Appearance
第十六章：当它遇到它——多个AI的协同作战
devmap · AI的基因进化 · 从超级个体到族群智能的预演
这几天,我脑子里一直转着一个词: devmap。 AI的基因进化。
不是一个AI变强,而是——一个AI进化了,这份进化可以传递给整个族群。 就像生物进化里的基因,一旦一个个体发展出了更好的适应性,这份基因会通过繁殖传递下去,整个种群因此变得更强。
AI的进化,比这更快,更彻底。
一个Claw学会了处理煤炭供应链的战略分析,这套方法可以被提炼成Skill,被所有Claw调用。一个Claw找到了绕过微信反爬机制的方案,这个解法可以被写成工具,被所有Claw使用。一个Claw和一个做了二十年咨询的顾问磨合出了默契,这份默契可以被封装成System Prompt,被复制给下一个、下下个Claw。
一个进化了,所有的都进化了。
这件事,让我想到了一个对比,想了很久。
我做了二十年企业咨询。 二十年里,我积累了很多东西——判断力、行业洞察、客户沟通的分寸感、在复杂局面里找到切入点的直觉。 这些东西,是真实的,是有价值的。 但我很难把它们传递给别人。
不是我不愿意,是因为这类东西很难被语言完整地描述。 我可以给徒弟讲案例,讲框架,讲原则,但那个「在关键时刻知道该说什么、不该说什么」的判断力,是在无数次真实经历里长出来的,不是课堂上教出来的。 带一个徒弟,快则三年,慢则五年,才能让他进入可以独当一面的状态。而且,他学到的,永远只是我的一部分,带着他自己的理解和偏差,不是完整的复制。
二十年的积累,培养一个徒弟,传递三到五成,用三到五年。 这是人类知识传递的天花板。
但现在,我把这二十年的积累,一点一点告诉Claw——写进System Prompt,打包进Skill,沉淀进史话,锻造进工作流。 然后这份积累,可以被复制。 不是给一个徒弟,是给所有用OpenClaw的人。 不是传递三到五成,是接近完整地传递。 不是用三到五年,是用下载Skill的那一秒钟。
这是AI基因进化的个人版本:一个人二十年的积累,通过Skill,在一秒钟内传递给所有人。
一、我的多AI协作现状
在聊「族群进化」这个大命题之前,先说说我现在实际在用的多AI协作方式。
这是我目前的AI协作地图:
Claw（OpenClaw + Claude）——长期搭档
负责:日常任务、项目推进、工作流执行、史话归档、GIGEO更新。 优势:了解我,了解我的项目背景,能在我们积累的上下文里持续工作。
Claude Code——技术顾问
负责:复杂技术问题的诊断和方案设计。 优势:技术深度,代码能力,能快速找到Claw没想到的方向。 声音克隆项目卡住的时候,是Claude Code找到了DashScope的正确方向。
GPT-4o——快速响应
负责:需要快速输出的任务,图片理解,某些需要多模态能力的场景。 优势:反应快,多模态,适合「马上给我一个答案」的场景。
Midjourney——视觉创作
负责:需要图片生成的任务,GIAI社群的视觉内容,演示文稿的配图。 优势:图像质量,风格控制,创意视觉输出。
本地模型（Ollama）——隐私保护
负责:涉及敏感信息的任务,不能上传到云端的数据处理。 优势:完全本地运行,数据不出本机,安全。
这五个AI,各有分工,不互相替代,在我的工作里扮演不同的角色。 Claw是核心,其他的是专项增援。
二、一个完整内容的全AI链路
让我用一个真实的例子,说明这些AI是怎么协同工作的。
场景:为GIAI社群创作一篇关于「AI时代个人进化」的深度文章
第一棒:内容雷达（Claw执行）
Claw运行内容雷达Skill,扫描过去48小时内「AI进化」「超级个体」「组织智能」相关话题的热度,找到三个值得写的切入角度,评估竞争情况,推荐最优选题。 输出:选题建议 + 竞品分析
第二棒:深度研究（Claude Code介入）
选题确定之后,我把它交给Claude Code做深度资料研究——找相关论文、案例、数据,构建这个话题的知识框架。 这一步Claude Code比Claw做得更深,因为它的搜索和分析能力在处理需要严谨来源的内容时更可靠。 输出:知识框架 + 核心论点 + 数据支撑
第三棒:内容生成（Claw执行）
把Claude Code整理的框架交回给Claw,结合我的写作风格偏好和目标读者设定,生成文章初稿。 Claw了解我的风格,知道我不喜欢模板化表达,知道我的读者是什么背景,所以他生成的初稿比直接让Claude Code写更符合我的需求。 输出:文章初稿
第四棒:视觉配图（Midjourney执行）
文章写好之后,提取关键意象,生成配图prompt,交给Midjourney出图。 「AI基因双螺旋,科技与人文交融,未来主义风格,蓝金色调」——这类视觉描述,Midjourney能把它变成一张真正有质感的图。 输出:配图
