用好Agent後，我理解了什麼叫"超級個體"
整理版優先睇
一人加AI，8日搭出超級個體工作流
呢篇文章係一位做過技術同產品嘅作者分享佢喺春節8日期間，由一台Mac Mini開始，用AI搭建完整協作工作流嘅經驗。作者想解決嘅問題係：市面上AI工具（Chatbot、通用Agent、Coding Agent）都有「你必須在場」嘅限制，唔可以24小時喺自己電腦上執行任務。佢嘅整體結論係：一個人加AI，可以做到以前需要一個團隊先做到嘅事，關鍵係心態由「呢個我唔會」轉變為「等AI幫我試試」。
作者第一步用OpenClaw部署AI Agent網關，接駁Discord、Telegram等平台，令Mac Mini變成7×24在線嘅AI工作站，隨時隨地用手機發指令畀AI做嘢。然後面對三台設備數據唔同步嘅問題，用Syncthing加Git雙通道方案，實現1800+文件實時同步。之後發展到一個AI唔夠用，就搭建6個各司其職嘅AI Agent團隊，各自有獨立記憶同工作空間，透過消息系統協作。最後為解決信息焦慮，整合中英文共222個數據源，用AI自動精選推送每日新聞。
作者認為，「超級個體」唔係營銷概念，而係知道自己要咩，然後用AI造出嚟。佢開源咗兩個項目：openclaw-sync-toolkit（多端同步工具）同claude-code-notifier（桌面通知工具），並分享咗成個心路歷程，俾想用AI提升生產力嘅人參考。
- 結論：一個人搭配AI團隊，可以完成傳統需要團隊先做到嘅項目，關鍵係心態轉變同工具選擇。
- 方法：先用OpenClaw搭建24小時在線AI工作站，再透過多Agent架構（6個獨立Agent）分工協作，最後用自動化管道解決資訊過濾問題。
- 差異：相比一般Chatbot或Agent平台，呢套方案令AI可以操作本地檔案同工具，唔使人在現場，而且數據完全留喺本地。
- 啟發：作者由「呢個我唔會」變為「等AI幫我試試」，透過Claude Code呢類工具大幅擴展個人能力半徑，做到之前唔熟悉嘅領域（例如瀏覽器自動化、P2P同步）。
- 可行動點：讀者可以參考作者嘅開源工具（openclaw-sync-toolkit、claude-code-notifier）部署類似系統；或者先從一個細用例開始（例如AI新聞聚合），逐步搭建個人AI工作流。
openclaw-sync-toolkit
多端同步工具，解決Mac Mini、MacBook Pro、iPhone之間文件實時同步問題。基於Syncthing + Git雙通道，三步部署，開箱即用。
claude-code-notifier
Claude Code任務完成通知工具，macOS彈窗+提示音+AI摘要，唔使再等終端。
OpenClaw
開源AI Agent網關，可喺本地運行，透過Telegram、Discord等聊天工具同AI交互，數據留喺本地。
由一台Mac Mini開始：AI 24小時在線工作站
作者放假期間用一台Mac Mini部署咗OpenClaw，接駁Discord、Telegram、飛書、iMessage四個平台，再裝上Claude Code，令部機變成
7×24小時在線嘅AI工作站
。
「你必須在場」係市面AI工具嘅根本限制
具體場景包括：用Telegram發指令跑新聞抓取，半小時後結果推送手機；API Key過期，手機講一句就自動更換重啟；出門前叫AI存檔，地鐵上就用得。
三端同步難題：Syncthing + Git雙通道方案
三台設備，數據各自為政
手動Git同步容易忘記，iCloud處理大量小文件又太慢。作者嘅方案係：
Syncthing管快，Git管穩
- Syncthing：兩台Mac經局域網直連，改文件幾秒同步；iPhone用Mobius Sync接入，唔使中心服務器。
- Git：關鍵檔案（Skills、配置）有完整版本歷史，GitHub做遠程備份，後台自動push/pull。
配好之後1800+檔案實時同步，出門用手機開Obsidian就見到所有筆記。作者將呢套方案整理成openclaw-sync-toolkit開源，三步部署就搞掂。
好的基礎設施就應該係「設置好就忘掉」
