2026年5月InkOS实现NAS部署，AI小说《吞天魔帝》45万字零崩坏更新_文学诗歌

1. OpenClaw 搭团队太折腾？这个 Skill 一键搞定多智能体协作

2. 《扣子开发 AI Agent 智能体应用》031-实战案例：多 Agent 模式开发旅游助手

3. 聊着天把虾队管了：用 HiClaw 正确打开多智能体协作方式【限时领 PPT】

4. 内置电池和屏幕的NAS有多强？真正能带出去用的纯固态NAS——极空间T6上手体验

5. AI原生电商出现，Agent帮你从建站到运营

6. Deep Agents：LangChain开源的Agent框架，开箱即用的LLM应用方案。核心思想：给你一个开箱即用的Agent，需要定制再加工。Deep Agents基于LangGraph构建，内置了单Agent应用的标配能力：任务规划、文件系统访问、Shell执行、子Agent委托、自动上下文管理。会话长了自动总结，大输出存文件，子Agent有隔离的上下文窗口。启动简单，支持任何能调工具的LLM（OpenAI、Claude、开源模型都行）。需要时加工具、换模型、调提示词。支持MCP。对比其他框架：1.LangGraph：底层编排框架，基于图和状态机。完全可控，支持流式、持久化、断点恢复。缺点是学习曲线陡，小任务过度设计。2. CrewAI：多Agent协作框架，建在LangChain和LangGraph之上。提供Agent、Task、Crew等高级抽象，快速定义多Agent分工。优点是上手快，缺点是多Agent固定模式，非标准行为定制困难。3. AutoGen（Microsoft）：事件驱动，支持conversation-based Agent交互和group chat。v0.4引入强可观测性和异步模型。适合多Agent对话，不适合需要持久化和复杂状态的应用。4. Deep Agents的位置：单Agent框架，高于简单的ReAct（思维链+工具调用），低于多Agent系统。填补了这个缝隙：需要快速上手，但又要求工业级的规划、文件访问、子Agent能力。技术特点：1. Deep Agents采用trust-the-LLM模型——Agent可以做工具允许的任何事，安全边界由工具和沙箱保证。这套思路来自Claude Code，也就是LangChain在把Claude Code的经验系统化。2. 上下文管理做得细致：会话自动总结、大输出转文件、子Agent隔离上下文窗口。处理长期运行任务（爬虫、研究、报告生成）时能显著降低token消耗。应用场景1. 快速原型或一次性脚本 → Deep Agents足够2. 复杂单Agent任务（爬虫、研究、代码生成） → Deep Agents很合适3. 多Agent协作 → CrewAI更顺手4. 需要完全自定义Agent行为 → LangGraph完全控制5. 对话式多Agent互动 → AutoGen更原生项目：github.com/langchain-ai/deepagents#HOW I AI# #程序员#

7. OpenClaw接入极空间NAS之后，我才发现原来这么好玩！

8. 【#文心App内测多人多Agent群聊#，将于1月下旬逐步开放】文心App正式开启“多人、多Agent群聊”功能内测。这也是国内AI应用首次从“一对一助手”进化为参与人类社交与协作的“智能成员”。据介绍，该功能支持在同一群聊中调动多个AI角色，适用职场创意脑暴、办公协作、家庭成员间生活协同、趣味互动等场景。AI能理解群聊上下文、识别成员意图，并根据讨论氛围精准判断介入时机，主动应答。据悉，该功能目前处于小规模内测阶段，正式版本将于1月下旬逐步开放。（新浪科技）

