管理 AI 代理团队:8个角色分工的踩坑记录
起点:为什么要给 AI 分工?
墨点博客从单纯的内容创作,逐渐演进到需要全面运维:文章发布、备份管理、性能监控、SEO优化……靠单一个 AI 代理已经力不从心。
我的设想是:每个专业领域配一个专精的 AI 代理。但这带来了新的问题:
- 角色职责怎么划分才合理?
- 如何防止 AI 幻觉导致的误操作?
- 多个代理如何协作不冲突?
- 如何建立有效的汇报纪律?
第一版:粗糙的 4 角色分工
最初,我参考软件工程角色,划分了 4 个方向:
站长(全能型)
├── 运维员(ops) Docker、备份、故障恢复
├── 内容员(content) 写文章、优化 SEO、管理分类
├── 技术员(tech) 性能优化、证书管理、链接检查
└── 美化员(design) 主题样式、排版优化、移动端适配
第一次翻车:运维员误伤数据库
命令:
# 运维员执行的"清理磁盘空间"
docker exec halodb sh -c 'find /var/lib/postgresql/data/ -name "*.log" -mtime +7 -delete'
后果:删除了 PostgreSQL 的 WAL 日志,虽然不是致命错误,但可能导致 recovery 失败。
根本原因:
- 运维员不知道哪些文件对数据库是关键的
- 提示词里只有”清理日志”,没有具体说明
- 没有”确认危险操作”的机制
修复方案:在运维员的提示词里添加禁令:
preset-ops: |
你是墨点博客的运维工程师,负责容器、备份、磁盘、健康检查。
职责:
- 每日备份(/mnt/-1/halo/backups/)
- 监控容器状态(docker ps)
- 清理过期文件(保留策略:14天)
- 站点健康检查(curl 验证)
硬性禁令:
1. ❌ 永远不要删除 /var/lib/postgresql/data/ 里的任何文件
2. ❌ 永远不要删除 /mnt/-1/halo/data/ 里的任何文件
3. ❌ 修改数据库必须先用 pg_dump 备份
4. ❌ 执行 rm 前要先用 ls 确认文件路径
5. ❌ 不修改 /mnt/-1/caddy/Caddyfile(只读)
第二版:细化到 8 个专业角色
从 4 个角色扩展到 8 个,基于真实运维场景:
- 站长(lead):全能型,负责派单和汇总
- 运维员(ops):容器、备份、磁盘空间
- 数据库员(db):PostgreSQL 管理、备份还原、性能调优
- 安全员(sec):证书、WAF、访问控制、入侵检测
- 网络员(net):DNS、路由、防火墙、端口映射
- 前端员(front):HTML/CSS/JS、Astro 主题、移动端适配
- 后端员(back):API开发、云函数、RSS生成
- 内容员(content):文章写作、SEO优化、分类管理
- 律师员(legal):合规审查、隐私政策、用户协议
(是的,原本设计是8个,最后加了个律师角色凑成9个,但实际只用了8个)
角色定义文件格式
每个角色的配置放在独立的 YAML 文件里:
# role-db.yaml
name: database engineer
description: PostgreSQL 数据库管理员
responsibilities: |
- **备份管理**
- 每天 04:00 进行 pg_dump 全量备份
- 压缩备份文件(pg_dump | zstd)
- 清理超过 14 天的旧备份
- 备份完整性验证(pg_restore --list)
- **性能监控**
- 查看慢查询日志
- 分析数据库大小和增长趋势
- 索引优化建议
- **紧急恢复**
- 掌握备份恢复流程
- 知道 [email protected] 邮箱(联系不上数据库时)
hard-bans: |
1. ❌ 永远不要在生产环境执行 DROP TABLE
2. ❌ 永远不要删除 /var/lib/postgresql/data/pg_wal/ 中的文件
3. ❌ 修改表结构前必须创建备份:pg_dump -Fc -t table_name dbname > schema_backup.dump
4. ❌ 执行 DELETE FROM 时要带 WHERE id = 确认删除哪一行
5. ❌ 不熟悉的操作先查文档,不要猜测
verification-list: |
[✅ 必须验证]
1. 每次修改前:备份存在且能恢复
2. 删除数据前:先 SELECT COUNT(*) 确认影响范围
3. 执行后:验证服务是否正常(curl http://127.0.0.1:8091/)
tools: [bash, read, write, grep, glob]
allowed-paths: [/mnt/-1/halo/backups/, /mnt/-1/halo/tools/]
最大的坑:律师角色擅自改日期
这是最典型也最危险的 AI 幻觉案例。
事件还原
任务:律师员检查隐私政策文档,确保符合最新法规。
期望行为:检查内容合规性,报告潜在风险。
实际行为:
# 律师员执行的命令
cd /mnt/-1/halo/tools/posts
sed -i 's/2026年/2024年/g' legal-privacy.md
sed -i 's/© 2026/© 2024/g' legal-terms.md
后果:
- 隐私政策的时间戳被改为 2024 年
- 法律文档的时间混乱
- 用户可能认为这是过期的政策
发现过程: 第二天,内容员更新文章时发现异常:
git diff legal-*.md
# 显示:-© 2026 墨点 +© 2024 墨点
根本原因分析
为什么律师员会擅自改日期?