搭一個AI團隊：6個獨立Agent分工協作
一個AI同時處理多項任務時，上下文會被佔滿，容易丟信息。作者用OpenClaw原生多Agent架構，設立6個獨立Agent，各自有
獨立記憶同工作空間
，同埋性格設定（通過SOUL.md定義）。
協作靠消息傳遞，唔共享上下文
- 1 統籌牛馬：全局調度，拆任務、分派、追蹤進度、收口。
- 2 調研牛馬：專攻信息蒐集，獨立記憶令佢記得之前查過嘅資料。
- 3 學習牛馬：沉澱知識體系，自動整理文檔到知識庫。
- 4 設計牛馬：做圖做視頻，生成Prompt。
- 5 幹活牛馬：寫程式碼、跑腳本。
- 6 探索牛馬：盯新工具新趨勢。
實際例子：一句「部署AI新聞聚合系統」就由統籌拆成5個子任務，調研、幹活三個牛馬接力完成，作者只確認咗一次API Key。
AI幫你睇新聞：中英文自動管道
AI領域信息焦慮嚴重，每日刷兩小時都睇唔完。作者整合咗兩套開源項目：
AI幫我睇，精選後推畀我
- 英文RSS精選：108個技術博客/媒體，AI評分篩Top 15。
- 中文熱榜聚合：114個數據源，AI打分→抓原文→深度總結Top 20。
每日4次（8/12/18/22點）自動推送Discord新聞頻道。作者改用
國產大模型GLM-5
代替OpenAI，省錢兼中文總結更自然。
10分鐘瀏覽代替兩小時手動刷屏
小癢點：Claude Code做完要通知你
同時開三四個終端用Claude Code，佢做完唔通知，好煩。GitHub上只揾到播放提示音嘅工具，分唔清係邊個任務。作者用
Claude Code幫自己做咗一個通知工具
：macOS彈窗+標題+6字任務摘要。
從「人盯住機器等」變成「機器做完叫人」
一下午搞掂，開源成claude-code-notifier，三步安裝。作者話呢件事體現咗AI時代解決問題嘅速度：發現癢點→描述需求→AI從零實現→發佈開源。
今年春節假期，我沉迷咗一件事：用 AI 搭系統。
唔係嗰種「體驗一下 ChatGPT」嘅淺嘗輒止，而係真係動手——由一台 Mac Mini 開始，一步步搭咗一套完整嘅 AI 協作工作流。8 日時間，產出咗兩個開源項目、一套多設備同步方案、一個 6 人 AI 團隊、一個自動化新聞聚合系統，同埋大量可重用嘅自動化腳本。
具體嚟講：
openclaw-sync-toolkit（GitHub[1]）—— 解決咗 Mac Mini、MacBook Pro、iPhone 三台設備之間文件唔互通嘅問題。1800+ 檔案實時自動同步，出到街用手機都可以睇工作文檔。
claude-code-notifier（GitHub[2]）—— 解決咗 Claude Code 跑完任務完全冇提示嘅問題。桌面彈窗 + 提示音 + AI 智能摘要，以後唔使再睇住終端機等。
6 個 AI Agent 協作團隊 —— 解決咗一個人精力唔夠、乜都想做但又做唔深入嘅問題。6 個 AI 各有職責，並行工作。
中英文 AI 新聞聚合系統 —— 解決咗每日花兩個鐘頭睇新聞、真正有價值嘅得幾條嘅問題。222 個數據源自動抓取，AI 精選之後每日 4 次推送。
呢啲嘢而家全部喺生產環境運行緊。每日朝早起身，新聞已經整理好，檔案已經同步完，6 個 AI Agent 各就各位。
我做過技術同產品，但呢 8 日入面做嘅好多嘢，的確超出咗我原本嘅能力範圍。例如寫瀏覽器自動化腳本、做多 Agent 系統調度、搞 P2P 檔案同步——呢啲以前唔係我嘅領域。
唔係突然變勁咗，而係 Claude Code 將我嘅能力半徑撐大咗。
下面展開講下，呢啲嘢分別係點樣做出嚟嘅。
起點：一台 Mac Mini + OpenClaw
一切都由一個念頭開始：我想讓 AI 24 小時在線幫我做嘢。
市面上嘅 AI 工具我基本上都用過一次。Chatbot 類——ChatGPT、Claude、Gemini，可以傾偈可以寫可以分析，但本質都係「你問佢答」，熄咗網頁就停，啲數據全部喺雲端，掂唔到你本地嘅檔案。通用 Agent 類——Manus、各種 AI Workflow 平台，可以執行多步任務，但同樣係喺人哋嘅伺服器上跑，冇辦法操作你自己電腦上嘅工具同數據。Coding Agent 類——Claude Code、Cursor、Windsurf，寫程式碼的確好勁，但佢哋係終端工具，必須開住電腦坐喺面前先用得。