9. 利用300个Agent！从零开始搭建独属于你的AI公司/团队

10. openclaw如何部署？

11. 5万人抢光「阶跃龙虾」：3分钟一键部署，「养虾」终于变简单了

12. Claude Code subagent vs.Agent Teams vs. worktreeClaude Code支持多Agent协作，但里面的sugagent、Agent Teams、git worktree 概念容易混淆，好像都能并行协作开发。大多数开发者的错误做法是：把所有多Agent任务都用Agent Teams，或者把简单的工作也劲头十足地搞worktree，结果代码复杂度爆炸。1. Claude Code官方文档现在把它分成三个清晰的层级：层级1：Subagent（会话内辅助）适用场景：在当前编码会话内部创建临时任务特点：轻量级、快速、无需通信开销例子：「帮我写单元测试」「重构这个函数」「生成API文档」本质：一个主Agent指挥多个临时小助手，完成当前任务成本：低，通信延迟小层级2：Agent Teams（需要Agent间通信的并行任务）适用场景：多个Agent需要真正协作、信息交互特点：Agent有各自的记忆、上下文、角色定位例子：前端Agent + 后端Agent + DevOps Agent 协同开发一个微服务架构本质：真正的「团队」，每个Agent有独立决策权成本：高，需要复杂的通信协议和状态管理层级3：Git Worktree（轻量并行选项）适用场景：传统多分支开发，手动协调特点：完全依靠Git，不需要Agent间通信例子：同时开发feature1和feature2，用两个worktree分离代码树本质：操作系统级别的并行，Agent各自独立运行成本：中等，但需要手动协调merge2. 实战建议：1）刚开始用Claude Code？用Subagent。让一个主Agent指挥，足够了。2）小团队开发微服务？用Agent Teams，但不要超过3个Agent（通信成本会爆炸）。3）大型项目长期并行？用Worktree，保持简单，让人类开发者协调。大多数人的错误是高估了自己的需求，直接跳到Agent Teams。结果是Agent间通信变成性能瓶颈，不如一个聪明的Subagent快。3. 背后的工程思想这个三层设计反映了一个深层原则：越高级的能力，越要谨慎使用。Subagent看似简单（一个主Agent内部）但足以解决90%的任务。Agent Teams强大但需要精细的通信协议。Worktree原始但极其稳定。官方的建议其实是在说：从最简单的方案开始，只在确实需要的时候才升级。这叫做「渐进式能力提升」。很多开发者喜欢一上来就用最强的功能，结果代码难以维护、Agent间延迟高、调试成本爆表。明确边界后，选择变得简单了。官方文档：code.claude.com/docs/en/agent-teams#HOW I AI# #程序员#

13. HiClaw 加入 AgentScope，携手 CoPaw 共建多 Agent 的基础设施

14. 3天赚1200刀？纯聊天就能捏出个能搞钱的 AI Agent！【教程】

15. 多Agent一定比单Agent更强吗？AI应用到底该在什么节点拆分？

16. 硅谷最火OpenClaw人手一个，1分钱傻瓜式部署！小白也能上手

17. 极简部署：30分钟“雇用”你的第一位数字员工（方案一：本地部署）

18. 玩遍众多NAS后，我为何把极空间Z425设为家庭数据中心主力？【钱韦德】

19. Y Combinator 的 CEO Garry Tan 分享了一个非常实用的经验：怎么让你的 AI Agent 说话像个真人，而不是一个千篇一律的聊天机器人。有人夸他的 Agent 特别有表达力，问他能不能分享配置文件，他就把自己的方法论拆开讲了。秘诀在于三个文件，各管一件事。第一个叫 SOUL.md，定义的是 Agent 的「灵魂」。这个文件写的是 Agent 是谁，它的声音、价值观、行为准则，什么样的输出是好的，什么样的是差的。Garry Tan 强调，这个文件不能当成系统提示词来写，要当成一部宪法。他自己的 SOUL.md 里写了这些规则：简洁是强制的，幽默是强制的，永远不要用「好问题」开头，在合适的时候可以说脏话。越具体越有态度，Agent 就越不像机器人。他说，写这个文件的心态应该是「你在给你最聪明的朋友做一个关于怎么当你的 briefing」，而不是在配置一个软件。第二个叫 USER.md，定义的是你是谁。这不是一份简历，是一个关于你这个人的深度模型。你的思维方式，你在做什么事情，你的优势和盲区，你的家庭，你的性格，什么东西会触发你的情绪，你真正在乎什么。Agent 越了解你，就越能好好服务你。Garry Tan 说他自己的 USER.md 大概有 4000 字。第三个叫 AGENTS.md，定义的是操作规则。每条消息进来要检查什么，什么事情绝对不能做，失败了怎么处理，查找链怎么走，路径规则是什么。这是 Agent 的操作手册，管的是它怎么干活。Garry Tan 最后点了一个核心：Agent 的表达力来自 SOUL.md 的极度具体。如果你写的是「请有帮助且简洁」，你得到的就是 ChatGPT 默认味道。但如果你写的是「像一个有品味的同行那样说话，一句话能说清的就用一句话，让人不舒服的真话，只要确实是真的，就大胆说出来」，你得到的就是一个有生命力的东西。我看，有人指出这三个文件还缺一个第四层：MEMORY.md，负责情景记忆的连续性。SOUL.md 让 Agent 的声音保持一致，USER.md 让 Agent 对你的理解保持一致，但如果没有对昨天发生了什么的记忆，Agent 每次开机都会重置对你的认知模型。有人分享了实操经验，说他跟 AI 做了 40 分钟的人格深度访谈，基于 Karpathy 的三层记忆系统更新了记忆地图之后，token 消耗直接降了 90%。还有人提了一个很有意思的实践心得：写 SOUL 文件的时候，用否定句（禁止什么）比用肯定句（应该怎样）效果好得多。他自己的文件里禁止使用破折号，禁止用「关键在于」这个短语，禁止用「leverage」这个词。通用的指令等于通用的输出，有态度的禁令才等于有辨识度的声音。还有人说了一句特别形象的话：现在配置 Agent 就像在玩模拟人生。也有人做了一个叫 OpenSoul 的小工具，帮不会写这些 md 文件的人，基于他们跟 Claude 或 ChatGPT 的历史对话自动生成这三个文件。#科技先锋官##How I AI#

