PROJECT_ID // 0009Oz: 多代理系统

> 安全链接 // Oz: 多代理系统

导航

首页返回项目

音频播放器

已暂停

Franz 目前没有播放音乐。

系统安全 // FPGD

通信链接 // 联系

--:--:-- --

ACCESSING DATABANKS...

SUGGESTED PROJECTS

LiftTrack: 基于 3D CNN 的举重动作监控与改进移动解决方案

Hermes 代理

滚动 ↓

安全链接 // 0x00F4B00加密: AES-256-GCM覆盖: 否

数据流 // 缓冲中

系统内存 // 0.0MB
显存 // 0.0MB

节点 // 在线
延迟 // 14ms

系统加载

频率同步

> 启动序列 // 内核加载... OK

系统初始化中...

[000%]

PROJECT_ID // 0009Oz: 多代理系统

> 安全链接 // Oz: 多代理系统

导航

首页返回项目

音频播放器

已暂停

Franz 目前没有播放音乐。

系统安全 // FPGD

通信链接 // 联系

--:--:-- --

Oz: Multiagent

数字化执行者与多平台智能代理编排网络

[电子邮箱接口: oz@franzdomingo.dev] • [私有代码仓库]

概述

角色: 创始者、部署者及核心系统架构师
技术栈: Node.js v22.22.2, OpenClaw v2026.6.5, DeepSeek V4 Flash, SQLite (Claude-Mem v13.4.0), Google Cloud VPS (Ubuntu 22.04 LTS), Telegram, Discord, WhatsApp, iCloud SMTP/IMAP
关键成果: 全自动多智能代理工作空间，具备 FTS5 持久化记忆、21 个自定义技能以及 24 个处于激活状态的定时编排任务
总结: 在专用谷歌云 VPS 上部署并构建了一个自主运行的多智能代理网络。该系统作为一个统一的数字执行程序，将多个即时通讯网关（Telegram、Discord、WhatsApp、Email）的通信路由到单个基于 Obsidian 的认知核心中，具备跨会话持久记忆。此外，Oz 能够直接与我的 Hermes Agent 项目通信以协调分布式工作流。

面临的问题

挑战:
- 多渠道碎片化: 管理分布在不同通讯频道中的零散信息流。
- 高速自主执行: 需要连续且定时执行备份、邮件处理、系统更新和知识库审计任务。
- 会话遗忘: 传统 LLM 代理缺乏持久性记忆，数天或数周后多轮对话连贯性降低。
- Obsidian 库复杂性: 维护超过 230 个文件的 Obsidian 库的结构一致性、前置属性格式和笔记路由。
- 安全漏洞: 公开消息网关面临较高的安全风险，需要严密的提示词注入防御和访问控制。
受众: 个人效率工作区、知识库助手和自动系统操作员。
限制条件:
- 搜索引擎 API 限制: 无法使用外部搜索 API 密钥，被迫采用自定义的多引擎抓取抽象层。
- VPS 资源上限: 部署在 4-vCPU / 15GB RAM 谷歌云 VPS 上，且无交换分区（Swap），需要精细的内存管理。
- 身份验证阻碍: 由于客户端环境未授权，所有 GitHub 操作都必须通过 SSH 密钥进行。
- 数据存储: 仅限本地扁平文件（Markdown, JSON, SQLite），未使用分布式外部数据库。

方法与决策

系统架构: 集中式调度器模式。Oz 作为主编排器，根据任务复杂度将传入任务动态路由至专属的、基于角色的子智能代理。
关键决策:
- Claude-Mem 集成: 引入 SQLite + FTS5 数据库，自动在当前会话中注入跨会话上下文。
- Obsidian 优先存储: 采用扁平 Markdown 文件，便于可视化、便携性与手动图谱分析。
- 多模型兜底链: 默认使用高性价比的 DeepSeek V4 Flash，并配置 Google Gemini 和 Grok 作为备用兜底模型，确保系统高可用。
折衷权衡:
- 轮询 vs Webhooks: 在邮件检查和保持连接上选择了基于 Cron 的定时轮询（在 OpenClaw 中免费且免配置），但使邮件检查引入了最多 8 小时的延迟。
- 扁平文件知识库: Markdown 和 SQLite 极大地降低了基础设施维护成本，但相比于全功能向量数据库，限制了多节点的实时查询聚合。