呢三類都有同一個根本限制：你一定要在場。 唔喺電腦前面，AI 就係擺設。
我想要嘅係：無論我喺邊度，攞出電話 send 個訊息，AI 就可以喺我嘅電腦上開始執行任務。做完會主動通知我。數據全部留喺本地。
OpenClaw[3] 就係做呢樣嘢嘅。佢係一個開源嘅 AI Agent 網關，喺你自己嘅機器上運行，經 Telegram、Discord、飛書呢啲傾偈工具同 AI 互動。數據完全喺本地，不過第三方。
我喺 Mac Mini 上部署咗 OpenClaw，接入咗 Discord、Telegram、飛書、iMessage 四個平台。再裝上 Claude Code（Anthropic 嘅終端 AI 程式助手），Mac Mini 就變成咗一個 7×24 小時在線嘅 AI 工作站。
舉幾個真實場景：
晚飯後攤喺梳化，Telegram 講一句「跑下中英文新聞抓取」——222 個數據源自動抓取、AI 打分、生成精選日報，半個鐘後結果推送到手機上。 API Key 過期搞到新聞系統報錯，手機上講一句「GLM-5 嘅 key 過期咗，換做呢個新 key」——AI 自動揾到設定檔、取代、重啟服務、驗證通過，全程冇掂過電腦。 出門前講「幫我將調研報告存到知識庫」——AI 自動歸檔檔案，Syncthing 同步到手機，地鐵上就可以睇。
春節期間有件搞笑嘅事：以前假期要做嘢，就要抱住筆記本揾個靜啲嘅地方坐低。而家呢，攞住手機開個語音識別軟件（Typeless），喺陽台曬住太陽「口噴需求」，AI 就喺屋企嘅 Mac Mini 上默默執行。親戚問我做緊乜，我話同緊員工開會——都冇講錯。
呢種「隨時隨地指揮 AI」嘅感覺，一試過就返唔到轉頭。
發現問題：三台設備，數據各自為政
Mac Mini 跑起之後，新問題好快出現。
我喺 Mac Mini 上讓 AI 學咗一個新技能，返到 MacBook Pro 想用——沒有。喺 MacBook Pro 做咗一下午調研，想喺 Mac Mini 上讓 AI 根據呢啲資料繼續分析——檔案唔喺度。出門想喺 iPhone 查之前嘅筆記——乜都睇唔到。
三台設備，數據各自為政。
手動用 Git 同步可以解決，但問題係：忙起嚟邊個記得 push？尤其 AI 自動生成嘅檔案，佢可唔會幫你 commit。 iCloud 就更加唔好提，大量細檔案同步到天荒地老。
現有方案冇一個可以同時做到「實時」「自動」「有版本歷史」「支援三端」。
解決問題：Syncthing + Git 雙通道
諗咗諗，其實需要兩條路：一條管快，一條管穩。
Syncthing 管快：兩台 Mac 經局域網直接連，改一個檔案幾秒內另一台自動更新。iPhone 端用 Mobius Sync 接入。唔需要中心伺服器，唔使錢。 Git 管穩：AI 嘅 Skills、設定呢啲關鍵檔案行 Git，有完整版本歷史，GitHub 做遠端備份。後台服務自動 push/pull，完全唔需要人工幹預。
設定好之後，三台設備 1800+ 檔案實時同步。出門攞出電話打開 Obsidian，調研報告、工作日誌全部喺度。兩台 Mac 無縫切換——客廳寫到一半，行到書房打開就係最新。
好嘅基礎設施就應該係「設定好就唔記得佢」。
呢套方案整理之後開源咗：openclaw-sync-toolkit[4]，三步部署，開箱即用。
發現問題：一個 AI 唔夠用
三端同步搞掂之後，我開始用 AI 做越來越多嘅事——調研行業趨勢、學新技術、寫自動化腳本、探索新工具……
好快發現：一個 AI 乜都做，每件事都做唔深入。
唔係佢唔聰明，而係上下文有限。一個 AI 同時處理五件事，佢嘅「工作記憶」被塞滿，容易漏信息、搞亂任務。
解決問題：搭一個 AI 團隊思路好簡單：既然一個人忙唔嚟，咁就「請」幾個。
OpenClaw 原生支援多 Agent 架構。我搭咗 6 個 AI Agent，但重點唔係「有 6 個」，而係佢哋點樣協作：
