个人Agent自动化中台

AIHOT 作者近一年的个人 Agent 自动化系统完整复盘（#833，2026-11）。立论引自 DeepSeek《Super-agent 设计探索》开篇：“单任务的上限取决于模型能力，多任务的上限取决于人的注意力”——人的注意力是 Agent 系统里最宝贵也最瓶颈的资产。

历史隐喻：朱元璋废丞相后八天批 1660 件奏札、日均 400+ 事，“朕一人处此多务，岂能一一周遍”——每个人都成了自己的皇帝，递奏折的是 Agent。解法同明朝票拟批红：内阁先写票拟（Agent 给决策卡片），皇帝只批红（人只点确认）。

核心原则：把任务的起点从人身上拿掉

聊天式用 Agent 的弊端：所有事情的起点都是你——不打开窗口什么都不会发生，同时能推进的事永远只有盯得过来的 3~5 个窗口。领导力思维：用信号触发 Agent 工作，而不是等人下命令；好团队从不事事汇报，只把需要拍板的推到你面前。

所有事件（定时轮询/Webhook 推送：飞书消息、邮件、告警、GitHub……）先发到一个独立小服务（线上轻量服务器+自有数据库），由它统一决定交给哪个 Agent：

统一事件格式：不管来源，消息只有几样——从哪来/什么类型/对象/一句话摘要/回链（如 feedback.new #12）；
rules.json 规则路由：when(source, types) → to(agent), cwd, skill, ask(一句指令), parallel(3), tell(needed)——接新事件=加一条规则；换模型=改一行；
Mac 接单程序：Webhook 推得进中台、推不进内网 Mac——反过来做，每台 Mac 挂一个长轮询接单程序（一次最长等 50 秒），内网不暴露公网，速度近实时；
中台五大价值：①新事件零脚本接入；②模型随意替换；③去重（网络抖动重发/同事连发数条 → 同一件事只跑一个 Agent，parallel:3 上限）；④唯一出口——所有 Agent 找人只走飞书 AI 助理”小卡”一个通道，不刷屏；⑤数据沉淀（每件事留底：来源/去向/结论/会话直跳，攒久了就是优化依据）；外加可视化流水线”游戏小镇”（与现实天气同步——种田游戏式爽感也是生产力）。

分工原则：为整体性价比调度，且”做决策和管理的模型一定得是智力和主动性最强的，不能用笨的指挥聪明的”——Opus 5.5 主力开发+需要主观能动性的决策活；GPT-6.1 Sol 管运维（告警/日报/到期复查，查出 BUG 直接修）；GPT-6.1 Terra 专门浏览器&电脑操控（登录态 Chrome 拿无接口数据）；
不上云的理由（两台 MacMini：M5 Pro 日常+M4 跑自动化，局域网互通）：代码仓库/发布权限/飞书身份/登录态 Chrome 全在本地，上云每家复制一份既麻烦又不安全；国内服务跨境访问慢超时；微信在云虚拟机浏览器里直接崩；Mac 常开功耗极低；
AIHOT 运维实例：每天下午 Codex 汇总微信群/X/小红书/抖音上对 AIHOT 的讨论反馈成报告；每周操控浏览器去豆包/DeepSeek/千问/元宝/ChatGPT/Gemini 问 GEO 问题做巡检；每晚 6 点 Claude 扫 GitHub 处理 issue 与 PR；
Skill=SOP 解耦：每个自动化任务配专属 Skill，改任务详情改 Skill、不改执行逻辑；周日”大扫除”Skill 专删本周屎山（同一件事写两遍的/为个案打的补丁/停用未拆干净的/流水账文档）。

量太大（AIHOT 单项目 10 月近千 MR、日均二三十个，GitHub Actions 3000 分钟扛不住、超额 $50+/月）→ 在 M4 MacMini 自建 CI 中台供所有项目复用。Agent 的活止于提交代码开 MR，自己不能上线，后面五步全归 CI：

Agent 审查：Claude 写的代码，每个 MR 合并前必过 Codex（Sol）审查——最多审 3 次（学 Anthropic《How the Claude Code team does code review》，防无限挑错磨 10 轮）；规矩：Codex 只读、不能改、连不了网、读不到任何钥匙；只报真会出错的问题不报代码风格（否则”可以写得更好”能挑几十条改到天荒地老）。数据：两周 4 项目 298 个 MR，报 333 条问题、306 条合并前修掉（最严重档 51 条）；单次审查中位 2 分钟、占该任务 5%~15% token；
检查：类型检查+全部测试+构建+硬规矩（数据库只能加不能改），跑在 M4 上，每个任务全新虚拟机、跑完连机器带身份一起删——Agent 代码从不在本机直接跑；
合并：审查+检查写死为 GitHub 硬规则，没过的任何 Agent/工具都合不进主干；
发布：合并后 GitHub 自动触发，M4 单开发布专用虚拟机执行；
核实：等发布流程跑完，交付程序再去线上问一遍当前运行版本是否真包含本次改动，确认后写回 GitHub，本轮才算结束。

中位数两三分钟从提交到上线，几乎无 BUG 返工。

Harness工程与AGENTS-md实践管单 Agent 的约束（AGENTS.md/Spec/Hooks），本页管多 Agent 的编排与人的注意力分配——两层正交互补；HelixHarness（#832）是同构思想的企业版；
GitHub-Actions定时自动化模式是定时事件的最小实现，本页的”中台+rules.json”是其规模化形态；
“定的事/不做的事”两份文件 = AGENTS.md 只追加精神的决策资产化；Skill 解耦见 AI技能Skill设计与迭代；
模型分工”最强的做管理”对照 Jev与SystemOne模型 Dual-Model 架构（判断与生成分离）与 #795 双速 Agent。

待核实

全部数据（298 MR/333 问题/日均二三十 MR/成本占比）为作者自述，无独立信源；

DeepSeek《Super-agent 设计探索》原文未读，引句转引自本文。