8.2
深览指数
科技人人都是产品经理·数字生命卡兹克··AI 生成
折腾了整整1年，毫无保留地分享一下我这套Agent自动化系统。
前设计师用一年时间搭出个人Agent自动化系统：事件触发中台统一调度Claude、GPT等模型，本地Mac集群执行，自建CI流水线五步上线，飞书卡片只推必须拍板的决策。核心判断是人的注意力是Agent系统的瓶颈，要用领导力思维把任务起点从人身上拿掉。适合对AI工作流、多Agent调度和独立开发自动化感兴趣的读者。原文 ↗
核心观点
- ▍Agent系统的核心瓶颈不是模型能力而是人的注意力，必须把任务触发权从人手里拿走，人只做最关键的决策，这本质上是一种领导力。
- ▍自建Agent自动化中台统一接收所有事件、按rules.json规则调度不同Agent和模型、统一出口到飞书，是避免系统随规模增长而失控的关键架构。
- 01作者用两台Mac Mini（M5 Pro日常、M4跑Agent任务）在局域网内运行，因代码仓库、发布权限、飞书身份和已登录Chrome都在本地，上云复制权限既麻烦又不安全，且国内服务跨境访问慢、微信等浏览器任务在云虚拟机易崩。
- 02自建CI中台替代GitHub Actions，因GitHub免费额度仅3000分钟/月，AIHOT单项目10月合并近千个PR，超额费用每月超50美元；自建后Agent提交到上线中位数两三分钟。
- 03代码审查用Codex（GPT-6.1 Sol）只读审查Claude写的代码，参考Anthropic《How the Claude Code team does code review》最多审3次；近两周四个项目审298个PR，报333条问题，306条合并前修掉，最严重档51条。
- 04作者设定了必须推送到本人的决策类别：删数据、停服、花钱、对外发消息、改产品方向、新建或轮换密钥、修改权限等，其余Agent全权处理；并维护「卡兹克定的事」和「定了不做的事」两份文件避免重复询问。
- 05用户反馈是唯一完全不交给Agent的环节，作者亲自阅读并复制粘贴给Agent执行，再亲自回信。
- 06作者一年前是完全不懂开发的设计师，一年后做出百万月活公益产品、开源获9000 star，并给公司做了AI化中台改造。
反方 / 局限
- — 作者承认自建CI跑在ARM Mac上是模拟环境，并建议有Linux机器会更好，说明这套方案在性能和可移植性上有妥协。
- — 整套系统依赖作者个人的200美元Claude会员加100美元GPT会员，且猛用3天就能消耗近90%额度，成本与可持续性未充分讨论。
- — 作者自称非专业用户，系统高度个人化（本地Mac、飞书、特定模型组合），对普通读者的可复制性未做验证，作者也承认「我肯定没有那么专业」。
数字生命卡兹克AIHOTClaude Opus 5.5GPT-6.1 SolGPT-6.1 TerraCodex飞书DeepSeek Super-agent设计探索Anthropic How the Claude Code team does code reviewGitHub ActionsMac Mini M4rules.json票拟批红朱元璋废丞相
23 分钟 · 3 卡片 · 5 资料
读原文 →