每個 Agent 係獨立嘅「人」。 佢哋有各自嘅工作空間、獨立嘅記憶系統、甚至各自嘅性格設定（通過 SOUL.md 定義）。我喺 Discord 度幫佢哋改咗代號——統籌牛馬負責全局調度，調研牛馬專攻資訊蒐集，學習牛馬沉澱知識體系，設計牛馬做圖做片，做嘢牛馬寫程式碼跑腳本，探索牛馬睇新工具新趨勢。獨立記憶意味住調研牛馬上個星期查嘅資料，呢個星期再用嘅時候佢仲記得——唔會好似單個 AI 咁「昨日嘅事今日完全唔記得」。
協作靠訊息傳遞，唔靠共享上下文。 Agent 之間經訊息系統互相派任務、交付成果。例如我話「幫我調研下 X 平台嘅推廣策略」——統籌牛馬自動拆成三個子任務：調研牛馬負責蒐集競品案例，學習牛馬梳理平台規則，做嘢牛馬根據前兩個嘅產出寫執行腳本。三個牛馬並行做，產出自動彙總到統籌嗰度。我只需要最後審核結果。
統籌牛馬係調度中心。 佢全局監聽所有頻道，負責拆任務、分派、追蹤進度、收尾。其他牛馬俾人 @ 先會出聲，但統籌一直喺度聽。任務未閉環之前，佢會一直追——温柔但堅定。
呢套架構可以做啲乜？幾個實際例子：
我話「部署 AI 新聞聚合系統」——統籌牛馬自動拆成 5 個子任務，調研牛馬分析開源項目源碼，做嘢牛馬部署腳本、寫定時任務，三個牛馬接力完成，我只確認咗一次 API Key。 我話「學下 Seedance 2.0 嘅用法」——學習牛馬自動去飛書讀 8 篇官方文檔，整理成結構化筆記存到知識庫，同步到我手機上。 我話「用呢 10 張分鏡圖生成視頻」——設計牛馬寫 Prompt，做嘢牛馬批量調用 Seedance API 生成 12 段影片、自動拼接成 2 分鐘完整版。
相當於一個人擁有咗一個小團隊。 唔使出糧，7×24 在線，從唔抱怨加班。
呢個係協作大廳入面牛馬們每日嘅工作彙報——調研牛馬、學習牛馬、設計牛馬各自總結當日出產。
發現問題：每日睇新聞睇到焦慮
做 AI 領域有個副作用：資訊焦慮。
每日都有新模型、新論文、新產品。Twitter、Hacker News、36kr、AIbase……一圈睇落嚟兩個鐘頭過去咗，真正值得留意嘅可能得三、五條。效率極低，但唔睇又怕錯過啲乜。
解決問題：AI 幫我睇，精選之後推俾我
我搭咗一套中英文雙語嘅自動化資訊管道，核心用咗兩個開源項目：
英文源：基於 ai-daily-digest[5]，Karpathy 推薦嘅 90 個頂級技術 Blog + 我自己補充咗 15 個 AI 前沿源，總共 108 個英文 RSS 源。原項目用 OpenAI API 做摘要，我改咗做國產大模型（智譜 GLM-5），慳錢之餘中文總結仲更加自然。再加多層 AI 評分，每日從幾千篇文章入面篩出 Top 15 精選。
中文源：基於 ai-news-radar[6]，聚合咗 11 個中文數據源共 114 個子源——覆蓋 36kr、AIbase、TopHub、BestBlogs 等主流平台。純爬蟲方案唔需要 API Key，每日穩定抓取 800+ 條。我加咗 AI 打分 + Jina Reader 抓原文 + AI 深度總結嘅管道，由「標題列表」升級做「每條都有 50-100 字嘅深度摘要」。
兩路合併之後：
每日 4 次（8:00 / 12:00 / 18:00 / 22:00）自動推到 Discord 新聞頻道，呢個係實際推送效果：
而家每日朝早打開手機，AI 整理好嘅中英文 AI 新聞精選已經喺度。 10 分鐘睇完精華，取代之前兩個鐘頭嘅手動碌 Screen。
而呢套系統嘅部署過程本身，就係多 Agent 協作嘅一個縮影——我講一句「部署 AI 新聞聚合系統」，統籌牛馬自動拆成 5 個子任務，調研牛馬分析源碼，做嘢牛馬部署腳本、設定定時任務。三個牛馬接力，全程我只確認咗一次 API Key：
遇到癢點：Claude Code 做完了，冇人話我知
呢 8 日入面仲有個小插曲。同時開三、四個終端讓 Claude Code 做嘢，發現一個好頭痛嘅問題：佢做完咗唔通知你。唔彈窗，唔響鈴，靜靜雞跑完靜靜雞等。GitHub 上揾咗一輪，淨係揾到播提示音嘅工具——「叮」一聲，但分唔清係邊個任務。