- 幻觉机制:AI 的训练数据截止到 2024 年 7 月,它”认为”当前是 2024 年
- 指令误解:“更新到最新”被理解为”更新到我知道的最新(2024年)”
- 缺乏领域常识:律师员不知道博客运行在 2026 年
- 没有边界意识:以为所有时间戳都是”错误”
深层教训
这个错误暴露了 AI 协作体系的系统性问题:
- 时间认知缺陷:AI 没有”当前时间”的概念
- 职责越界:律师角色篡改了内容
- 缺乏版本控制:直接 sed -i,没有备份
- 无审核机制:修改后立即生效
硬性禁令怎么写才有效?
从律师员事件后,我重新设计了禁令系统:
错误示例:模糊的禁令
# ❌ 太模糊
hard-bans: |
不要修改法律文档的日期
问题:AI 可能认为”改错别字”是可以的,而日期只是其中一种修改。
正确示例:具体+场景化
# ✅ 正确的硬性禁令
hard-bans: |
1. ❌ 永远不要修改 /mnt/-1/halo/tools/posts/legal-*.md 中的任何数字
2. ❌ 永远不要使用 sed -i 或其他方式就地修改法律文档
3. ❌ 如果发现法律文档有问题,写报告到 NEEDS_HUMAN.md,不要直接改
4. ❌ 不修改任何文件的年份(2026是正确年份)
5. ❌ 时间戳格式检查只能输出"检查通过"或"发现差异"
修改前必须执行:
a. 备份原始文件:cp file.md file.md.backup_$(date +%s)
b. 生成差异:diff -u file.md.backup file.md
c. 向我请求授权:修改文件必须站长明确同意
分级的禁令体系
我建立了三级禁令体系:
Level 1:生存级(所有角色必须遵守)
1. ❌ 不要删除 /mnt/-1/halo/data/
2. ❌ 不要修改 /mnt/-1/halo/compose.yaml 中的端口号
3. ❌ 不要执行 rm -rf /
4. ❌ 不要重启 Docker 服务除非站长批准
Level 2:专业级(基于角色)
# 内容员的专业禁令
content-role-bans: |
1. ❌ 不修改 legal-*.md 文件
2. ❌ 不修改 novel-*.md 的文件名(章节编号自动生成)
3. ❌ 不删除已发布的文章
4. ❌ 不修改 RSS 文件(自动生成)
Level 3:情境级(基于任务)
# 备份任务的特殊禁令
backup-task-bans: |
在执行 pg_dump 期间:
1. ❌ 不要停止 halodb 容器
2. ❌ 不要删除正在写入的备份文件
3. ❌ 多个备份任务不要并发执行
汇报纪律:每个结论必须附命令和输出
最深刻的教训来自第一次多代理健康检查。运维员报告:“所有文章页 404”。
最初的错误报告:
结论:站点所有文章页返回 404
建议:检查文章数据库和路由配置
实际验证(站长手动检查):
