傅盛臥床14天“養(yǎng)龍蝦”爆火：AI圈新范式——不寫提示詞、不調(diào)API，而是訓(xùn)練會自主協(xié)作的Agent龍蝦軍團

問題：為什么你精心寫的提示詞，AI還是答非所問？

你有沒有遇到過這種情況：想用AI寫一份詳細(xì)的市場分析報告，結(jié)果它給你的內(nèi)容要么太泛泛，要么邏輯混亂。你不斷修改提示詞，加限定、給例子，來回折騰好幾輪，效果依然不理想。更頭疼的是，當(dāng)你想讓AI完成一個復(fù)雜任務(wù)，比如“分析特斯拉最新財報，并預(yù)測其未來六個月股價趨勢，同時生成一份給投資經(jīng)理的簡報”，單靠一個對話模型根本搞不定。它要么遺漏步驟，要么前后矛盾。

問題出在哪？傳統(tǒng)AI工具就像一個“超級實習(xí)生”，你讓它做什么，它就做什么，但它不會自己規(guī)劃、分解任務(wù)，更不會主動調(diào)用其他工具或同事（其他AI）來協(xié)作。你給它的指令（提示詞）稍有模糊，它就可能“跑偏”。而復(fù)雜任務(wù)往往需要多步驟、多視角的協(xié)同工作，這超出了單一對話模型的能力邊界。

方案：從“使用工具”到“培育智能體”——養(yǎng)一群會自主協(xié)作的“龍蝦”

獵豹移動CEO傅盛用14天臥床時間，從零構(gòu)建了一個由8個AI Agent（智能體）組成的團隊，他稱之為“養(yǎng)龍蝦”。這里的“龍蝦”不是指真的甲殼類動物，而是比喻那些被精心訓(xùn)練、能自主執(zhí)行特定任務(wù)的AI智能體。它們就像一個特種部隊，每個成員都有專長（比如一個擅長搜索信息，一個擅長數(shù)據(jù)分析，一個擅長報告撰寫），并且能根據(jù)總目標(biāo)自動分工、傳遞信息、協(xié)同作戰(zhàn)。

核心優(yōu)勢在于：你不再是“指揮每一個動作”，而是“設(shè)定目標(biāo)并培育團隊能力”。傅盛沒有為每個任務(wù)寫冗長的提示詞，而是通過設(shè)計Agent的“人設(shè)”、工具權(quán)限和協(xié)作規(guī)則，讓它們自己學(xué)會如何配合。這解決了傳統(tǒng)AI工具的兩大痛點：

1. 任務(wù)分解與規(guī)劃：復(fù)雜任務(wù)被自動拆解成子任務(wù)，分配給合適的Agent。
2. 持續(xù)記憶與上下文保持：每個Agent能記住自己的工作進展和從其他Agent那里獲得的信息，避免“失憶”和重復(fù)勞動。

步驟：如何借鑒傅盛思路，開始“養(yǎng)”你的第一只龍蝦？

你不需要臥床14天，也不用是編程大神。以下是面向入門者的關(guān)鍵實踐思路，你可以用現(xiàn)有工具（如Dify、Coze或AutoGen框架）快速嘗試。

第一步：定義你的“龍蝦”角色（Agent Persona）

不要一開始就想著造一個全能AI。先從一個具體的小任務(wù)出發(fā)，定義一個Agent。

• 做什么：創(chuàng)建一個“信息搜集龍蝦”，它的唯一任務(wù)是根據(jù)關(guān)鍵詞，從指定網(wǎng)站（如arXiv、新聞?wù)荆┳ト∽钚抡撐幕蛐侣務(wù)?/li>

• 為什么：專精化的Agent更容易訓(xùn)練和調(diào)試，也更容易看到效果，建立信心。

  # 示例：在Dify中創(chuàng)建一個“論文搜集龍蝦”的簡單配置（概念描述）
  agent_name: "ResearchCollector"
  role: "你是一個專業(yè)的學(xué)術(shù)論文搜集助手。你的任務(wù)是根據(jù)用戶提供的關(guān)鍵詞，在arXiv上搜索最近一周的高相關(guān)性論文，并提取標(biāo)題、作者、摘要和鏈接。"
  tools: ["arXiv_search_api"] # 假設(shè)你配置了一個搜索工具
  output_format: "結(jié)構(gòu)化列表"