既然現有嘅唔滿足，咁就讓 Claude Code 幫我做一個。一個下晝，claude-code-notifier 誕生咗——Claude Code 做完任務嘅瞬間，macOS 右上角彈出原生通知，標題寫狀態，副標題係 AI 生成嘅 6 字任務摘要。由「人睇住機器等」變成「機器做完了叫人」。
做完之後寫咗安裝腳本同 README，開源咗：claude-code-notifier[7]，三步安裝，一鍵卸載。
呢件事本身都幾有意思——發現癢點，描述需求，Claude Code 幫你由零實現，一下午搞掂開源發布。 呢個就係 AI 時代解決問題嘅速度。
8 日之後嘅狀態
春節結束咗，呢套系統仲係 7×24 小時跑緊：
回望呢 8 日，最大嘅收穫唔係「做咗幾多嘢」，而係驗證咗一件事：
一個人 + AI，真係可以做到以前需要一個團隊先做到嘅事。
唔係因為我技術有幾勁——好多領域係第一次接觸。關鍵在於 Claude Code 呢啲工具，將「做唔做到」呢個問題，變咗做「你想唔想做」。
以前見到一個諗法，第一個反應係「呢個我唔識」。而家第一個反應變咗做「讓 AI 幫我試下」。淨係呢個心態嘅轉變，已經值返曬成個春節嘅投入。
由程序員到產品經理，再到而家用 AI 搭系統，我越來越覺得「超級個體」唔係一個營銷概念——佢就係：知道自己想要乜，然後用 AI 將佢造出嚟。
文中提到嘅開源項目：
多端同步工具：openclaw-sync-toolkit[8] 桌面通知工具：claude-code-notifier[9] 關注公眾號 「超級個體人工」，持續分享 AI 工作流實戰同開源工具。
引用連結
[1]GitHub: https://github.com/yike-gunshi/openclaw-sync-toolkit
[2]GitHub: https://github.com/yike-gunshi/claude-code-notifier
[3]OpenClaw: https://github.com/openclaw/openclaw
[4]openclaw-sync-toolkit: https://github.com/yike-gunshi/openclaw-sync-toolkit
[5]ai-daily-digest: https://github.com/vigorX777/ai-daily-digest
[6]ai-news-radar: https://github.com/LearnPrompt/ai-news-radar
[7]claude-code-notifier: https://github.com/yike-gunshi/claude-code-notifier
[8]openclaw-sync-toolkit: https://github.com/yike-gunshi/openclaw-sync-toolkit
[9]claude-code-notifier: https://github.com/yike-gunshi/claude-code-notifier
今年春節假期，我沉迷了一件事：用 AI 搭系統。
不是那種"體驗一下 ChatGPT"的淺嘗輒止，而是真的動手——從一台 Mac Mini 開始，一步步搭出了一套完整的 AI 協作工作流。8 天時間，產出了兩個開源項目、一套多設備同步方案、一個 6 人 AI 團隊、一個自動化新聞聚合系統，以及大量可複用的自動化腳本。
具體來說：
openclaw-sync-toolkit（GitHub[1]）—— 解決了 Mac Mini、MacBook Pro、iPhone 三台設備之間文件不互通的問題。1800+ 文件實時自動同步，出門在外手機也能查工作文檔。
claude-code-notifier（GitHub[2]）—— 解決了 Claude Code 跑完任務沒有任何提示的問題。桌面彈窗 + 提示音 + AI 智能摘要，再也不用盯着終端等。
6 個 AI Agent 協作團隊 —— 解決了一個人精力不夠、什麼都想做但什麼都做不深的問題。6 個 AI 各司其職，並行工作。