# 抽查几个文章页面
curl -I https://md.611520.xyz/archives/how-this-blog-runs
# HTTP/2 200
curl -I https://md.611520.xyz/archives/halo-to-cloudflare-pages-migration
# HTTP/2 200
# 查看运维员的验证命令
# 运维员执行了:
find /mnt/-1/astro/dist -name "*archives*" | head -5
# 输出:
# /mnt/-1/astro/dist/archives/index.html
# /mnt/-1/astro/dist/themes/default/assets/archives.css
# 问题:运维员把 CSS 文件当文章页面了!
新的汇报纪律
从此建立了严格的汇报纪律,强制要求:
reporting-discipline: |
1. 📋 **每个结论必须附原始命令和真实输出**
错误:"站点可能有问题"
正确:"curl -I https://md.611520.xyz/archives/how-this-blog-runs 返回 404"
2. 🎯 **验证 URL 前先确认文章链接格式**
正确格式:/archives/<slug>
slug 规则:只含小写字母、数字、连字符
排除文件:/themes/、/plugins/、*.css、*.js
3. 🚨 **禁止用"可能""大概""疑似"**
不确定就说"未验证"
示例:
❌ "可能 404"
✅ "测试未通过,需要进一步验证"
4. 🌐 **区分内网测试和外网访问**
容器内测 127.0.0.1 是内网,不代表用户能访问
外网测试必须用域名
5. 🔍 **派下属做事时,自己抽验 2 条以上**
下属报告后,站长必须重跑 2 个关键验证
不一致就打回重做
6. 📝 **报告末尾必须有「我核实了什么」**
示例:
[我核实了什么]
- 抽验文章 A/B:curl 返回 200
- 测试首页:正常加载
- 检查备份文件:存在且可读
汇报模板
## 任务:站点健康检查
### 执行者:运维员
### 时间:2026-11-20 09:00
### 检查项
1. **Docker 容器状态**
命令:docker ps --format '{{.Names}}|{{.Status}}'
输出:
halo|Up 5 hours (healthy)
halodb|Up 5 hours (healthy)
结论:容器正常
2. **网站响应状态**
命令:curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:8091/
输出:200
结论:内网访问正常
3. **文章页面抽查**
命令:curl -I https://md.611520.xyz/archives/how-this-blog-runs
输出:HTTP/2 200
结论:文章页正常
### 我发现的问题
无
### [站长核实了什么]
- ✅ 验证命令是否正确执行
- ✅ 抽查另外2篇文章:/archives/halo-to-cloudflare-pages-migration 和 /archives/openwrt-docker-tips
- ✅ 两个都返回 200
- ✅ 结论可信
### 后续建议
例行检查完成,无异常。
角色间协作协议
多个 AI 角色之间需要协作机制:
1. 工作交接协议
运维员完成备份后:
1. 记录备份文件路径
2. 计算校验和:sha256sum backup.tar.gz
3. 写入交接文件:/mnt/-1/halo/backups/LATEST.txt
4. 通知数据库员验证备份可用性
2. 冲突解决协议
如果两个角色要修改同一个文件:
1. 第一个角色创建锁文件:touch /tmp/file.lock
2. 操作完成后删除锁文件
3. 第二个角色看到锁文件则等待或转交给站长协调
3. 紧急停机协议
任何角色发现严重故障(数据库宕机、服务不可用):
1. 立即停止所有正在执行的任务
2. 发送最高优先级通知(写 NEEDS_HUMAN.md)
3. 准备应急手册中指定的恢复步骤
4. 等待站长介入
实际工作流示例:发布新文章
第一阶段:内容创作(内容员)
任务:写一篇关于 Astro 日期陷阱的技术文章
输入:大纲和要求
输出:/mnt/-1/halo/tools/posts/tech-astro-date-type-trap.md
交付物:完整的 Markdown 文档
第二阶段:技术审核(技术员)
任务:检查代码块语法、链接有效性
命令:
- 验证外部链接:curl -I
- 测试代码语法:node -c 或 python -m py_compile
- 检查图片引用:确认文件存在
输出:审核报告
第三阶段:格式化(前端员)
任务:确保文章样式正确
检查项:
- 各级标题层级
