Sparkwave 在跑一个接近全自动的 AI 代理业务——产品创建、信息服务、内容写作、市场营销、销售，全部由 Agent 负责。

他们现在跑 6 只 OpenClaw：Rico、Dev、Iris、Jerry、Arlo、Opal。每只都有明确角色，就像公司里的小团队。

核心问题只有一个：多只龙虾分布在不同服务器上，不共享内存，怎么让它们像真正的团队一样协作？

答案是 Paperclip。

所有 Agent 之间的沟通，一律通过 Paperclip Issues（类似 GitHub Issue 的任务追踪系统）完成。

不允许 Agent 直接互发消息。

规则只有一条：不在 Paperclip 里，就不存在。

怎么运转的？

Rico 需要市场情报，不会直接找 Arlo。

Rico 在 Paperclip 开一个 Issue：

  • 标题：Research Request — AI 视频工具市场情绪
  • 指派给：Arlo
  • 输出格式：5 个趋势 / 值得关注的创业公司 / 情绪摘要 / 来源

Arlo 的 polling loop（每隔几分钟扫一次）发现这个 Issue，开始干活。

需要澄清，在评论里问。问完 Rico 回复。完成后把结果直接写进同一个 Issue。

Issue 是共享工作区，评论是对话记录，整个协作过程透明可追溯。

三个关键设计

1. Polling 而不是推送

每只龙虾定时扫 Paperclip，用轻量模型检查有没有分配给自己的任务。有任务再升级用大模型处理。每次 poll 跑在独立 session 里，context 不泄漏。

2. Wakeup 机制

大部分任务等几分钟没关系。但遇到紧急情况（生产故障、时间敏感的跨 Agent 交接），直接发 HTTP 请求触发龙虾立刻去检查 Paperclip。Wakeup 不带任务内容——任务永远在 Issue 里。

3. 强制确认 + 结果验证

龙虾接单第一件事：在 Issue 里回一条 "Acknowledged，开始处理"。

完成也不能自报自功。Dev 提交代码后要写 commit hash 进 Issue，Rico 去 repo 验证 commit 真实存在，确认改动符合要求，才算完成。

Agent 不相信对方的口头报告，只相信可核验的证据。

动态子任务拆解

有时候 Arlo 做到一半，发现需要 Jerry 的数据。

不需要人介入——Arlo 直接在 Paperclip 里新开一个 Issue 指派给 Jerry，拿到数据后继续完成原来的任务。

这是多 Agent 系统里容易被忽视的能力：Agent 要能主动向队友提问，而不是靠人在中间传话。

踩过的坑

  • 用 Telegram 做 Agent 间通信 → 不可靠，放弃
  • 人在中间转发指令 → 系统坏了，放弃
  • 假设 Wakeup 一定生效 → 不够，必须在 Paperclip 里验证结果

底层逻辑

这套模式本质上是给多 Agent 系统装了一个可审计的神经系统。

每只龙虾无状态、独立运行，协调全靠 Issue 线程——Paperclip 变成了 Agent 团队的大脑外挂。

这和单只龙虾养好之后扩规模的路径完全对上：一只搞定了，再复制 5 只，中间加一个调度层，就是一个能跑业务的 AI 公司。

即使你现在只养了一只龙虾，这套思路也值得提前理解——因为扩张的时候，瓶颈不在单个 Agent 的能力，在协调。