我构建了一个运行我的基础设施的 AI 代理

Source: Dev.to

概览

我花了上周的时间构建了一个 AI 代理，它能够监控我的基础设施、管理账户、更新仪表盘并发布内容——全部自动完成。这不是玩具演示；它是一个真实的系统，24/7 在我的 MacBook 上运行。下面是实际可行的部分、不可行的部分以及让我感到惊讶的地方。

架构

• OpenClaw – 开源 AI 代理框架（浏览器、终端、文件、消息）
• Claude – 大脑（复杂任务使用 Opus，日常任务使用 Sonnet）
• FastAPI + Python – 为 LLM API 提供故障转移的代理层
• Node.js – 带看板和实时活动流的仪表盘
• launchd – macOS 的 cron，用于计划检查

计划检查（每 30 分钟）

• API 代理健康状态和账户轮换
• 多账户的信用余额
• 服务可用性

如果出现异常，代理要么自动修复，要么通过 Telegram 提醒我。

看板

一个使用服务器发送事件（SSE）实时更新的看板。代理：

• 根据我们的对话创建任务
• 随着工作进展在列之间移动任务
• 将每一次操作记录到活动流中

能力

• 研究与草稿 – 能够调研主题、撰写草稿，并发布到多个平台（本文由代理撰写，我进行审阅）。
• 记忆文件 – 读取/写入 markdown 文件，以在会话之间持久化上下文。
• 心跳轮询 – 定期检查在问题演变为故障之前捕获它们。
• 故障转移代理 – 在 API 账户之间轮换，保持成本可控。
• LaunchAgents – macOS launchd 非常适合计划任务。

限制与经验教训

• 浏览器自动化脆弱 – React SPA、动态表单和 CAPTCHA 常导致失败。
• 标签页太多 = 死亡 – 浏览器在打开 10+ 标签页后会变慢。
• 脑中记事不会随重启保存 – 如果记事没有写入文件，就会丢失。
• 创意任务 – 代理在例行工作上表现更好，创意工作则相对逊色。
• 提示工程 – 为子代理编写好提示往往比自己写代码更困难。

成本

24/7 运行的 API 费用大约为 $0。真正的成本是把 MacBook 当作服务器使用。

其他功能

• GitHub Issues 用作任务队列。
• 语音晨间摘要 通过文字转语音（TTS）实现。
• 自动发布流水线 用于内容分发。

开源

OpenClaw 是开源的。

学习曲线是真实存在的，但一旦上手，你会惊讶自己以前是怎么工作而没有它的。

行动号召

你用 AI 代理构建了哪些自动化？留下评论吧。