我在笔记本电脑上创建了一个小型 AI 公司（multi-agent application）

Source: Dev.to

介绍

最近，我一直在思考在 AI 代理的世界里，“工作”可能是什么样子。我和妻子讨论过——也许将来，不是一个一个地取代人，而是一个人管理一支小型 AI 工作团队。像 Claude Code 或 OpenClaw 之类的工具对她来说太技术化了，于是我开始想：如果这真的像和一个团队合作呢？不是写代码、不是连线工作流，而是招聘、管理和协作。

Holons

我构建了 Holons，一个桌面优先的系统（Tauri + Flask + React），其特点：

• 代理拥有角色和身份
• “领头”代理分配任务并构建工作流
• 多个代理可以在群聊中协作
• 所有内容本地运行（或自行托管）

你可以这样说：

“Create a pitch for a B2B AI accountant”

然后 Holons 将会：

1. 提出工作流方案
2. 将任务分配给不同的代理
3. 估算成本
4. 让你运行整个流程

让我惊讶的地方

可视性

最难的不是代理本身，而是可视性。当多个代理在运行时，你需要了解：

• 它们在做什么
• 成本多少
• 随时间的行为表现

统一账本

我在早期做了一个设计决定：每一次 LLM 调用都会写入统一账本。每次调用会记录：

• 模型 + 提供商
• 令牌（提示 / 完成）
• 成本
• 延迟
• 代理 + 用户

这张单表驱动：

• 成本仪表盘
• 使用配额
• 报告
• 审计日志

关键特性

• 多提供商支持：Bedrock、OpenAI、Anthropic、Gemini、MiniMax
• 每个代理的模型绑定（不同代理可使用不同模型）
• 基于 pgvector 的 RAG + 外部知识集成
• MCP 风格的工具集成
• 即时通讯渠道（Telegram / Slack / LINE）

仍在早期

这仍然是一个实验。我还不确定这是否是多代理系统的“正确”抽象——更像是管理一个团队，而不是调用一个 API。

• GitHub: https://github.com/jhk482001/Holons
• Demo: https://x.com/HolonsAgent/status/2048772512394432749?s=20

我很好奇其他人是如何看待多代理系统的。人们真的在实际工作流中使用它们吗，还是我们仍在摸索合适的模型？