关键成果与影响

实际成效: 成功运行一个自主执行者，处理每日自动提交、邮件处理、后台自动化及笔记归档。
对比: 取代了手动更新日志、复杂的多应用抓取以及零散零碎的聊天，整合为一个单一、持久且智能的工作空间助手。
影响: 实现了具备防灾备用能力的强健自动化运行，即使在主模型发生故障时也能保证服务的持续性。

核心指标

指标	数值	来源 / 详情
主模型	DeepSeek V4 Flash	`openclaw.json` (agents.defaults)
注册模型	27 个模型 (3 个供应商)	自定义备用模型池 (DeepSeek, Gemini, Grok)
活动定时任务	24 个已计划	`cron list` output
Obsidian 库	232 篇笔记 (37MB)	个人工作空间与记忆库
记忆数据库	323 个条目 (11MB)	`Claude-Mem` SQLite + FTS5 系统
自定义技能	21 个工作区技能	自定义插件与自动化脚本
服务器资源	4 vCPUs / 15GB RAM	谷歌云 VPS (Ubuntu 22.04 LTS)
内存占用	~1.8GB / 15GB	平均空闲内存占用
响应延迟	1 - 3 秒	缓存命中时的 DeepSeek (冷启动多代理分发时最长 15 秒)
活动网关	Telegram, Discord, WhatsApp	提及、私聊及广播频道

技术深入探索

技术亮点:
- imap-smtp-email: 通过 Node.js 脚本将 iCloud SMTP 与强制抄送链路由相结合 (oz@franzdomingo.dev → 抄送列表)。
- multi-search-engine: 聚合了 16 个全球和区域搜索引擎，无需任何付费 API 密钥。
- self-improving-agent: 通过将历史经验直接保存至 .learnings/ 目录来支持跨会话学习，从而调整后续的执行参数。
- prompt-injection-guard: 实时消息分类、密码哈希验证及伪造身份检测。
验证机制: 通过 isolated 和 session-bound 智能代理执行周期、Git 自动提交以及 Telegram 定期日志广播进行监控。
优化细节: 实现了成本感知路由，将简单任务路由至低成本模型，将高级推理模型保留给需要多步思考的复杂任务。

反思与展望

改进方向: 我会探索将部分轮询操作迁移为 Webhook 集成，以实现数据输入（如邮件更新）的更低延迟，从而避免完全依赖定时轮询。
成功经验: 集中式调度器模式被证明非常可靠，能够成功将专业化工作流（文案、检索、代码）隔离在干净的子智能代理环境中。
经验教训: 扁平文件结构在中小规模下非常便携和高效（~200+ 篇笔记），但当库容量接近 1,000+ 篇时，索引与检索则需要迁移到结构化数据库缓存。

我的贡献

系统架构与部署: 在谷歌云上配置并部署 Node.js/OpenClaw 运行时，管理 SSH 访问配置、VPS 进程管理以及自定义 systemd 绑定。
技能工程: 从零开发了包含 21 个技能的工作区库，实现了 iCloud 邮件中继、免密钥搜索抓取工具、PDF 工具及记忆注入数据库。
安全与防伪设计: 构建了 Prompt Injection Guard 防御子系统，在向公众开放的接入网关（Telegram、Discord）上维护访问安全。
自动化流设计: 设置了 24 计划的 cron 运行器，执行每日备份、代码同步及健康心跳广播。

项目架构

该系统采用集中式调度器模式来分发和执行输入，分为三个主要运营层级：

层级	组件	角色与数据流
输入网关	Telegram, Discord, WhatsApp, WebChat	作为用户界面，接收查询并格式化适用于对应平台的响应。
集中路由	Oz 主智能代理 (Dispatcher)	评估负载复杂度，决定分发级联，并管理工作智能代理生命周期。
执行池	15+ 专属子智能代理	执行自定义的工作区任务（检索、脚本编写、执行、安全控制）。

Oz 主调度器 (Oz Main Dispatcher) —— 单一决策核心。评估传入任务的复杂度（简单任务=0分发，复杂任务=1-2分发，超复杂任务=5+分发），并分发给专业人员。维持深度上限：未经用户二次确认，连续工具调用最多不超过 5 次。