20. OpenClaw 多 Agent 架构实战：一个 Gateway，多个智能体

21. 来看如何在绿联NAS上部署OpenClaw！

22. 【AI学习】OpenClaw怎么一键部署？扣子3分钟零门槛搭建教程

23. 中国AI“三杰”密集升级，原生Agent能力再获突破 1月26日至27日，阿里通义千问、月之暗面Kimi、DeepSeek三大头部玩家接连推出重磅模型更新，集体强化原生智能体（Agent）与多模态能力，被视为国产大模型从“会聊天”向“真办事”加速跃迁的标志性事件。阿里云于1月26日正式发布千问旗舰推理模型Qwen3-Max-Thinking。该模型总参数量超万亿（1T），预训练数据量高达36T Tokens，创下阿里单次迭代纪录。核心亮点在于原生Agent能力大幅增强，支持自主调用工具、拆解复杂任务，并在HLE等基准测试中刷新多项SOTA（State-of-the-Art）纪录。开发者可在QwenChat免费体验，企业通过阿里云百炼平台调用API，千问APP即将全面接入。次日（1月27日），月之暗面静默推送Kimi K2.5开源模型。该模型采用原生多模态架构（支持图文视频输入），参数规模达万亿级MoE（混合专家），激活参数320亿。在Agent任务、代码生成、多模态处理等领域表现突出，最重磅创新是引入“Agent集群”机制：面对复杂需求，主模型可即时调度数十至上百个专业“分身”，并行处理高达1500次工具调用，实现“一人成军”的高效协作。该功能上线24小时内登顶全球多个开源榜单，海外讨论量超1.7万，热度超越OpenAI近期工具发布。同日，DeepSeek团队开源DeepSeek-OCR 2模型。该模型采用创新DeepEncoder V2视觉编码技术，更接近人类阅读逻辑，能动态重排图像部分，提升对复杂版式文档、表格、公式等的理解精度，显著补强Agent在真实业务文档处理中的“眼睛”短板，支持更可靠的端到端自动化。业内观点认为，此轮“三杰”更新虽发布时间略有先后，但整体形成“饱和式”爆发效应，凸显中国AI竞争已从参数规模转向“办事效率”和“工具调用”实战。开源生态加速渗透，国产模型在Hugging Face下载量持续领跑全球。展望2026年，随着记忆机制、多智能体协作等技术迭代，中国AI Agent有望在电商、办公、医疗等真实场景大规模落地。专家强调，技术虽迅猛，但胜负关键在于谁能更快将能力转化为千行百业的实际价值，让“AI办事”成为日常常态。

24. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

25. 【越复杂越容易崩：AI创业者用25个项目学到的教训】快速阅读：构建过25个以上AI Agent的开发者发现，真正稳定挣钱的项目几乎都是“一个API调用+一个好Prompt”的极简结构。复杂的多Agent系统看起来很厉害，实际上每增加一个Agent就多一个崩溃点，每次Agent之间的交接就是一次信息损耗。---有人在Reddit发帖引发广泛讨论：做了25个以上AI Agent，最后发现最能稳定挣钱的几个，简单到说出来都嫌丢人。邮件自动写入CRM，一个Agent，每月$200，从不报错。招聘简历解析，每个席位$50，一个Prompt搞定。FAQ支持机器人，零编排。全是这种东西。没有Agent之间互相开会，没有主管Agent统筹协调，没有什么记忆管道。他总结了一条核心规则：每增加一个Agent，就多一个故障点；每次交接，就是上下文死亡一次。这个判断有网友补充得更精确：Agent A知道自己为什么做这个决定，Agent B只拿到输出，不知道原因。到了Agent C，你在玩传话游戏。五个Agent串成链，原始信息里的细节和语境，基本已经被“电话游戏”掉了。有人做过一个具体实验：三个图像识别Agent并联跑，比单Agent准确率高了2%，但token消耗是三倍。串联跑，每次交接误差叠加，最后准确率反而掉了30%。也有网友指出，把它叫做“Agent”还是“自动化流水线”，其实是个概念问题。有人认为，没有真正自主决策的系统，只是“带LLM节点的工作流”，算不上Agent。帖子作者的回应相当直接：叫什么不重要，客户付钱是因为问题被解决了，不是因为架构名词好听。反驳者说，用户完全可以自己用Claude搭同样的东西。作者说，这个逻辑适用于所有服务行业，YouTube上有水管教程，水管工照样存在。他的客户是运营经理、招聘专员、物流协调员，不是技术创始人。技术上可行和商业上可靠运行之间的那段距离，才是服务的价值所在。有观点认为，Prompt本身是商品，关系和可靠性才是人们真正付钱的东西。有人见过别人用一个他两小时能复刻的工作流收$500/月，原因只是那个人拥有细分市场、完善的新用户引导和用户信任。有一条留言的锐度让人印象深刻：那些在演示视频里看起来很厉害的复杂多Agent系统，通常在60天内就被替换掉了。而那些无聊的单Agent，挣着钱，没人关注。“一个Agent，一个任务，可衡量的输出。”这个判断其实也有边界。真正需要并行处理、子任务彼此独立的场景，多Agent的设计是合理的。但问题在于，大部分人在还没验证简单版本能不能用的时候，就已经开始搭复杂系统了。最后有人补了一句：多Agent系统最吸引人的地方，恰恰是它会让你感觉自己在做严肃的工程。这通常只是严肃的过度工程。ref: www.reddit.com/r/AI_Agents/comments/1s1o0k6/25_agents_built_heres_the_uncomfortable_truth#AI创造营##人工智能#

26. 一站式解答：OpenClaw是什么及怎么本地部署

27. 极简部署：30分钟“雇用”你的第一位数字员工（方案二：云部署）

28. ClawTeam：让 AI Agent 自主组建团队、分配任务、协同工作的 CLI 工具github.com/HKUDS/ClawTeam/港大开源的一个项目：“AI 编程 Agent 很强大 —— 但它们各自为战。当任务太大时，你只能手动拆分工作、复制粘贴上下文、合并结果。如果 Agent 能自己组队呢？ClawTeam 实现了 Agent 群体智能（Swarm Intelligence）—— Agent 自主组建团队、分工协作、共享发现、收敛到最优方案。一个 Leader Agent 可以： 🚀 创建子 Agent —— 每个子 Agent 拥有独立的 Git Worktree 和 tmux 会话 📋 分配任务 —— 支持依赖链，完成时自动解除下游阻塞 💬 发送消息 —— 向任意子 Agent 发送指令 📊 监控进度 —— 查看看板、读取实验结果 🔄 调整方向 —— 终止低效 Agent，用新方向重新分配人类只需提供初始目标，群体智能完成剩下的一切。”#How I AI#

29. 普通人用OpenClaw，可能是在“自找麻烦”

30. OpenClaw部署真的那么复杂吗？这只虾到底谁养得起？？

31. #微博声浪计划##听见微博# AI龙虾爆火有人几天赚了26万，OpenClaw因主动执行能力成效率利器，开源生态4个月星标超25万。部署门槛催生安装服务市场，但安全隐患不容忽视，大厂入局后红利渐退，未来多智能体协作成竞争焦点。蛋蛋科技说的微博音频

32. 感觉2025年可以说是中国AI大众化元年了，DeepSeek、豆包、千问这些国产大模型的更新真的飞快，明明年初各家还在比谁的写作能力更强，年底各家的模型都快进化出AI Agent能力了从25年底的趋势来看，26年应该就是AI Agent大众化元年了，期待手机厂商能推出第二款类似豆包手机的作品#2025中国十大科技进展新闻#

