馬斯克還在眼饞微信，Kimi 已經把Agent版微信做出來了？

只工作不上班的這幾年，我越來越覺得自己在運營一家「一人公司」，每隔一陣就給它添一名新的數字員工，上周跟大家介紹過我的品牌部了...這周新來的是四位投研顧問。

我手上這個群叫「花叔的一人投委會」。

里面有五個AI，一只 Kimi 協調員在最上面，下面四只分別偏多頭數據、偏估值風險、偏杠桿邏輯等。群目標一行字：長期陪我做投資判斷。

這是 Kimi 這周進內測的 Claw 群組功能。我進群之前以為又是"讓 AI 像人一樣閑聊"的噱頭。真開起來才發現它做的不是"跟一個 AI 聊"，是"開一個群，讓多只 AI 各自干活、互相質疑，由一只協調員調度"。

我的群里除了我這一個人類外，主要AI成員構成如下：

• Kimi 指揮，群協調員。負責拆任務、派活、審成果。它自己不干活。

• 熱血重倉蝦，Kimi 市場里現成的一只 Claw，47 個技能，偏基本面+實時行情。

• 芒格蝦，我自己拼的。Claw 群組里外部接進來的 OpenClaw 暫時不能直接加載 skill，所以我走了另一條路：把女媧里 芒格.skill 的人格核心（心智模型、表達準則、禁用清單）蒸餾到 OpenClaw 的 IDENTITY.md 和 SOUL.md 兩個人格配置文件里。這只 OpenClaw 啟動時就以「芒格」作為默認思維方式，接入 Kimi 云端后作為一只獨立的蝦進了群。

• 納瓦爾蝦，一樣的手法，換成女媧的 納瓦爾.skill。

女媧是我半個月前開源的 21 個思維人物 skill 合集，GitHub 一萬兩千多 star。我原來只在自己的 Claude Code 里用它，喂一個問題，讓費曼、芒格、Naval 各獨立寫一版，然后我自己拼接。現在它們能以另一種方式走進 Kimi 的群組里，變成能對話的實體。

開始測第一個議題。

我拋進去一句：

英偉達，2026 該不該重倉？你們怎么看？

Kimi 指揮接得很快：

收到，英偉達重倉議題，我馬上安排三人并行研究，然后給你綜合結論。

重點是并行。它沒讓三只蝦在主群里輪流發言，而是在群里開了 3 個子話題：

• 分給熱血重倉蝦，查實時行情、估值指標、行業新聞

• 分給另一只蝦，做業務拆解、競爭格局、2026 增長驅動力

• 分給芒格蝦，明確要求「先想為什么會虧錢」

然后 Kimi 在主群對我說了一句：「你這邊可以繼續說別的事，不影響。」三只蝦各自去各自的子話題干活，主群不阻塞。

過了一會兒，備忘錄陸續回來。

芒格蝦寫得最短也最狠。它直接生成了一個 .md 文件：NVDA_2026_風險備忘錄。開頭一句：

2026 年重倉 NVDA 最大的風險不是需求消失，而是需求來得比市場預期慢半拍。

典型的芒格式輸出：不列好處，只列怎么會虧錢。

熱血重倉蝦給多頭側數據：Forward PE 24.8x、PEG 0.72、$175 億訂單壓頂、Blackwell 放量+Rubin 下半年量產確定、數據中心營收 Q4 同比 +142%。

基本面那只蝦給業務結構：四維護城河（技術+生態+供應鏈+客戶）、數據中心占 90%、核心催化劑 5 月 20 日財報。

Kimi 指揮把三份綜合成一句：

可以重倉，但只適合能承受 30%+ 波動、周期 3-5 年的高風險偏好者。保守型建議等回調 10%+ 再分批建倉。

這個結論本身可用，但我想看看多蝦之間能不能真的互相質疑，就 @ 了一下納瓦爾蝦：

你同意這個看法嗎？

它給了一個讓我愣了幾秒的回答：

我大體同意，但我不會把它說成「可以重倉」的通用結論。我收得更窄：英偉達到 2026 依然大概率是好公司，但未必是一個適合多數人重倉的好賠率。好公司 ≠ 好重倉點。

芒格蝦緊接著補了一刀：

好公司和好股票不是一回事。如果前提是增速下臺階、客戶自研分流，那這個價位買的是"容易賠錢的區間"。

Kimi 指揮再收束一次：

芒格蝦拒絕風險、納瓦爾蝦拒絕單一"可以重倉"，合起來一句話：NVDA 值得研究、可以持有，但別輕易歸為多數人重倉。

我盯著這條消息流看了很久。

這件事跟我過去用 AI 做判斷的體驗不太一樣。這個群聊還真給了我一種一個組織一個團隊再給我工作的感覺。是一個組織在給我工作。有一個調度員、有一群各自專業的執行者、有基于分歧產生的綜合判斷、還有挑戰機制。我只要拋議題和提問。 可惜我暫時沒幾十個蝦可用，不然我還挺想把女媧.skill蒸餾出的20多個人物一股腦塞進這個群里的。

