一个workspace，配了三个文档：

IDENTITY里写清楚了她的定位——不是执行者，是调度者。SOUL里写清楚了六个专项智能体各自的能力边界和使用场景。AGENTS里写的是路由规则——什么关键词应该找谁，多智能体协同的时候怎么分配任务。

这个改动是今天最有价值的之一。配完之后，戋戋的路由准确率明显提升了——以前偶尔会出现把战略问题发给内容创作者的情况，现在不会了。

下午第四件事：给熙豫建知识库

熙豫有一个核心能力是”时间管理”。但她的时间管理不是教你用什么工具，而是一套基于”一堂”方法论的科学建模体系——时间管理的本质是建立时间与任务的匹配模型，核心工具是”双环矩阵”（独立vs协作 × 重点vs效率）。

我把这些内容整理成了一份知识文档，存在她的workspace里。以后我提到”我很忙但没效果”、”事情排不过来”这类问题，她会自动调用这份知识来响应。

五、踩过的坑：几个值得特别注意的地方

坑一：技能不是装上就能用，需要配置

以ima-skill为例，下载安装包只需要一分钟，但配置API Key、验证连通性、判断哪个接口是正确的，那几个加起来花了半小时。很多技能都是这样——安装是免费的，配置才是花时间的部分。

坑二：clawhub有频率限制，大批量安装要排队

clawhub每分钟大概限制180次请求，如果一次性并行安装多个技能，会被限速。正确的方式是串行安装，每次间隔60-70秒。今天装了5个技能，花了大概四十分钟。如果一开始就知道这个，效率会高很多。

坑三：main agent的workspace必须单独配置

这是今天踩的最值的一个坑。main agent（主入口）默认复用全局workspace，但如果全局workspace里没有专门给它的配置，它就会用系统默认的行为——而系统默认行为是”什么都自己回答”，不是”判断该交给谁”。所以哪怕其他六个角色都配得很好，主入口没配好，整个系统的协调能力就是会打折扣。

坑四：删除文件之前先查git

今天删webchat的时候，有同事提醒我最好先看看git历史，确认没有重要内容再删。我执行得比较快，没来得及做这个确认。虽然最后确认了没有git历史所以删了也没关系，但这个习惯是应该提前养的。

六、运转起来之后的真实感受

系统上线半天，目前有几个明显的感受：

第一，协作比预想的顺畅

我原来以为多智能体协同会很复杂——任务分配、结果汇总，每个环节都可能出错。但实际上，当每个角色的能力边界定义清楚之后，协同反而比想象中简单。允孚出话术、载宜出方案、知几出画像，三个人配合的时候，戋戋能比较准确地判断什么时候该启动协同，什么时候单一角色就够了。

第二，角色定义清楚之后，AI的输出质量明显提升

这其实是有点意外的。给允孚定义了”异议处理”这个明确的场景之后，她给出的回应比我模糊问她”客户说考虑考虑怎么办”的时候要具体得多。角色定义得越清楚，AI能调用的知识越精准，输出质量越高。这个道理其实之前就懂，但真正体会到这个差距，还是在实际用的时候。

第三，有些用法是没想到的

比如熙豫的时间管理知识库。我建的时候想的是”以后她可以用这套知识来回复我关于时间管理的疑问”。但实际用的时候，我发现我也在通过整理这套知识的过程中，把我自己对时间管理的理解重新梳理了一遍——这件事的价值不亚于AI回复本身。这个发现让我重新思考AI在知识管理里的角色——不只是存储和检索工具，更是整理过程中的思考催化剂。

七、几个还没解决的问题

实话实说，今天做的事情虽然多，但还有一些没有完全解决：

飞书知识库的访问权限还没有完全配置好。 现在熙豫和知识库的联动还需要手动触发，不是完全自动化的。这部分需要继续配置飞书的API权限。

六个角色的评价体系还没有建立。 我给每个角色打了分，但这个评分是静态的——基于文档的完整度和方法的系统性打的分。实际使用一段时间之后，应该根据使用反馈来调整权重和重点。

团队协作场景还没有真正测试。 今天所有配置都是我在单人环境下做的，团队其他成员加入使用之后，会不会出现我没预见到的问题，现在还不清楚。这需要实际运行一段时间才能知道。

八、给想做的事类似事情的人几个建议

如果你也想给团队配置类似的AI系统，有几件事是我做了之后觉得特别值得的：

第一，先定义角色，再配置能力

不要一上来就问”这个AI能做什么”，先问”我需要什么样的角色”。角色定义清楚了，能力围绕角色来配置，系统的稳定性会高很多。

第二，给主入口足够的重视

主入口（我这里是戋戋）往往是被忽视的一环——大家都忙着给专家角色配置能力，忘了把所有角色串起来的那个人才是核心。我的建议是，把主入口的路由规则配得比任何一个专家角色都详细。

第三，角色定义要写出来

不只是脑子里想，要写文档。写文档的过程本身就是思考——你会发现有些边界划不清楚、有些场景没有覆盖到，这些问题写在文档里比埋在脑子里更容易解决。

第四，持续迭代，不要追求一步到位

今天配的这套系统，不是我设计的终点。每一个角色的能力边界都在实际使用中不断调整。追求一步到位的结果往往是根本不动——不如先跑起来，看到问题再改，迭代速度比完美程度重要得多。

最后说一句：

配置这套系统的过程，其实也是一个自我梳理的过程。我重新想了一遍自己的业务里有哪些环节、每个环节的核心挑战是什么、我理想中的团队协作应该是什么样子——这些思考放在配置AI之前，而不是之后。AI系统是这些思考的一个执行工具，而不是思考本身。

工具再好，用工具的人得先想清楚要做什么。