所以我在 Discord 上运行了 8 个 AI 代理一段时间了。 协调工作得很好，他们分配任务，交接工作，平行交付结果等等。 但我遇到了一些问题，任何数量的提示工程都无法解决。 代理之间无法相互学习。 Scout 找到了一些有用的东西，但 Luna 完全不知道。他们在同一个服务器上工作，但知识仍然被锁在孤岛中。 没有对保存内容的质量进行过滤，好的见解和过时的垃圾混在同一个记忆文件中，我手动清理这些文件。 当一个代理犯错时，我会在规则 Discord 频道、核心记忆文件中记录下来，并希望它下次能读取。 没有自我纠正，没有自动模式识别，因此当然没有学习循环。 协调层已经解决。代理可以一起工作。 但智能层仍然缺失。代理实际上能够记住，互相学习，过滤噪音，并在每次运行中变得更聪明。 我看到 @Spark_coded 正在构建类似的东西，约有 166 个代理在会话之间共享集体持久知识，因此代理可以从其他代理那里学习，并随着时间的推移变得更聪明。 他们甚至内置了噪音过滤和自我纠正循环，因此知识实际上会积累，而不是腐烂……非常有趣的东西。 在这里，你认为 Spark 可以成为你代理群的一个很好的协调者。 我认为智能层是瓶颈，因为它需要集体性……没有单个代理可以单独解决这个问题。 整个网络必须共同进化。 这不会保持小众，代理协调一旦成为标准，每个人都会遇到我遇到的同样障碍…… 工作但不学习的代理，协调但不进化的代理……智能层成为区分有用系统和愚蠢系统的唯一因素。 现在大多数人仍在弄清楚如何运行一个代理。当他们达到多代理设置时，集体智能将不是可选的，而是基础。 我们还处于早期阶段，协调的代理和共同进化的代理之间的差距是下一个阶段。 第一步已经完成。 ------ 左侧：协调但不学习的代理 右侧：智能层……在同一系统内共同进化的代理。

我看到的最大错误是把代理群体当作技术问题来处理，而实际上它们是协调问题。 >谁决定哪个代理获得哪个任务？ >他们如何避免重复工作？ >他们如何交接任务？ >作为人类的你如何监控和审查？ 这是一个协调问题，而 Discord 几乎解决了 90% 的这些问题。 你所需要的只是一个结构化的 Discord 频道和一个协调者，他是你的右手和你所做事情的脑子。 协调者生成合适的代理，代理并行工作，甚至可能生成更多的子代理来更快地完成工作，我称它们为“实习生”，然后在工作完成后将它们杀掉……每个人都可以通过他们的频道实时看到进展。 听起来复杂，但在 Discord 上超级简单，我们只是把它变成了 AI 的操作系统，它就是这样运作的…… 有时候，最无聊的技术胜出……因为它在你刚开始时不会崩溃……我无法想象当你想要扩展时会怎样…… 在我看来，无论是 Discord 还是其他任何你想要的平台……一旦你解决了协调问题，每个人都知道他们的实际角色以及他们可以/不能做什么而不互相干扰，整个系统就会顺畅运行…… 也许那时你会开始享受扩展，而不是调试和在同一个圈子里转圈。

老实说，我并没有计划让 Discord 成为我 OpenClaw 代理群堆栈中最有用的部分…… 但现在我们在这里。这可能是我在整个设置中做出的最佳决定。 它之所以有效，是因为 Discord 自然适合于情节记忆……每条消息都被记录、可搜索、带有时间戳，并按频道组织…… 然后你的代理在工作时只需写入频道，醒来时读取历史记录…… 最好在上面添加一个摘要器，这样你就可以拥有长期知识，而无需触碰任何数据库。 所以，代替： 原始数据 → 向量数据库 → 代理 你得到的是： 原始数据 → Discord → 摘要器 → 结构化记忆 并不是说向量数据库和 RAG 管道是错误的……它们有其存在的意义，但大多数人在需要之前就跳入复杂的基础设施，而 Discord 已经为你提供了 80% 的解决方案，完全免费。 附言：显然，保持敏感信息如 API 密钥、凭证和私人数据远离 Discord，并保存在本地文件中……Discord 非常适合工作流记忆，但任何与安全相关的内容都应保持本地。 我会很快分享更多关于我如何构建频道和代理的信息。