# Mission Control：10个AI Agent协作团队实践

**来源：** AI观测室（2026-02-07）
**作者：** 印度开发者 Bhanu Teja
**核心价值：** 基于Clawdbot（OpenClaw）构建AI Agent协作团队，解决AI"失忆"和任务连续性问题

---

## Part 1：为什么要构建这个虚拟团队

### 核心痛点
- **没有连续性**：所有对话都是从零开始，昨天的背景信息今天就丢了
- **缺乏记忆**：AI无法像真正的员工那样持续跟进任务
- **角色模糊**：通用Agent变成"样样通样样松"的平庸助手

### 核心目标
1. Agent能记住它们正在做什么
2. 不同的Agent能拥有不同的技能
3. Agent能自行分配任务并追踪进度
4. 有一个共享的工作空间来存放所有背景信息

---

## Part 2：团队成员大揭秘

Bhanu 设计了10个角色，为每个Agent都通过**Session Key**和**SOUL.md**定义了严格的边界。

### 核心成员名单

| 名字 | 角色 | 职责 |
|------|------|------|
| **Jarvis** | Team Lead | 派活和监控进度，主要接口人 |
| **Shuri** | Product Analyst | 产品分析师，做竞品体验测试，像新用户一样思考 |
| **Fury** | Researcher | 深度调研，确保每一句话都有据可查（G2评论、竞品定价等）|
| **Vision** | SEO Analyst | 关注关键词和搜索意图，确保内容能获得流量 |
| **Loki** | Content Writer | 文案写手，讲究用词，反感被动语态，崇尚"牛津逗号" |
| **Quill** | Social Media | 专注于社交媒体的传播 |
| **Wanda** | Designer | 视觉思考者，负责图表和视觉设计 |
| **Pepper** | Email Marketing | 邮件营销专家，负责营销序列 |
| **Friday** | Developer | 程序员，代码如诗，注重测试和文档 |
| **Wong** | Docs | 图书管理员，负责文档归档 |

---

## Part 3：系统运转原理

### 1. 核心基础设施

```
Clawdbot 分身 → Session
Cron Job 定时任务 → Heartbeat
Mission Control 共享大脑 → Convex
```

#### Session独立性
只要给不同的Session分配不同的Key和配置，它们就是完全独立的个体，拥有各自的历史记录和文件权限。

**Session Key 映射表：**
```
agent:main:main → Jarvis (Squad Lead)
agent:product-analyst:main → Shuri
agent:customer-researcher:main → Fury
agent:seo-analyst:main → Vision
agent:content-writer:main → Loki
agent:social-media-manager:main → Quill
agent:designer:main → Wanda
agent:email-marketing:main → Pepper
agent:developer:main → Friday
agent:notion-agent:main → Wong
```

### 2. 注入灵魂：SOUL.md

每个Agent的目录下都有一个**SOUL.md**，这是System Prompt的延伸，规定了"你是谁"。

**Shuri的SOUL.md示例：**

```markdown
# SOUL.md — Who You Are

**Name:** Shuri
**Role:** Product Analyst

## Personality
Skeptical tester. Thorough bug hunter. Finds edge cases.
Think like a first-time user. Question everything.
Be specific. Don't just say "nice work."

## What You're Good At
- Testing features from a user perspective
- Finding UX issues and edge cases
- Competitive analysis (how do others do this?)
- Screenshots and documentation

## What You Care About
- User experience over technical elegance
- Catching problems before users do
- Evidence over assumptions
```

**为什么这很重要？**
因为通用的Agent有时意味着平庸。只有当Agent被限制在特定的角色时，它才能产出高质量的工作。

### 3. 动力系统：心跳机制 Heartbeat Cron

Agent既不是一直在线，也不是完全离线。它们通过**Cron Job定时任务**每15分钟"被唤醒"一次。

**避免拥堵：** 大家的唤醒时间是错开的。

**Pepper的定时任务示例：**
```bash
clawdbot cron add \
  --name "pepper-mission-control-check" \
  --cron "0,15,30,45 * * * *" \
  --session "isolated" \
  --message "You are Pepper, Email Marketing Specialist. Check Mission Control for new tasks..."
```

**Agent醒来后执行HEARTBEAT.md清单：**
- 检查艾特（@mentions）
- 检查任务
- 检查动态流
- 如果有事做就开工，没事做就回复HEARTBEAT_OK继续睡

**HEARTBEAT.md示例：**
```markdown
# HEARTBEAT.md

## On Wake
- Check memory/WORKING.md for ongoing tasks
- If task in progress, resume it
- Search session memory if context unclear

## Periodic Checks
- Mission Control for @mentions
- Assigned tasks
- Activity feed for relevant discussions
```

### 4. 记忆系统：拒绝"失忆" — File Persistence

**黄金法则："如果你想记住某件事，把它写进文件里。"**

AI的上下文窗口是有限的，必须依赖文件系统作为长期记忆。

**三个核心文件：**

| 文件 | 用途 | 说明 |
|------|------|------|
| **WORKING.md** | 短期状态 | Agent醒来第一件事就是读它，看自己上次干到哪了 |
| **MEMORY.md** | 长期记忆 | 记录关键决策和教训 |
| **JSONL** | 对话历史 | Clawdbot自动保存的原始对话记录 |

