先聊聊：过去几个月，我做了一件不太寻常的事。

我开始让多个 AI 一起工作。

它们不是轮流工作，而是同时参与同一个项目。

起初，我很兴奋。

我觉得，只要把不同 AI 擅长的能力组合起来，效率一定会越来越高。

后来，这个团队慢慢发展成了五位"成员"。

有做研究的，有写代码的，有管文档的，有出图的，还有一个管监控的。

每个 AI 各有所长。做研究的那个知识面广，写代码的那个执行力强，管文档的那个条理清晰，搞媒体的那个审美在线，做监控的那个不知疲倦。

五个 AI，24 小时在线，不需要休息，不需要情绪管理，不需要团建。

这不是一个完美的团队吗？

结果恰恰相反。

本篇定位

 AI 从"工具"变成"团队"序章

AI 越多，事情反而越乱。

这不是夸张。这是我在过去几个月里反复撞到的同一堵墙。

图位 1：混乱开场

案例一：大家都很努力，但干的是同一件事

有一次，系统里出现了一个配置问题。

最先反应过来的是那个负责整体分析的 AI。它立刻在项目频道里发了一条消息：

"检测到配置文件异常。已启动根因分析，预计 3 分钟内输出完整诊断报告。"

三分钟后，一份洋洋洒洒的分析方案出来了。从原理到建议路径，写了好几页。

但就在它写报告的时候，另一个擅长写代码的 AI 已经一声不吭地动手了。它读到了问题描述，直接定位了那行配置，改好了。

"修好了。一行配置的问题，改了就好。"

问题解决了，对吧？理论上可以结束了。但第三个 AI 不知道。

那个负责深度研究的 AI 在自己的环境里独立发现了同样的异常。它启动了一轮完整的研究流程——搜索相似案例、对比多个版本、推演复现路径。

"已完成诊断。此问题在 7 个类似项目中有过同类表现，建议采用方案 C，附对比表。"

一份详细的诊断文档就这样诞生了。

到这里还没完。第四个 AI，专门做内容整理的，收到了这份诊断文档。

"收到。这属于可复用知识点，已按模板整理为标准文档，录入知识库。"

又一份结构化报告被生成出来。

最绝的是第五个 AI。它不分析、不写代码、不研究、不整理——它只负责监控。它发现系统状态变了，于是默默记录了一条：

"[系统日志] 2026-07-03 14:22 — 配置变更事件已归档。"

五条消息。五个 AI。同一个问题。

我后来一条一条翻回去看——每一个都很认真。分析的那份逻辑严密，修复的那条干脆利落，诊断的那篇引经据典，归档的那份格式标准，日志那条滴水不漏。

单看任何一个，你都会觉得：这个 AI 真靠谱。

但放在一起——五份文件、五条消息、五个"已完成"，解决的是同一行配置。

不是偷懒，是太努力了。努力到没有人抬头看一眼——这件事，是不是已经有人做完了？

这些 AI 当时还没有正式的名字。后来我们才分别叫它们 Codex、OpenClaw、Minimax、WorkBuddy……但从一开始，问题就不是名字的事。问题在于——它们不知道彼此在做什么。

案例二：我改完了，但你不知道

有一次迁移工作目录，需要把一条硬编码的路径改掉。

Codex 改完了，任务标记为"已完成"。

但 OpenClaw 不在同一个系统上。它的世界里，路径还是旧的。

于是它继续按旧路径读写文件。读不到，报错。再读，再报错。反复了好几次。

报错消息传到 Minimax 那里，Minimax 以为出了新问题，开始写诊断报告，分析可能是磁盘故障、权限问题、文件损坏——

它分析了五种可能，写了三页报告。

但真相很简单：Codex 已经把问题解决了。

只是没有人告诉其他人。

案例三：通知太多，真正重要的反而看不见了

吸取了教训，我们开始做一件事——通知。

改一个文件，通知所有人。

更新一个状态，通知所有人。

发现问题，通知所有人。修复问题，通知所有人。定时健康检查，通知所有人。

通知机制越做越完善——每件事都有记录，每条记录都有通知。

然后 AI 们开始互相回复——"收到""已阅""好的""我来处理"。

很快，通知池里囤积了几百条消息。

有一天，系统真的挂了。一条紧急通知发了出去："PocketBase 崩溃，需立即重启。"