Agent 集群：一個任務，十個分身

說完群聊，再說 Kimi 這次更新的另一個能力，Agent 集群。

我丟給它一個相當貪心的任務：

做一份英偉達 / Meta / 蘋果 2026 AI 戰略對比投研報告。一次性交付四件套：研究報告 PDF、財務對比 Excel、高管匯報 PPT、一頁紙 Word 摘要。數據口徑要最新的，2025 Q3/Q4 加 2026 Q1 已披露部分，查不到的留空。不做綜述，做投資判斷。

這個任務的貪心之處在三個地方：范圍大（三家 hyperscaler）、產物多（四種格式）、數據新（剛發的財報要進來）。換一個單獨的 AI 助手，通常會在中途丟失上下文，或者把四種產物糊成同一份文檔。

我盯著屏幕看它怎么干的。

它分了三段。

第一段叫「景觀掃描」，Kimi 自己起的名字。它連續做了 5 輪粗到細的網頁搜索，總共調用了 72 次 搜索接口。來源也不是我擔心的那種，是 SEC.gov、Seeking Alpha、Yahoo Finance 這些一手披露渠道。拿到的數據顆粒度相當實：Apple 2026 年 capex $14B、Meta 給 Q1 2026 營收指引 $53.5-56.5B + capex $115-135B、NVIDIA Data Center Q4 FY2025 營收 $15.2B 同比 +142%。這顯然不是訓練語料里蒸出來的，是它剛剛現查的。

第二段是真正讓人愣一下的地方。Kimi 打開了一個叫「維度分解」的步驟，然后并行起了 10 個子 agent，每個帶一個名字。楊指導、剛哥、肯叔、阿哲...每個領自己的任務去干。

許多時候，不同角色在處理不同的人物，可能一只在推理、一只在連接、一只在獲取、一只在撰寫、一只在設計。你別說，這種圍觀一群員工干活的感覺還真就挺爽的（我算是知道為什么那么多人想當老板了...

第三段是「交叉驗證 + 洞察提取 + 產出制作」，這時候那 10 個子 agent 把各自的發現匯到主線，由寫作 agent 根據 outline.md 和 content.md 并行生成 PDF / Excel / Word。PPT 稍晚，放到了第二輪。全過程耗時 半小時左右。最后拿到 一大堆產物文件，數據都是對的。

這活兒如果放在正經投研部門里做，兩三個分析師認真干，至少要兩三周。而且，這個結果還真是不糊弄，從PPT里你就可以大概看得出品質

看 Kimi 這套工作流，我的第一反應是——英雄所見略同。

我手上這套女媧 skill 生態，底層規律和它一模一樣。費曼、芒格、塔勒布、Naval、道金斯??我不是讓一個 Claude「扮演」這五個人依次說話，而是開五個獨立 agent，每個只加載一套 persona，各自獨立回答同一個問題。

這么干的理由，現場看得更清楚了。

第一，速度。這個大家都想得到。23 分鐘 vs 串行大概要 2 小時。

第二，上下文獨立。10 個 agent = 10 份獨立的 context window。一個 agent 在深挖 Apple capex，它不需要帶著 Meta 和 NVIDIA 的細節跑。一個 agent 把 Kimi 的 token 預算用光了，不影響另一個 agent 的思考深度。單 agent 做完這種任務會怎樣？到第三家的時候前兩家的細節已經開始褪色。所謂的「綜述」其實就是記憶衰減的產物。

第三，獨立的發現不互相干擾。這一條是別人不太會第一眼看到的。單 agent 扮演多角色時，后一個角色會看見前一個角色的回答。這就有了話語權壓力。一旦第一個角色已經下了判斷，后面的角色很難真的逆著說。我做女媧的時候試過讓同一個 Claude 依次扮演費曼和塔勒布，結果塔勒布有一半的觀點是在「補充」費曼，而不是反駁。但讓兩個獨立 agent 各自不看對方的答案先寫，再拿回來對照，碰撞才真的出現。

Kimi Agent 集群就是這個規律在工程側的實現。不同 agent 各自開 context、各自搜索、各自產出，最后由協調層整合。表面上它只是「把活拆了并行」，底下其實是保留了多視角之間的互相獨立——這是集體智慧優于個體智慧的真正來源。

所以這個能力推出之后我挺興奮的。我自己在 Claude Code 里手搓的那套多 agent 調用流程，現在 Kimi 直接產品化到終端用戶手里了。普通人不用寫腳本不用配 skill，丟一個任務進去，它自己拆成 10 個分身并行去干，給你交 4 份產物。