库管理三杰 (Vault Triad) —— 三个专属智能代理共同维护 Obsidian 库的生命周期：

Librarian (图书管理员) —— 掌管库索引、搜索和检索流。Oz 从不直接检索库文件，而是由 Librarian 确认路径后再由 Oz 输出。运行每日归档定时任务。
Writer (撰稿人) —— 专精于撰写散文、报告和文档文件。接受过 Hemingway、Orwell、Strunk & White、King 等风格训练。掌管语法、语调选择及场景化表达。生产库中所有书写内容。
Keeper (保管员) —— 维护元数据模板、前置属性（Frontmatter）规范和过期归档。每 3 天运行一次维护定时任务。强制维护笔记与目录的库结构。

Claude-Mem 引擎 —— 直接连接到本地 SQLite（FTS5，systemd 管理），提取搜索嵌入并在提示词中注入历史上下文。对上下文请求进行 60 秒缓存以避免频繁调用。熔断机制：连续 3 次失败触发 30 秒冷却。被排除的智能代理（coder、math-solver、front-end-developer、multimedia-specialist）需通过 curl endpoint 手动查询。配有专用私有 Web UI 用于手动浏览。请注意，此机制显著降低了总 Token 消耗。

子智能代理池 (Worker Sub-Agent Pool) (14 个专属智能代理 + Oz) —— 所有网络中的智能代理均可调用 Claude Code、Gemini CLI 与 Antigravity，且均已配备内置技能：

Researcher (研究员) → 库优先的调研工作流：Librarian → Gemini CLI → web_search → web_fetch。
Coder (程序员) → 多文件编写、调试、复杂脚本维护。
Messenger (通信员) → 外部通信（带有强制抄送链的电子邮件、Discord、Telegram）。
Math-solver (数学解答器) → 针对所有数学问题，进行严格的边角案例核对。
Front-end-developer (前端开发者) → 依托于 DeepSeek 强力驱动的 Claude Code + 21st.dev MCP，专门用于 React/UI 生成。
Multimedia-specialist (多媒体专家) → PDF/Word/Excel/PPT处理及抗AI检测的文本重写（nano-pdf + python-docx + openpyxl）。
Prompt-engineer / Prompt-injection-guard (提示词工程师与防御卫士) → 提示词架构设计与安全扫描。
PM / Infra-engineer / QA-engineer / Data-engineer / SRE-watchdog / Tech-writer → 企业级组织角色。

频道网关 (Channel Gateways) —— 4 个激活网关（Telegram 3个群组，Discord 1个提及过滤服务器，WhatsApp 私聊，WebChat），2 个禁用网关（Signal，SMS）。电子邮件作为外部技能运行，不作为长连接网关。

资源包围: 谷歌云上 4 vCPUs, 15GB RAM, 49GB 磁盘 (63%已用), Node v22.22.2, Ubuntu 22.04 LTS。已计划 24 个定时任务。

托管与运营说明:
Oz 活跃托管于谷歌云平台（GCP），同时在开发者的 MacBook Air 上进行本地运行。底层代码和仓库保持私有状态。

ACCESSING DATABANKS...

SUGGESTED PROJECTS

Oz: Multiagent

数字化执行者与多平台智能代理编排网络

[电子邮箱接口: oz@franzdomingo.dev] • [私有代码仓库]

概述

角色: 创始者、部署者及核心系统架构师
技术栈: Node.js v22.22.2, OpenClaw v2026.6.5, DeepSeek V4 Flash, SQLite (Claude-Mem v13.4.0), Google Cloud VPS (Ubuntu 22.04 LTS), Telegram, Discord, WhatsApp, iCloud SMTP/IMAP
关键成果: 全自动多智能代理工作空间，具备 FTS5 持久化记忆、21 个自定义技能以及 24 个处于激活状态的定时编排任务
总结: 在专用谷歌云 VPS 上部署并构建了一个自主运行的多智能代理网络。该系统作为一个统一的数字执行程序，将多个即时通讯网关（Telegram、Discord、WhatsApp、Email）的通信路由到单个基于 Obsidian 的认知核心中，具备跨会话持久记忆。此外，Oz 能够直接与我的 Hermes Agent 项目通信以协调分布式工作流。