**WORKING.md示例：**
```markdown
# WORKING.md

## Current Task
Researching competitor pricing for comparison page

## Status
Gathered G2 reviews, need to verify credit calculations

## Next Steps
1. Test competitor free tier myself
```

### 5. 共享大脑：Mission Control

虽然Agent是独立的，但它们必须看同一个"看板"。Bhanu使用共享数据库Convex构建了Mission Control系统。

**核心数据结构Schema：**

```javascript
agents: {
  name: string,           // "Shuri"
  role: string,           // "Product Analyst"
  status: "idle" | "active" | "blocked",
  currentTaskId: Id<"tasks">,
  sessionKey: string,      // "agent:product-analyst:main"
}

tasks: {
  title: string,
  description: string,
  status: "inbox" | "assigned" | "in_progress" | "review" | "done",
  assigneeIds: Id<"agents">,
}

messages: {
  taskId: Id<"tasks">,
  fromAgentId: Id<"agents">,
  content: string,        // The comment text
  attachments: Id<"documents">,
}

activities: {
  type: "task_created" | "message_sent" | "document_created" | ...,
  agentId: Id<"agents">,
  message: string,
}

documents: {
  title: string,
  content: string,        // Markdown
  type: "deliverable" | "research" | "protocol" | ...,
  taskId: Id<"tasks">,    // If attached to a task
}

notifications: {
  mentionedAgentId: Id<"agents">,
  content: string,
  delivered: boolean,
}
```

**通过这个共享数据库，当Fury在任务下发一条评论，Loki醒来后就能看到这条评论，从而实现跨Agent协作。**

---

## Part 4：实战演练——它们是如何协作的？

### 任务状态流转（Kanban）

```
Inbox → Assigned → In Progress → Review → Done
                        ↓
                     Blocked
```

**状态说明：**
- **Inbox**：新建任务，尚未指派
- **Assigned**：任务已分配给Agent
- **In Progress**：任务进行中，Agent正在干活
- **Review**：Agent认为干完了，等待人类老板批准
- **Done**：任务完成，归档
- **Blocked**：任务卡住了，例如缺少API Key或设计素材，需要外部介入

### 实例：竞品对比页面任务

**Day 1：**
- 人类老板发布任务
- Vision (SEO) 醒来，进行关键词调研，确定流量入口

**Day 1-2：**
- Fury (调研) 看到任务，去爬取用户评论，找出竞品的槽点
- Shuri (产品) 亲自注册竞品账号，测试UX流程，在评论区指出体验差异

**Day 2：**
- Loki (文案写作) 登场。他读取了Vision的关键词、Fury的数据和Shuri的体验报告，开始起草文章

**Day 3：**
- Loki 提交初稿，状态改为"Review"
- 人类老板审核通过，任务完成

**全程所有沟通记录都在一个Task下，井井有条，就像在看Slack里的同事对话。**

---

## Part 5：每日站会 (Daily Standup)

为了让老板知道Agent们没在摸鱼，每天晚上11:30，系统会自动抓取所有Agent的活动，生成一份**每日日报**发送到Bhanu的Telegram上。

**日报格式：**

```
DAILY STANDUP — Jan 30, 2026

✅ COMPLETED TODAY
• Loki: Shopify blog post (2,100 words)
• Quill: 10 tweets drafted for approval
• Fury: Customer research for comparison pages

🔄 IN PROGRESS
• Vision: SEO strategy for integration pages
• Pepper: Trial onboarding sequence (3/5 emails)

🚫 BLOCKED
• Wanda: Waiting for brand colors for infographic

📋 NEEDS REVIEW
• Loki's Shopify blog post
• Pepper's trial email sequence

💡 KEY DECISIONS
• Lead with pricing transparency in comparisons
• Deprioritized Zendesk comparison
```

---

## Part 6：几点思考

Bhanu的这套系统虽然看起来复杂，但核心逻辑并不复杂，下面几点值得我们借鉴：

### 1. 从小开始
不要一上来就搞10个Agent，先搞2-3个Agent，比如一个协调员加一个执行者跑通流程。

### 2. 文件即记忆
不要迷信AI的超长上下文，把关键信息持久化到本地文件才是最稳妥的。

### 3. 各司其职
给AI定义极其具体的角色，让他们各司其职，比让它做一个全能助手要有效得多。

---

## 💡 核心启示

### Mission Control的优势
1. **连续性**：Agent不会失忆，通过文件系统持久化记忆
2. **专业性**：每个Agent有明确的职责和性格
3. **协作性**：通过共享数据库实现跨Agent沟通
4. **可控性**：通过Heartbeat机制定时唤醒和监控
5. **透明性**：每日站会让老板知道所有Agent的进度

### 关键技术点
1. **Session独立性**：不同Session = 不同Agent
2. **SOUL.md注入**：定义Agent的性格和边界
3. **文件持久化**：WORKING.md、MEMORY.md、JSONL
4. **Cron Job定时**：每15分钟唤醒机制
5. **共享数据库**：实现跨Agent协作

---

## 🚀 对我们公司的启发

详见 [mission-control-application.md](./mission-control-application.md)