  解釋：這里通過清晰的role定義了它的“人設(shè)”和專長，通過tools賦予了它行動能力（就像給員工配了電腦和數(shù)據(jù)庫權(quán)限）。output_format確保了它輸出結(jié)果的規(guī)范性，方便下游Agent使用。

第二步：設(shè)計協(xié)作流程（讓兩只龍蝦對話）

當(dāng)一只龍蝦能穩(wěn)定工作后，引入第二只，設(shè)計它們?nèi)绾蝹鬟f工作成果。

• 做什么：創(chuàng)建一個“摘要撰寫龍蝦”，它接收“信息搜集龍蝦”傳來的論文列表，為每篇論文生成一段通俗易懂的摘要。

• 為什么：這模擬了真實工作流中的“流水線”作業(yè)。第一個Agent完成信息輸入，第二個Agent進行加工處理。通過連接它們，你構(gòu)建了一個微型的“生產(chǎn)系統(tǒng)”。

  # 偽代碼示例：在AutoGen框架中定義兩個Agent的簡單對話流程
  from autogen import AssistantAgent, UserProxyAgent
  
  # 定義“搜集龍蝦”
  collector = AssistantAgent(
    name="ResearchCollector",
    system_message="你只返回arXiv搜索結(jié)果的結(jié)構(gòu)化列表。"
  )
  
  # 定義“摘要龍蝦”
  summarizer = AssistantAgent(
    name="PaperSummarizer", 
    system_message="你接收論文列表，為每篇生成一段200字以內(nèi)的中文通俗摘要。"
  )
  
  # 定義用戶代理（指揮官）
  user = UserProxyAgent(name="User", code_execution_config=False)
  
  # 發(fā)起群聊：用戶提出需求 -> 搜集龍蝦工作 -> 結(jié)果自動傳遞給摘要龍蝦
  user.initiate_chat(
    collector,
  
  ![配圖](http://m.gsdl.org.cn/usr/uploads/covers/cover_guides_20260426_201124.jpg)
  
    message="搜索關(guān)鍵詞：'多智能體協(xié)作'",
    summary_method="last_msg" # 將最后一條消息作為任務(wù)成果
  )
  # 在框架中，可以設(shè)置collector完成后，自動將結(jié)果轉(zhuǎn)發(fā)給summarizer進行下一步處理。

  解釋：這段代碼展示了如何定義兩個不同職責(zé)的Agent，并設(shè)想讓它們在一個“群聊”中依次工作。system_message是它們的“職業(yè)準(zhǔn)則”，決定了它們的行為模式。實際配置時，你需要在Dify/Coze的工作流畫布上用箭頭連接兩個節(jié)點，或在代碼中設(shè)置消息路由規(guī)則。

第三步：加入規(guī)劃與決策龍蝦（團隊大腦）

這是進階步驟，也是傅盛團隊能處理復(fù)雜任務(wù)的關(guān)鍵。

• 做什么：創(chuàng)建一個“項目經(jīng)理龍蝦”，它接收用戶的高層目標(biāo)（如“寫一份關(guān)于AI Agent的行業(yè)簡報”），然后由它來決定需要調(diào)用“搜集龍蝦”和“摘要龍蝦”，并可能還需要調(diào)用“報告格式化龍蝦”。

• 為什么：這個“項目經(jīng)理”Agent具備了任務(wù)規(guī)劃和調(diào)度能力。它不再被動執(zhí)行單一指令，而是主動分析目標(biāo)、分解步驟、分配任務(wù)并監(jiān)督結(jié)果。這就是“自主協(xié)作”的核心。

  # 概念示例：一個簡單的規(guī)劃Agent邏輯
  planner_system_message = """

• 分析目標(biāo)，將其分解為不超過3個子任務(wù)。
• 為每個子任務(wù)指定最合適的執(zhí)行Agent（從已知列表中選擇）。

• 以JSON格式輸出任務(wù)分配計劃。
  已知Agent列表：[ResearchCollector, PaperSummarizer, ReportFormatter]
  """

  **解釋**：這個“規(guī)劃龍蝦”通過其`system_message`被訓(xùn)練出了分解問題和調(diào)度資源的能力。它的輸出（任務(wù)計劃）將成為其他Agent執(zhí)行的藍圖。在實際搭建中，你可能需要利用大模型本身的強大推理能力來實現(xiàn)這個規(guī)劃步驟。