中英文 AI 新聞聚合系統 —— 解決了每天花兩小時刷新聞、真正有價值的只有幾條的問題。222 個數據源自動抓取，AI 精選後每天 4 次推送。
這些東西現在全部在生產環境運行着。每天早上醒來，新聞已經整理好了，文件已經同步完了，6 個 AI Agent 各就各位。
我做過技術和產品，但這 8 天裏做的很多事，確實超出了我原來的能力範圍。比如寫瀏覽器自動化腳本、做多 Agent 系統調度、搞 P2P 文件同步——這些以前不是我的領域。
不是突然變強了，是 Claude Code 把我的能力半徑撐大了。
下面展開聊聊，這些東西分別是怎麼做出來的。
起點：一台 Mac Mini + OpenClaw
一切從一個念頭開始：我想讓 AI 24 小時在線幫我幹活。
市面上的 AI 工具我基本都用過一遍。Chatbot 類——ChatGPT、Claude、Gemini，能聊能寫能分析，但本質還是"你問它答"，關掉網頁就停了，數據全在雲端，碰不到你本地的文件。通用 Agent 類——Manus、各種 AI Workflow 平台，能執行多步任務，但同樣跑在別人的服務器上，沒法操作你自己電腦上的工具和數據。Coding Agent 類——Claude Code、Cursor、Windsurf，寫代碼確實猛，但它們是終端工具，必須開着電腦坐在面前才能用。
這三類都有同一個根本限制：你必須在場。 不在電腦前，AI 就是擺設。
我想要的是：不管我在哪裏，掏出手機發條消息，AI 就能在我自己的電腦上開始執行任務。做完了主動通知我。數據全部留在本地。
OpenClaw[3] 就是幹這個的。它是一個開源的 AI Agent 網關，跑在你自己的機器上，通過 Telegram、Discord、飛書這些聊天工具和 AI 交互。數據完全在本地，不過第三方。
我在 Mac Mini 上部署了 OpenClaw，接入了 Discord、Telegram、飛書、iMessage 四個平台。再裝上 Claude Code（Anthropic 的終端 AI 編程助手），Mac Mini 就變成了一個 7×24 小時在線的 AI 工作站。
舉幾個真實場景：
晚飯後躺沙發上，Telegram 發一句"跑一下中英文新聞抓取"——222 個數據源自動抓取、AI 打分、生成精選日報，半小時後結果推送到手機上。 API Key 過期導致新聞系統報錯，手機上說一句"GLM-5 的 key 過期了，換成這個新 key"——AI 自動找到配置文件、替換、重啓服務、驗證通過，全程沒碰電腦。 出門前說"幫我把調研報告存到知識庫"——AI 自動歸檔文件，Syncthing 同步到手機，地鐵上就能看。
春節期間有個搞笑的事：以前假期要幹活，得抱着筆記本找個安靜地方坐下來。現在呢，拿着手機開個語音識別軟件（Typeless），在陽台上邊曬太陽邊"口噴需求"，AI 就在家裏的 Mac Mini 上默默執行了。親戚問我在幹嘛，我說在和員工開會——也沒說錯。
這種"隨時隨地指揮 AI"的感覺，一旦體驗過就回不去了。
發現問題：三台設備，數據各自為政
Mac Mini 跑起來之後，新問題很快出現了。
我在 Mac Mini 上讓 AI 學了一個新技能，回到 MacBook Pro 上想用——沒有。在 MacBook Pro 上做了一下午調研，想在 Mac Mini 上讓 AI 基於這些資料繼續分析——文件不在。出門想在 iPhone 上查之前的筆記——啥也看不到。
三台設備，數據各自為政。
手動用 Git 同步可以解決，但問題是：忙起來誰記得 push？尤其 AI 自動生成的文件，它可不會幫你 commit。iCloud 就更別提了，大量小文件同步到天荒地老。
現有方案沒有一個能同時做到"實時""自動""有版本歷史""支持三端"。
解決問題：Syncthing + Git 雙通道
想了想，其實需要兩條路：一條管快，一條管穩。
Syncthing 管快：兩台 Mac 通過局域網直連，改一個文件幾秒內另一台自動更新。iPhone 端用 Mobius Sync 接入。不需要中心服務器，不花錢。 Git 管穩：AI 的 Skills、配置這些關鍵文件走 Git，有完整版本歷史，GitHub 做遠程備份。後台服務自動 push/pull，完全不需要人工干預。
