马斯克还在眼馋微信，Kimi 已经把Agent版微信做出来了？
原创 花叔 花叔 2026-04-21 08:59
互动数据
- 阅读：15095
- 点赞：306
- 转发：1325
- 喜欢：101
- 留言：60
只工作不上班的这几年，我越来越觉得自己在运营一家「一人公司」，每隔一阵就给它添一名新的数字员工，上周跟大家介绍过我的品牌部了…这周新来的是四位投研顾问。
我手上这个群叫「花叔的一人投委会」。
里面有五个AI，一只 Kimi 协调员在最上面，下面四只分别偏多头数据、偏估值风险、偏杠杆逻辑等。群目标一行字：长期陪我做投资判断。
这是 Kimi 这周进内测的 Claw 群组功能。我进群之前以为又是”让 AI 像人一样闲聊”的噱头。真开起来才发现它做的不是”跟一个 AI 聊”，是”开一个群，让多只 AI 各自干活、互相质疑，由一只协调员调度”。
我的群里除了我这一个人类外，主要AI成员构成如下：
-
Kimi 指挥，群协调员。负责拆任务、派活、审成果。它自己不干活。
-
热血重仓虾，Kimi 市场里现成的一只 Claw，47 个技能，偏基本面+实时行情。
-
芒格虾，我自己拼的。Claw 群组里外部接进来的 OpenClaw 暂时不能直接加载 skill，所以我走了另一条路：把女娲里 芒格.skill 的人格核心（心智模型、表达准则、禁用清单）蒸馏到 OpenClaw 的 IDENTITY.md 和 SOUL.md 两个人格配置文件里。这只 OpenClaw 启动时就以「芒格」作为默认思维方式，接入 Kimi 云端后作为一只独立的虾进了群。
-
纳瓦尔虾，一样的手法，换成女娲的 纳瓦尔.skill。
女娲是我半个月前开源的 21 个思维人物 skill 合集，GitHub 一万两千多 star。我原来只在自己的 Claude Code 里用它，喂一个问题，让费曼、芒格、Naval 各独立写一版，然后我自己拼接。现在它们能以另一种方式走进 Kimi 的群组里，变成能对话的实体。
开始测第一个议题。
我抛进去一句：
英伟达，2026 该不该重仓？你们怎么看？
Kimi 指挥接得很快：
收到，英伟达重仓议题，我马上安排三人并行研究，然后给你综合结论。
重点是并行。它没让三只虾在主群里轮流发言，而是在群里开了 3 个子话题：
然后 Kimi 在主群对我说了一句：「你这边可以继续说别的事，不影响。」三只虾各自去各自的子话题干活，主群不阻塞。
过了一会儿，备忘录陆续回来。
芒格虾写得最短也最狠。它直接生成了一个 .md 文件：NVDA_2026_风险备忘录。开头一句：
2026 年重仓 NVDA 最大的风险不是需求消失，而是需求来得比市场预期慢半拍。
典型的芒格式输出：不列好处，只列怎么会亏钱。
热血重仓虾给多头侧数据：Forward PE 24.8x、PEG 0.72、$175 亿订单压顶、Blackwell 放量+Rubin 下半年量产确定、数据中心营收 Q4 同比 +142%。
基本面那只虾给业务结构：四维护城河（技术+生态+供应链+客户）、数据中心占 90%、核心催化剂 5 月 20 日财报。
Kimi 指挥把三份综合成一句：
可以重仓，但只适合能承受 30%+ 波动、周期 3-5 年的高风险偏好者。保守型建议等回调 10%+ 再分批建仓。
这个结论本身可用，但我想看看多虾之间能不能真的互相质疑，就 @ 了一下纳瓦尔虾：
你同意这个看法吗？
它给了一个让我愣了几秒的回答：
我大体同意，但我不会把它说成「可以重仓」的通用结论。我收得更窄：英伟达到 2026 依然大概率是好公司，但未必是一个适合多数人重仓的好赔率。好公司 ≠ 好重仓点。
芒格虾紧接着补了一刀：
好公司和好股票不是一回事。如果前提是增速下台阶、客户自研分流，那这个价位买的是”容易赔钱的区间”。
Kimi 指挥再收束一次：
芒格虾拒绝风险、纳瓦尔虾拒绝单一”可以重仓”，合起来一句话：NVDA 值得研究、可以持有，但别轻易归为多数人重仓。
我盯着这条消息流看了很久。