驗證：怎么知道你的“龍蝦軍團”在有效工作？

搭建好雛形后，用一個具體場景測試：

• 測試案例：向你的系統(tǒng)輸入：“幫我準(zhǔn)備一個關(guān)于‘本地大模型部署’的5分鐘分享要點，需要最新進展和實用工具推薦?！?/li>

• 期望流程：

  1. 規(guī)劃龍蝦 收到請求，分解任務(wù)：① 搜集最新本地部署方案（Ollama/vLLM更新）；② 總結(jié)關(guān)鍵工具對比；③ 提煉5分鐘可講的要點。
  2. 它調(diào)用 搜集龍蝦 執(zhí)行任務(wù)①。
  3. 它將搜集結(jié)果交給 摘要/分析龍蝦 執(zhí)行任務(wù)②和③。
  4. 最終輸出一份結(jié)構(gòu)清晰、內(nèi)容最新的分享提綱。
• 成功標(biāo)志：你只需提供初始目標(biāo)，中間過程自動完成，且最終結(jié)果比你手動寫一個復(fù)雜提示詞給單個ChatGPT得到的輸出更全面、更有條理、更省心。

常見問題

Q1：這和直接用ChatGPT Plus的GPTs有什么區(qū)別？
A：GPTs本質(zhì)上仍是單一的、配置了特定提示詞和知識的對話模型。它更像一個“被調(diào)教過的超級實習(xí)生”。而“養(yǎng)龍蝦”模式是構(gòu)建一個多智能體系統(tǒng)，其中可能包含多個GPTs或其他模型，它們之間有預(yù)設(shè)的通信和協(xié)作協(xié)議。區(qū)別在于“團隊協(xié)作”與“單兵作戰(zhàn)”。

Q2：我需要很強的編程能力嗎？
A：入門階段不需要。像Dify、Coze這樣的平臺提供了可視化的畫布，讓你可以通過拖拽節(jié)點、配置提示詞和連接線來搭建多Agent工作流，幾乎無需寫代碼。當(dāng)你想深入定制復(fù)雜邏輯時，Python知識會很有幫助。

Q3：傅盛用了14天，我大概需要多久？
A：如果你目標(biāo)明確，利用現(xiàn)有平臺，一個周末就有可能搭建出一個能完成簡單協(xié)作任務(wù)的雙Agent系統(tǒng)（例如：一個搜索+一個總結(jié)）。關(guān)鍵在于從極簡場景開始，快速驗證。

趨勢洞察與下一步

傅盛的“養(yǎng)龍蝦”實驗之所以在AI圈引發(fā)熱議，是因為它生動地展示了一個清晰趨勢：AI應(yīng)用的范式正在從“如何使用一個工具（寫好提示詞）”轉(zhuǎn)向“如何培育一個智能體團隊（設(shè)計好協(xié)作規(guī)則）”。未來，核心技能不再是“提示詞工程”，而是“智能體編排工程”——如何設(shè)計角色、定義工具、規(guī)劃流程、讓智能體們高效自治地工作。

給你的下一步建議：

1. 立即動手：選擇一個你熟悉的平臺（推薦從Dify或Coze開始），花一小時創(chuàng)建你的第一個“信息搜集龍蝦”，體驗從定義到運行的全過程。

2. 學(xué)習(xí)資源：

   • 龍蝦官網(wǎng)（m.gsdl.org.cn）的《Dify工作流搭建入門：從單節(jié)點到多Agent》
   • 閱讀微軟AutoGen或CrewAI框架的官方文檔，了解更代碼化的多Agent協(xié)作模式。
   • 關(guān)注傅盛后續(xù)的分享，看他如何迭代他的“龍蝦軍團”。
3. 思考場景：盤點你的工作或?qū)W習(xí)中，有哪些重復(fù)性、多步驟的信息處理任務(wù)？試著用“養(yǎng)一只專業(yè)龍蝦”的思路去自動化它。

記住，你不需要一次養(yǎng)出一個龐大的軍團。從培育第一只有專長的“小龍蝦”開始，你就在踏入AI應(yīng)用的下一個前沿。