一人开发团队：OpenClaw Agent Swarm 完整配置指南

原作者：Elvis (@elvissun)
来源：X/Twitter
原文链接：https://x.com/elvissun/status/2025920521871716562

核心架构

作者不再直接使用 Codex 或 Claude Code，而是用 OpenClaw 作为编排层。他的 AI 助手 Zoe 负责：

生成 Agent 提示词
为每项任务选择合适的模型
监控进度
在 Telegram 上通知他准备合并的 PR

成果数据

94 commits/天 — 最 productive 的一天，开了 3 个客户会议，一次都没打开编辑器
7 PRs/30分钟 — 从想法到生产环境极快
几乎所有中小任务都能 one-shot 完成

为什么需要 Agent 编排层？

上下文窗口是零和博弈：

填入代码 → 没有空间放业务上下文
填入客户历史 → 没有空间放代码库

这就是两层系统的优势：每个 AI 只加载它需要的内容。

8步工作流

步骤 1：客户请求 → Zoe 评估

自动从 Obsidian 同步会议笔记，零解释成本。与客户通话后，直接和 Zoe 讨论需求，她会自动获取相关背景信息。

步骤 2：Spawn Agent

每个 Agent 有独立 worktree（独立分支）和 tmux 会话，完全隔离。

步骤 3：监控循环

每 10 分钟 cron 检查一次，检测失败自动重启（最多 3 次）。不直接轮询 Agent（太贵），而是读取 JSON 注册表判断状态：

tmux 会话是否存活
是否有待处理 PR
CI 状态
失败则自动重启

步骤 4：创建 PR

Agent 提交、推送、通过 gh pr create 创建 PR。

完成的定义（非常重要）：

PR 已创建
分支已同步到 main（无合并冲突）
CI 通过（lint、types、单元测试、E2E）
Codex review 通过
Claude Code review 通过
截图已包含（如有 UI 变更）

步骤 5：自动代码审查

三个 AI 模型审查，各有擅长：

审查模型	特点
Codex Reviewer	边缘情况专家，最详尽，逻辑错误、竞态条件
Gemini Code Assist	免费，擅长安全问题、可扩展性问题
Claude Code	比较保守，建议往往过度工程化

步骤 6：自动测试

CI 管道运行大量自动化测试：

Lint 和 TypeScript 检查
单元测试
E2E 测试
Playwright 测试（针对预览环境）

新规则：任何 UI 变更必须带截图，否则 CI 失败。这大大缩短了审核时间。

步骤 7：人工审查

收到 Telegram 通知：“PR #341 ready for review”

此时已经：

CI 通过
三个 AI 审查通过
截图展示 UI 变化

审核只需 5-10 分钟，很多 PR 不用读代码，看截图就够了。

步骤 8：合并

PR 合并。每日 cron 清理孤儿 worktree 和任务注册表。

Ralph Loop V2

这是 Ralph Loop 的升级版。传统 Ralph Loop 每次运行相同 prompt，而这套系统不同：

Agent 失败时，Zoe 不会用相同 prompt 重试，而是：

Agent 上下文耗尽？→ “只关注这三个文件”
Agent 方向错了？→ “停，客户想要 X 不是 Y，这是他们会议说的”
Agent 需要澄清？→ “这是客户邮箱和他们公司做什么的”

Zoe 还会主动找活干：

早上：扫描 Sentry → 发现 4 个新错误 → spawn 4 个 Agent 调查修复
会后：扫描会议笔记 → 标记 3 个客户提到的功能需求 → spawn 3 个 Codex Agent
晚上：扫描 git log → spawn Claude Code 更新 changelog 和客户文档

Agent 选择指南

Agent	擅长场景
Codex	后端逻辑、复杂 bug、多文件重构、跨代码库推理（90% 任务）
Claude Code	前端工作更快，git 操作权限问题少
Gemini	设计感强，生成 HTML/CSS spec 给 Claude Code 实现

Zoe 选择逻辑：账单系统 bug → Codex；按钮样式修复 → Claude Code；新仪表盘设计 → Gemini 先设计，Claude Code 实现。

当前瓶颈

RAM — 每个 Agent 需要独立 worktree 和 node_modules。Mac Mini 16GB 只能跑 4-5 个 Agent。

作者购买了 Mac Studio M4 Max 128GB RAM（$3,500）来扩展。

未来展望

2026 年将出现大量一人百万美元公司。下一代创业者不会雇 10 人团队，而是用正确的系统一人搞定：

AI 编排器作为你的延伸（就像 Zoe），委托给专门处理不同业务功能的 Agent：工程、客户支持、运营、营销。

总结

这套系统的核心洞见：

两层架构：编排层（OpenClaw）负责业务上下文，Agent 层负责代码执行
专业化上下文：不是通过不同模型，而是通过不同上下文实现专业化
自动化程度：从代码生成到审查到测试，几乎全自动化
人机协作：人类只做高价值决策（合并 PR），其他都自动化

成本：Claude ~$100/月，Codex ~$90/月，起步 $20 即可。

想设置这个系统？把原文复制到 OpenClaw，告诉它：“Implement this agent swarm setup for my codebase.” 10 分钟内完成。

相关阅读：