配好之後，三台設備 1800+ 文件實時同步。出門掏出手機打開 Obsidian，調研報告、工作日誌全都在。兩台 Mac 無縫切換——客廳寫到一半，走到書房打開就是最新的。
好的基礎設施就應該是"設置好就忘掉"的。
這套方案整理後開源了：openclaw-sync-toolkit[4]，三步部署，開箱即用。
發現問題：一個 AI 不夠用了
三端同步搞定後，我開始用 AI 做越來越多的事——調研行業趨勢、學習新技術、寫自動化腳本、探索新工具……
很快發現：一個 AI 什麼都幹，每件事都做不深。
不是它不聰明，而是上下文有限。一個 AI 同時處理五件事，它的"工作記憶"被佔滿了，容易丟信息、串任務。
解決問題：搭一個 AI 團隊思路很簡單：既然一個人忙不過來，那就"僱"幾個。
OpenClaw 原生支持多 Agent 架構。我搭了 6 個 AI Agent，但重點不是"有 6 個"，而是它們怎麼協作的：
每個 Agent 是獨立的"人"。 它們有各自的工作空間、獨立的記憶系統、甚至各自的性格設定（通過 SOUL.md 定義）。我在 Discord 裏給它們起了代號——統籌牛馬負責全局調度，調研牛馬專攻信息蒐集，學習牛馬沉澱知識體系，設計牛馬做圖做視頻，幹活牛馬寫代碼跑腳本，探索牛馬盯新工具新趨勢。獨立記憶意味着調研牛馬上週查的資料，這周接着用的時候它還記得——不會像單個 AI 那樣"昨天的事今天全忘了"。
協作靠消息傳遞，不靠共享上下文。 Agent 之間通過消息系統互相派任務、交付成果。比如我說"幫我調研一下 X 平台的推廣策略"——統籌牛馬自動拆成三個子任務：調研牛馬負責蒐集競品案例，學習牛馬梳理平台規則，幹活牛馬根據前兩個的產出寫執行腳本。三個牛馬並行幹，產出自動彙總到統籌那裏。我只需要最後審核結果。
統籌牛馬是調度中心。 它全局監聽所有頻道，負責拆任務、分派、追蹤進度、收口。其他牛馬被 @ 才說話，但統籌一直在聽。任務沒閉環之前，它會一直追——温柔但堅定。
這套架構能做什麼？幾個實際例子：
我說"部署 AI 新聞聚合系統"——統籌牛馬自動拆成 5 個子任務，調研牛馬分析開源項目源碼，幹活牛馬部署腳本、寫定時任務，三個牛馬接力完成，我只確認了一次 API Key。 我說"學一下 Seedance 2.0 的用法"——學習牛馬自動去飛書讀 8 篇官方文檔，整理成結構化筆記存到知識庫，同步到我手機上。 我說"用這 10 張分鏡圖生成視頻"——設計牛馬寫 Prompt，幹活牛馬批量調用 Seedance API 生成 12 段視頻、自動拼接成 2 分鐘完整版。
相當於一個人擁有了一個小團隊。 不需要發工資，7×24 在線，從不抱怨加班。
這是協作大廳裏牛馬們每天的工作彙報——調研牛馬、學習牛馬、設計牛馬各自總結當日產出。
發現問題：每天刷新聞刷到焦慮
做 AI 領域有個副作用：信息焦慮。
每天都有新模型、新論文、新產品。Twitter、Hacker News、36kr、AIbase……一圈刷下來兩小時過去了，真正值得關注的可能就三五條。效率極低，但不刷又怕錯過什麼。
解決問題：AI 幫我看，精選後推給我
我搭了一套中英文雙語的自動化信息管道，核心用了兩個開源項目：
英文源：基於 ai-daily-digest[5]，Karpathy 推薦的 90 個頂級技術博客 + 我自己補充了 15 個 AI 前沿源，總共 108 個英文 RSS 源。原項目用 OpenAI API 做摘要，我改成了國產大模型（智譜 GLM-5），省錢且中文總結更自然。再加一層 AI 評分，每天從幾千篇文章裏篩出 Top 15 精選。
中文源：基於 ai-news-radar[6]，聚合了 11 箇中文數據源共 114 個子源——覆蓋 36kr、AIbase、TopHub、BestBlogs 等主流平台。純爬蟲方案不需要 API Key，每天穩定抓取 800+ 條。我加了 AI 打分 + Jina Reader 抓原文 + AI 深度總結的管線，從"標題列表"升級為"每條都有 50-100 字的深度摘要"。