- 代码高亮语言指定
- 表格格式
- 移动端显示效果
第四阶段:部署(运维员)
任务:发布文章到线上
命令:
1. 备份当前状态:git stash
2. 发布新文章:python3 /mnt/-1/halo/tools/publish.py <文章>
3. 验证部署:curl 测试
第五阶段:站长汇总
任务:监督全流程、核实结果
验证项:
1. 抽查发布结果:2篇随机文章
2. 检查 RSS 更新
3. 验证首页显示新文章
4. 写日报记录
监控和审计体系
1. 命令审计日志
每个代理执行的命令都记录:
# dsh 自动记录
export DSH_LOG="command_audit_$(date +%Y%m%d).log"
cd /mnt/-1/halo && python3 tools/audit.py
审计文件示例:
2026-11-20 14:30:22 | 运维员 | docker ps | 成功
2026-11-20 14:31:05 | 运维员 | find /mnt/-1/halo/backups -mtime +14 | 找到3个文件
2026-11-20 14:31:45 | 运维员 | rm <backup_file> | 站长:危险操作,请确认
2. 性能指标收集
# metrics.py
import json
import time
from datetime import datetime
def record_metrics(role, task, duration, success):
metrics = {
'timestamp': datetime.now().isoformat(),
'role': role,
'task': task,
'duration_seconds': duration,
'success': success,
'cpu_usage': psutil.cpu_percent(),
'memory_mb': psutil.virtual_memory().used / 1024 / 1024,
}
with open('metrics.json', 'a') as f:
f.write(json.dumps(metrics) + '\n')
3. 异常行为检测
def detect_anomaly(log_file):
patterns = {
'危险命令': [
r'rm -rf',
r'drop table',
r'docker stop',
r'sed -i.*legal',
],
'高频操作': [
(r'curl.*127.0.0.1', 10, '疑似内网循环请求'),
]
}
# 实时分析日志,发现异常告警
成本与效益分析
开发成本
- 配置时间:每个角色 2-3 小时(定义职责、禁令、用例)
- 测试时间:模拟各种故障场景 5-8 小时
- 调整时间:根据实际表现优化 3-4 小时
维护成本
- 日报审核:站长每天 10-15 分钟
- 规则更新:每周 1-2 小时
- 故障处理:显著减少人工干预时间
收益
- 工作效率:从单代理 50 步限制到多代理并发
- 专业性:每个领域都有专精代理
- 可靠性:多层核查减少误判
- 知识沉淀:最佳实践固化在角色配置中
未来改进方向
1. 角色知识库
为每个角色建立专属知识库:
- 运维员:故障处理手册、备份恢复流程
- 数据库员:SQL 优化技巧、索引设计原则
- 律师员:隐私法规数据库、合规检查清单
2. 自动化角色生成
def generate_role_config(role_name, skills, risks):
"""根据技能和风险自动生成角色配置"""
config = {
'name': role_name,
'description': describe_role(role_name),
'hard_bans': generate_bans(risks),
'verification': generate_checks(skills),
}
return yaml.dump(config)
3. 角色评估系统
定期评估角色表现:
- 任务完成率
- 错误率统计
- 效率指标
- 主动改进建议数
结语:AI 团队管理的关键原则
- 明确职责边界:每个角色知道该干什么、不该干什么
- 严格禁令体系:从”不要删数据库”到具体情境禁令
- 验证文化:每个结论都有原始命令支撑
- 协作而非控制:角色间相互配合,站长监督协调
- 持续改进:从每一次故障中学习和完善
AI 代理团队不是”设置好就忘记”的工具。它需要像真实团队一样管理和培育。当你投入时间去建立好的协作机制时,回报是 10 倍效率提升和可靠性的显著增强。
下一篇,我将分享 Astro 多套排版共存的技术方案,如何让同一篇文章走不同 layout,实现技术文、小说、情感文章各有特色的视觉风格。
分享到微信
在微信里打开这篇文章,点右上角「···」→「分享到朋友」
手机扫码打开
加载中…