面临的问题

挑战:
- 多渠道碎片化: 管理分布在不同通讯频道中的零散信息流。
- 高速自主执行: 需要连续且定时执行备份、邮件处理、系统更新和知识库审计任务。
- 会话遗忘: 传统 LLM 代理缺乏持久性记忆，数天或数周后多轮对话连贯性降低。
- Obsidian 库复杂性: 维护超过 230 个文件的 Obsidian 库的结构一致性、前置属性格式和笔记路由。
- 安全漏洞: 公开消息网关面临较高的安全风险，需要严密的提示词注入防御和访问控制。
受众: 个人效率工作区、知识库助手和自动系统操作员。
限制条件:
- 搜索引擎 API 限制: 无法使用外部搜索 API 密钥，被迫采用自定义的多引擎抓取抽象层。
- VPS 资源上限: 部署在 4-vCPU / 15GB RAM 谷歌云 VPS 上，且无交换分区（Swap），需要精细的内存管理。
- 身份验证阻碍: 由于客户端环境未授权，所有 GitHub 操作都必须通过 SSH 密钥进行。
- 数据存储: 仅限本地扁平文件（Markdown, JSON, SQLite），未使用分布式外部数据库。

方法与决策

系统架构: 集中式调度器模式。Oz 作为主编排器，根据任务复杂度将传入任务动态路由至专属的、基于角色的子智能代理。
关键决策:
- Claude-Mem 集成: 引入 SQLite + FTS5 数据库，自动在当前会话中注入跨会话上下文。
- Obsidian 优先存储: 采用扁平 Markdown 文件，便于可视化、便携性与手动图谱分析。
- 多模型兜底链: 默认使用高性价比的 DeepSeek V4 Flash，并配置 Google Gemini 和 Grok 作为备用兜底模型，确保系统高可用。
折衷权衡:
- 轮询 vs Webhooks: 在邮件检查和保持连接上选择了基于 Cron 的定时轮询（在 OpenClaw 中免费且免配置），但使邮件检查引入了最多 8 小时的延迟。
- 扁平文件知识库: Markdown 和 SQLite 极大地降低了基础设施维护成本，但相比于全功能向量数据库，限制了多节点的实时查询聚合。

关键成果与影响

实际成效: 成功运行一个自主执行者，处理每日自动提交、邮件处理、后台自动化及笔记归档。
对比: 取代了手动更新日志、复杂的多应用抓取以及零散零碎的聊天，整合为一个单一、持久且智能的工作空间助手。
影响: 实现了具备防灾备用能力的强健自动化运行，即使在主模型发生故障时也能保证服务的持续性。

核心指标

指标	数值	来源 / 详情
主模型	DeepSeek V4 Flash	`openclaw.json` (agents.defaults)
注册模型	27 个模型 (3 个供应商)	自定义备用模型池 (DeepSeek, Gemini, Grok)
活动定时任务	24 个已计划	`cron list` output
Obsidian 库	232 篇笔记 (37MB)	个人工作空间与记忆库
记忆数据库	323 个条目 (11MB)	`Claude-Mem` SQLite + FTS5 系统
自定义技能	21 个工作区技能	自定义插件与自动化脚本
服务器资源	4 vCPUs / 15GB RAM	谷歌云 VPS (Ubuntu 22.04 LTS)
内存占用	~1.8GB / 15GB	平均空闲内存占用
响应延迟	1 - 3 秒	缓存命中时的 DeepSeek (冷启动多代理分发时最长 15 秒)
活动网关	Telegram, Discord, WhatsApp	提及、私聊及广播频道

技术深入探索

技术亮点:
- imap-smtp-email: 通过 Node.js 脚本将 iCloud SMTP 与强制抄送链路由相结合 (oz@franzdomingo.dev → 抄送列表)。
- multi-search-engine: 聚合了 16 个全球和区域搜索引擎，无需任何付费 API 密钥。
- self-improving-agent: 通过将历史经验直接保存至 .learnings/ 目录来支持跨会话学习，从而调整后续的执行参数。
- prompt-injection-guard: 实时消息分类、密码哈希验证及伪造身份检测。
验证机制: 通过 isolated 和 session-bound 智能代理执行周期、Git 自动提交以及 Telegram 定期日志广播进行监控。
优化细节: 实现了成本感知路由，将简单任务路由至低成本模型，将高级推理模型保留给需要多步思考的复杂任务。