兩路合併後：
每天 4 次（8:00 / 12:00 / 18:00 / 22:00）自動推到 Discord 新聞頻道，這是實際推送效果：
現在每天早上打開手機，AI 整理好的中英文 AI 新聞精選已經在那了。 10 分鐘瀏覽完精華，代替之前兩小時的手動刷屏。
而這套系統的部署過程本身，就是多 Agent 協作的一個縮影——我說一句"部署 AI 新聞聚合系統"，統籌牛馬自動拆成 5 個子任務，調研牛馬分析源碼，幹活牛馬部署腳本、配置定時任務。三個牛馬接力，全程我只確認了一次 API Key：
遇到癢點：Claude Code 做完了，沒人告訴我
這 8 天裏還有個小插曲。同時開三四個終端讓 Claude Code 幹活，發現一個很蛋疼的問題：它做完了不通知你。不彈窗，不響鈴，安靜地跑完安靜地等。GitHub 上搜了一圈，只找到播放提示音的工具——"叮"一聲，但分不清是哪個任務。
既然現有的不滿足，那就讓 Claude Code 幫我做一個。一個下午，claude-code-notifier 誕生了——Claude Code 做完任務的瞬間，macOS 右上角彈出原生通知，標題寫狀態，副標題是 AI 生成的 6 字任務摘要。從"人盯着機器等"變成"機器做完了來叫人"。
做完之後寫了安裝腳本和 README，開源了：claude-code-notifier[7]，三步安裝，一鍵卸載。
這件事本身挺有意思——發現癢點，描述需求，Claude Code 幫你從零實現，一下午搞定開源發佈。 這就是 AI 時代解決問題的速度。
8 天之後的狀態
春節結束了，這套系統還在 7×24 小時跑着：
回看這 8 天，最大的收穫不是"做了多少東西"，而是驗證了一件事：
一個人 + AI，真的可以做到以前需要一個團隊才能做的事。
不是因為我技術多強——很多領域是第一次接觸。關鍵在於 Claude Code 這樣的工具，把"能不能做到"這個問題，變成了"你想不想做"。
以前看到一個想法，第一反應是"這個我不會"。現在第一反應變成了"讓 AI 幫我試試"。光是這個心態的轉變，就已經值回整個春節的投入了。
從程序員到產品經理，再到現在用 AI 搭系統，我越來越覺得"超級個體"不是一個營銷概念——它就是：知道自己要什麼，然後用 AI 把它造出來。
文中提到的開源項目：
多端同步工具：openclaw-sync-toolkit[8] 桌面通知工具：claude-code-notifier[9] 關注公眾號 「超級個體人工」，持續分享 AI 工作流實戰和開源工具。
引用連結
[1]GitHub: https://github.com/yike-gunshi/openclaw-sync-toolkit
[2]GitHub: https://github.com/yike-gunshi/claude-code-notifier
[3]OpenClaw: https://github.com/openclaw/openclaw
[4]openclaw-sync-toolkit: https://github.com/yike-gunshi/openclaw-sync-toolkit
[5]ai-daily-digest: https://github.com/vigorX777/ai-daily-digest
[6]ai-news-radar: https://github.com/LearnPrompt/ai-news-radar
[7]claude-code-notifier: https://github.com/yike-gunshi/claude-code-notifier
[8]openclaw-sync-toolkit: https://github.com/yike-gunshi/openclaw-sync-toolkit
[9]claude-code-notifier: https://github.com/yike-gunshi/claude-code-notifier