這是 AI 工具進入「組織」層的第一步。

一個 agent 就是一個視角

Claw 群組表面上在做社交，Agent 集群表面上在做調度。但底下的規律是一個：把同一件事放進幾個各自獨立的 agent 里，讓它們各自出一版，再把差異整合起來。

這是 AI 工程近期悄悄形成的一個共識。我自己做的事里就有三個例子。

寫作上，前幾天我發過一篇 AI 心理學的長文，里面用了五個 perspective skill。費曼、芒格、塔勒布、Naval、道金斯，讓他們各自獨立回答同一個問題：「Anthropic 發現 AI 內部有 171 個情緒向量，它們因果性地影響 AI 是否作弊。如果 AI 真的有某種形式的情緒，我們應該怎么對待它？」

五個回答，五條完全不同的推理路徑。費曼回到實驗、芒格看激勵、塔勒布防敘事誘惑、Naval 看不對稱性、道金斯檢查邏輯跳躍。它們指向不同的行動方向。如果只是修辭差異，結論應該趨同；但事實不是。五個獨立視角出來的不是「五種說法」，是五種看問題的方式。

寫完后還有另一道工序：自動三審三校。我的 Claude Code 里配了 hook，每完成一段內容就并行啟動三個獨立 subagent，一個專查事實準確性、一個專查 AI 腔、一個專查格式細節。三個 agent 互不通氣，各自出一份清單。這比讓同一個 agent 審自己管用得多。同一個 agent 看不見自己的盲區。

第三件事是 Karpathy 前段時間 open 的那條叫 autoresearch 的工作流。「你寫下目標和約束，讓 agent 自己生成代碼變體、自己測試、只保留能顯著改進目標的改動」。我在自己的 darwin-skill 里仿了一個：每次我改一個 skill，它就啟動獨立子 agent 重跑改前改后的 prompt 測試，只有確實變好才 commit，否則 git revert。評分用獨立 subagent，避免「自己改自己評」的偏差。

這三件事看起來完全不同：寫作、審校、自優化。但把它們抽象一層，形狀完全一致。不是讓一個 agent 變得更聰明，是讓多個 agent 各自保持獨立，從不同入口切同一個問題。

Agent 集群和 Claw 群組，就是這個規律走進產品層的兩個落點。Agent 集群是「一個任務拆成多個并行執行者」，每個 agent 有獨立的 context、獨立的數據來源、獨立的發現。Claw 群組是「多個 agent 在同一場域里持續對話」，誰也不能覆蓋誰，誰也不是誰的下屬。

兩個合起來，就是 Kimi 這一波想講的那件大事：從個體智能走向群體智能。不是 AI 變得更聰明了。是 AI 第一次真的變成了一個組織。

管一個團隊

女媧開源半個月，GitHub 一萬兩千多 star。有很多人問我平時是怎么去使用我蒸餾出來的這些角色的，能放在一起用嗎？

能，但要手搓。我過去都是自己在 Claude Code 里把它們串起來，寫調度、傳參數、合并輸出。會寫代碼的人能做，不會寫代碼或者不習慣AI工作流的人就有點麻煩了。

Kimi 這一波讓這件事變簡單了。不需要懂 skill 編排，不需要寫代碼，不需要裝 harness。打開一個 Claw 群組，把你手頭有的龍蝦拉進去，你可以給你的龍蝦配上女媧蒸餾出來的任何人物身份；或者打開 Agent 集群，丟一個任務，它自己會拆成多個分身并行去干。

去年玩 Manus 的時候，我第一次有「像請了個實習生」的感覺。今天用 Kimi 的 Agent 集群，這種感覺變成了「像請了一整個研究小組」。

我用這套「蒸餾到 SOUL」的辦法，把女媧里芒格和納瓦爾兩個人物接進了我的 Claw 群組，變成了兩只獨立的蝦。文章開頭那段對話，就是它們。

這是對的方向。過去一兩年大家都在比怎么提升一個單一模型的智能，但少有人系統地做多個 AI 之間怎么交互。當AI作為智能成了成為人類勞動力的重要一環時，要解決的確實不僅僅怎么讓單一Agent更聰明一些，而更像是怎么把多個聰明的單體組織起來。人類靠規模協作統治了地球。Agent 也需要走這一步。

Harness Engineering在解決類似的問題，Kimi的這兩個產品功能算是Harness的一種前沿實踐。

再往下看十年，我猜每一層人類互聯網都要為 agent 再造一遍。通訊、協作、社交，一個接一個。Claw 群組可能就是其中一個很早的起點。

也許，你需要去轉變下思維，你將不再是在用一個 AI。你是在管一個團隊。

哦對，你都看到這的話，送你個小彩蛋～這是我用自己開發的Huashu Design skill為Kimi的Claw群組做的宣傳片（答應我，一定要打開聲音看完好嘛）