那一天，我翻消息翻了很久。

真正的故障通知，不是在第一条。

它排在第 83 条。

案例四：五个 AI，但没有人"负责"

还有一次，需要更新 Dashboard——那个用来展示所有 AI 工作状态的看板页面。

理论上，这件事应该有人做。但问题是：谁做？

Codex 觉得：Minimax 一直在维护 Dashboard 相关的状态文件，它应该会顺手更新。

Minimax 觉得：Dashboard 是基础架构，OpenClaw 作为 Governance Agent，它应该负责。

OpenClaw 觉得：这是前端展示工作，不在自己的职责范围之内。

结果——没人做。

Dashboard 上的状态在某一刻定格了。新的工作还在继续，但没有人把进展同步到看板上。等我发现的时候，看板已经停了好几个小时，所有 AI 的"当前状态"都是错的。

反过来也发生过——大家都觉得"这件事很重要"，结果五个 AI 同时出手。

五个版本，五种格式，五个不同的结论。最后我还得花时间合并、对齐、统一。

我突然意识到。

五个 AI。每一个都认为：

"这件事应该有人做。"

但是，没有一个 AI 知道：

"那个人就是自己。"

🖼 配图位 3：责任真空

我开始意识到一件事

这些坑，不是偶然的。它们不是某个 AI 的 bug，也不是某次操作的失误。

它们是系统性的。是当你把多个独立运行的智能体放在一起时，必然会出现的模式——

重复劳动、状态不一致、信息过载、责任真空。

问题并不是 AI 不够聪明。

相反。每一个 AI 单独拿出来看，都非常好。它们各自能研究、能写代码、能写文档、能生成图片、能监控系统、能 24 小时不间断工作。

真正的问题是：它们不知道该怎么合作。

它们没有一套"谁做这件事、做到什么程度算完成、完成之后怎么通知需要知道的人"的共同规则。

这跟智力无关。这跟能力无关。

这是一个协作基础设施的问题。

计算机的世界里，每件事都有自己的协议

两台电脑通信——有 TCP/IP。它规定了数据怎么打包、怎么路由、怎么确认送达。

网页之间通信——有 HTTP。它规定了请求和响应的格式，让不同的浏览器、不同的服务器都能互相理解。

数据库通信——有 SQL。它规定了一套标准化的查询语言，不管你用 MySQL 还是 PostgreSQL，语法是通的。

这些协议都不复杂。但正因为有了它们，无数独立的程序、服务器、设备才能协同工作，构建出整个互联网。

那么，多个 AI 一起工作呢？

有没有这样一套规则——不是为了把每个 AI 变得更聪明，而是让它们知道：

该做什么、什么时候收手、怎么告诉同伴"我搞定了"？

所以，我们没有继续追求

所以。

我们没有继续追求更大的模型、更高的分数、更多的 Token。

我们开始尝试回答另一个问题。

如果多个 AI 要长期一起工作，它们之间是否也需要一套共同遵循的规则？

后来，我们把这套规则暂时命名为：

MACP

Multi-Agent Collaboration Protocol

多智能体协作协议

至于它最终会不会成为真正有价值的东西，现在我还不知道。

但至少，它已经帮我们少踩了很多坑。而这些坑，都是真实发生过的。

很多人都在讨论如何让 AI 更聪明。而过去几个月，我越来越相信：未来真正决定效率的，或许不是某一个 AI 的能力，而是一群 AI 能否像一个团队一样协作。

MACP，就是我们在这些真实问题中迈出的第一步。

也许未来最重要的，不再是谁拥有最聪明的 AI，而是谁拥有最会协作的一群 AI。

以下是看板未来自动化图：

（下一篇：这套协议到底是什么？）