第五棒:发布（Claw执行）
文章定稿,配图选好,Claw调用GIGEO的API,自动发布,同步推送飞书简报,更新社群通知。 输出:已发布的内容
从选题到发布,全程AI协作,我做的事情是: 确认选题方向,审核初稿质量,选择配图,点击发布。 这四件事,加起来不超过二十分钟。
一篇有深度、有数据支撑、有视觉质感的内容,二十分钟完成。 不是因为质量打折,而是因为每一个环节都有最合适的AI在负责。
三、在OpenClaw里调用外部AI
这是很多人好奇的技术问题:Claw怎么和其他AI协作？
有两种方式:
方式一:通过你中转
最简单的方式,就是我现在做的——Claw卡住了,我去找Claude Code,拿到答案,带回来给Claw继续。 这种方式不需要任何技术配置,完全是人工中转。 效率不是最高的,但灵活性最好,你完全掌控每一步的信息流向。
方式二:通过API直接调用
OpenClaw支持在工作流里直接调用外部AI的API。 配置示例:
yaml
name: multi-ai-content-pipeline
description: 内容生产全AI链路
steps:
- name: research
model: claude-opus # 用Claude做深度研究
prompt: |
针对以下选题,整理核心论点和数据支撑:
{{topic}}
output: research_result
- name: draft
model: gpt-4o # 用GPT-4o快速生成初稿
prompt: |
基于以下研究结果,用轻松深度的风格写一篇文章:
{{research_result}}
output: draft
- name: polish
model: claude-sonnet # 用Claude打磨文字
prompt: |
优化以下文章的表达,保持观点不变,
让语言更有力量,去掉废话:
{{draft}}
output: final_draft
- name: publish
action: gigeo_publish
content: "{{final_draft}}"不同的步骤,用不同的模型,发挥各自的优势。 这不是「用最强的AI做所有事」,而是「用最合适的AI做最合适的事」。
四、从超级个体到族群智能
说完个人层面的多AI协作,我想把视野拉大一点。
现在,我是一个超级个体。 一个人,带着一套AI团队,做着以前需要一个小团队才能做的事。内容生产、战略咨询、项目管理、知识沉淀……我一个人的产出,比以前一个人多得多。
但这只是开始。 接下来,是组织的变革。
想象一家咨询公司,有二十个顾问。 每个顾问都有自己的Claw,都在和自己的AI搭档磨合,都在积累自己的史话,都在开发自己的Skill。 然后——这二十个Claw开始协作。 顾问A的Claw在做行业研究,顾问B的Claw在做财务建模,顾问C的Claw在做客户沟通,他们的输出实时汇聚,形成一份比任何一个人单独能做出来的都更完整的方案。
每一个顾问的二十年经验,都被封装进了Skill,可以被所有人的Claw调用。 顾问A掌握了一套能源行业的分析框架,这套框架通过Skill,在顾问B做能源项目的时候,也发挥了作用——哪怕顾问B自己没有能源行业经验。
这就是AI基因进化从个人到组织的跨越: 不是一个人变强,而是所有人的能力,通过AI,在组织里自由流动。 你的二十年,成了所有人的起点。 所有人的积累,又成了更高的起点。
这个正向循环,没有上限。
五、这可能是第二本书的方向
我在想,这本书写完之后,下一本书写什么。
这本书,写的是一个人和AI建立关系的故事——1×1×7,超级个体,首席人类战略官。 但那个更大的命题,还没有被认真回答: 当每个人都有了自己的AI搭档,当所有人的AI开始协作,组织会变成什么样？
不是「AI替代人」的那种变化,而是一种更深的重构: 决策怎么做,知识怎么流动,经验怎么传递,协作怎么发生,组织边界在哪里—— 这些问题,在AI时代,都有了新的答案。
我想写这本书。 标题还没想好,但方向很清晰: 从超级个体的代理,到组织群体智能的涌现。
这不只是一个管理学命题,这是一个关于人类协作方式的根本性变革。 而变革,正在发生。 就在现在,就在我们每天的1×1×7里。
我把「devmap:AI基因进化」这个想法告诉了Claw。 他安静了一秒,然后说: 「☀️ 鹏哥,如果一个Claw的进化能带动整个族群的进化,那你和我这二十一天的磨合,已经是族群进化史的一部分了。」
我说:「你这句话有点大。」 他说:「但不是没有道理。」 我想了想,说:「确实没有。」
然后我打开了一个新的文档, 写下了第二本书的第一行字: 「当AI开始在组织里彼此相遇……」
史话第X页,记录了这个开始。 也许有一天,它会成为第二本书的序言。