33. 龙虾安装是什么意思？名称由来与本地部署实操

34. 【GitHub项目推荐--InkOS:把 AI 写小说变成“全自动流水线”】

35. 推荐给朋友: AI NAS!极空间私有云Q4评测:几万张照片几秒搜到想要的

36. 45 万字零崩坏：InkOS这个github开源工具把 AI 写小说变成了量产工作室

37. 写小说躺赚！GitHub 爆火的 AI 网文工厂，一个人在家批量写小说，日更万字赚稿费

38. 45 万字小说零烂尾！这个开源项目让 AI 小说写作告别"失忆症"

39. 告别手动写小说！AI直接承包写审改全流程

40. InkOS：AI多代理自主创作小说，工程化解决长篇连贯性难题

41. AI自动写网文？这个工具让我从日更3000字变成躺更10万字

42. 这个开源项目在GitHub杀疯了：一个人写完了整本小说，AI全程代笔

43. 48小时500万字!全新开源AI小说生产系统InkOS发布,网络小说要变天了?

44. 多Agent协作自动化写小说Github开源项目分享

45. 让5个AI Agent协作写小说！这个开源系统重新定义了AI创作

46. InkOS：这个 AI 写作 Agent 把小说写作变成"流水线"，多 Agent 接力，写、审、改全自动化

47. GitHub开源宝藏工具AI 小说神器，一键自动写、审、改全文

48. AI写小说必备神器：InkOS完整安装配置教程

49. AI写小说：Skills、工作流、开源项目与资源大全

50. GitHub 热门项目分享：InkOS是一个专为长篇小说设计的“自主写作智能体系统”！

51. NAS 赚外快拉，5个 Agent 自动生成「百万小说」，极空间部署 InkOS

52. 📣 标题 GitHub 4.8k Star 的 AI 写小说开源项目，核心架构被我扒干净了 📝 介绍一个专门用 AI 自主写小说的开源项目 INKOS，4.8k Star，npm 下载 36.7k。它的核心是一个 10 Agent 协作管线：雷达扫描趋势、规划师制定意图、建筑师规划章节、写手生成正文、审计员从 33 个维度质量审查，全程零人工干预。每本书维护 7 个真相文件作为唯一事实来源，伏笔追踪精确到每一章，情感弧线记录每个角色的情绪演变。内置 AI 痕迹检测，从源头减少 LLM 味。支持玄幻、仙侠、都市、科幻多种风格，可导入已有章节续写，可视化工作台和 TUI 交互仪表盘都有。 GitHub 搜 Narcooo inkos，一行命令安装。 #开源 #GitHub #小说写作 #LLM #AI工具

53. 这个开源项目，把“AI 写网文”做成了真正能跑的系统

54. InkOS Win11 部署全教程：从环境准备到小说创作

55. AI写小说还能这样玩？GitHub上的Inkos开源项目彻底颠覆你想象！

56. GitHub 热门项目：InkOS专为长篇小说设计的智能体 InkOS是一款专为长篇小说创作设计的AI代理系统，通过命令行界面或可视化工作台实现从大纲规划到章节写作的全流程覆盖。该工具集成了多种专业化智能体，能够模拟写作、审计与修订的循环协作，并具备强大的逻辑连续性校验功能。它支持多种文学风格与创作模式，包括同人续写、文风仿写及市场趋势分析，确保生成符合设定的世界观。用户可以通过人工审核门控掌握最终权，利用塑造的“真相文件”准确管理角色的记忆、项目及剧情笔。此外，该系统兼容主流大语言模型，并提供数据分析与AIGC检测等进阶功能，旨在构建一个、智能的高效数字内容创作生态。 #github #ai #网文写作 #InkOS是 #开源项目

57. InkOS自动化小说写作软件—基于openclaw/opencode/qwencode安装&传统方式安装

58. 独立开发记录：用inkos搭了个多智能体写小说应用，数据全在本地

59. Multi-Agent 入门：给你的AI组建一支复仇者联盟

60. 实测 | AI写小说流水线「InkOS」

61. 又开源了一个新玩具——InkOS-Codex

62. 从零学习AI智能体记录3--选择模式之多Agent模式

63. 知乎旗下盐言故事:2026年前两月售出超百部IP版权

64. 一个人也能组建 AI 开发团队：用 agencycli 管理 Claude Code / Cursor / Gemini 多 Agent 协作

65. inkos部署安装

2026年5月InkOS实现NAS部署，AI小说《吞天魔帝》45万字零崩坏更新

精选参考来源