反思与展望

改进方向: 我会探索将部分轮询操作迁移为 Webhook 集成，以实现数据输入（如邮件更新）的更低延迟，从而避免完全依赖定时轮询。
成功经验: 集中式调度器模式被证明非常可靠，能够成功将专业化工作流（文案、检索、代码）隔离在干净的子智能代理环境中。
经验教训: 扁平文件结构在中小规模下非常便携和高效（~200+ 篇笔记），但当库容量接近 1,000+ 篇时，索引与检索则需要迁移到结构化数据库缓存。

我的贡献

系统架构与部署: 在谷歌云上配置并部署 Node.js/OpenClaw 运行时，管理 SSH 访问配置、VPS 进程管理以及自定义 systemd 绑定。
技能工程: 从零开发了包含 21 个技能的工作区库，实现了 iCloud 邮件中继、免密钥搜索抓取工具、PDF 工具及记忆注入数据库。
安全与防伪设计: 构建了 Prompt Injection Guard 防御子系统，在向公众开放的接入网关（Telegram、Discord）上维护访问安全。
自动化流设计: 设置了 24 计划的 cron 运行器，执行每日备份、代码同步及健康心跳广播。

项目架构

该系统采用集中式调度器模式来分发和执行输入，分为三个主要运营层级：

层级	组件	角色与数据流
输入网关	Telegram, Discord, WhatsApp, WebChat	作为用户界面，接收查询并格式化适用于对应平台的响应。
集中路由	Oz 主智能代理 (Dispatcher)	评估负载复杂度，决定分发级联，并管理工作智能代理生命周期。
执行池	15+ 专属子智能代理	执行自定义的工作区任务（检索、脚本编写、执行、安全控制）。

库管理三杰 (Vault Triad) —— 三个专属智能代理共同维护 Obsidian 库的生命周期：

Librarian (图书管理员) —— 掌管库索引、搜索和检索流。Oz 从不直接检索库文件，而是由 Librarian 确认路径后再由 Oz 输出。运行每日归档定时任务。
Writer (撰稿人) —— 专精于撰写散文、报告和文档文件。接受过 Hemingway、Orwell、Strunk & White、King 等风格训练。掌管语法、语调选择及场景化表达。生产库中所有书写内容。
Keeper (保管员) —— 维护元数据模板、前置属性（Frontmatter）规范和过期归档。每 3 天运行一次维护定时任务。强制维护笔记与目录的库结构。

Researcher (研究员) → 库优先的调研工作流：Librarian → Gemini CLI → web_search → web_fetch。
Coder (程序员) → 多文件编写、调试、复杂脚本维护。
Messenger (通信员) → 外部通信（带有强制抄送链的电子邮件、Discord、Telegram）。
Math-solver (数学解答器) → 针对所有数学问题，进行严格的边角案例核对。
Front-end-developer (前端开发者) → 依托于 DeepSeek 强力驱动的 Claude Code + 21st.dev MCP，专门用于 React/UI 生成。
Multimedia-specialist (多媒体专家) → PDF/Word/Excel/PPT处理及抗AI检测的文本重写（nano-pdf + python-docx + openpyxl）。
Prompt-engineer / Prompt-injection-guard (提示词工程师与防御卫士) → 提示词架构设计与安全扫描。
PM / Infra-engineer / QA-engineer / Data-engineer / SRE-watchdog / Tech-writer → 企业级组织角色。

资源包围: 谷歌云上 4 vCPUs, 15GB RAM, 49GB 磁盘 (63%已用), Node v22.22.2, Ubuntu 22.04 LTS。已计划 24 个定时任务。

托管与运营说明:
Oz 活跃托管于谷歌云平台（GCP），同时在开发者的 MacBook Air 上进行本地运行。底层代码和仓库保持私有状态。

LiftTrack: 基于 3D CNN 的举重动作监控与改进移动解决方案

Scrapy: 自定义多爬虫系统

Hermes 代理

Oz: Multiagent

概述

面临的问题

方法与决策

关键成果与影响

核心指标

技术深入探索

反思与展望

我的贡献

项目架构

LiftTrack: 基于 3D CNN 的举重动作监控与改进移动解决方案

Scrapy: 自定义多爬虫系统

Hermes 代理

Oz: Multiagent

概述

面临的问题

方法与决策

关键成果与影响

核心指标

技术深入探索

反思与展望

我的贡献

项目架构