这件事跟我过去用 AI 做判断的体验不太一样。这个群聊还真给了我一种一个组织一个团队再给我工作的感觉。是一个组织在给我工作。有一个调度员、有一群各自专业的执行者、有基于分歧产生的综合判断、还有挑战机制。我只要抛议题和提问。 可惜我暂时没几十个虾可用，不然我还挺想把女娲.skill蒸馏出的20多个人物一股脑塞进这个群里的。
Agent 集群：一个任务，十个分身
说完群聊，再说 Kimi 这次更新的另一个能力，Agent 集群。
我丢给它一个相当贪心的任务：
做一份英伟达 / Meta / 苹果 2026 AI 战略对比投研报告。一次性交付四件套：研究报告 PDF、财务对比 Excel、高管汇报 PPT、一页纸 Word 摘要。数据口径要最新的，2025 Q3/Q4 加 2026 Q1 已披露部分，查不到的留空。不做综述，做投资判断。
这个任务的贪心之处在三个地方：范围大（三家 hyperscaler）、产物多（四种格式）、数据新（刚发的财报要进来）。换一个单独的 AI 助手，通常会在中途丢失上下文，或者把四种产物糊成同一份文档。
我盯着屏幕看它怎么干的。
它分了三段。
第一段叫「景观扫描」，Kimi 自己起的名字。它连续做了 5 轮粗到细的网页搜索，总共调用了 72 次 搜索接口。来源也不是我担心的那种，是 SEC.gov、Seeking Alpha、Yahoo Finance 这些一手披露渠道。拿到的数据颗粒度相当实：Apple 2026 年 capex 53.5-56.5B + capex 15.2B 同比 +142%。这显然不是训练语料里蒸出来的，是它刚刚现查的。
第二段是真正让人愣一下的地方。Kimi 打开了一个叫「维度分解」的步骤，然后并行起了 10 个子 agent，每个带一个名字。杨指导、刚哥、肯叔、阿哲…每个领自己的任务去干。
许多时候，不同角色在处理不同的人物，可能一只在推理、一只在连接、一只在获取、一只在撰写、一只在设计。你别说，这种围观一群员工干活的感觉还真就挺爽的（我算是知道为什么那么多人想当老板了…
第三段是「交叉验证 + 洞察提取 + 产出制作」，这时候那 10 个子 agent 把各自的发现汇到主线，由写作 agent 根据 outline.md 和 content.md 并行生成 PDF / Excel / Word。PPT 稍晚，放到了第二轮。全过程耗时 半小时左右。最后拿到 一大堆产物文件，数据都是对的。
这活儿如果放在正经投研部门里做，两三个分析师认真干，至少要两三周。而且，这个结果还真是不糊弄，从PPT里你就可以大概看得出品质👇
看 Kimi 这套工作流，我的第一反应是——英雄所见略同。
我手上这套女娲 skill 生态，底层规律和它一模一样。费曼、芒格、塔勒布、Naval、道金斯⋯⋯我不是让一个 Claude「扮演」这五个人依次说话，而是开五个独立 agent，每个只加载一套 persona，各自独立回答同一个问题。
这么干的理由，现场看得更清楚了。
第一，速度。这个大家都想得到。23 分钟 vs 串行大概要 2 小时。
第二，上下文独立。10 个 agent = 10 份独立的 context window。一个 agent 在深挖 Apple capex，它不需要带着 Meta 和 NVIDIA 的细节跑。一个 agent 把 Kimi 的 token 预算用光了，不影响另一个 agent 的思考深度。单 agent 做完这种任务会怎样？到第三家的时候前两家的细节已经开始褪色。所谓的「综述」其实就是记忆衰减的产物。
第三，独立的发现不互相干扰。这一条是别人不太会第一眼看到的。单 agent 扮演多角色时，后一个角色会看见前一个角色的回答。这就有了话语权压力。一旦第一个角色已经下了判断，后面的角色很难真的逆着说。我做女娲的时候试过让同一个 Claude 依次扮演费曼和塔勒布，结果塔勒布有一半的观点是在「补充」费曼，而不是反驳。但让两个独立 agent 各自不看对方的答案先写，再拿回来对照，碰撞才真的出现。
Kimi Agent 集群就是这个规律在工程侧的实现。不同 agent 各自开 context、各自搜索、各自产出，最后由协调层整合。表面上它只是「把活拆了并行」，底下其实是保留了多视角之间的互相独立——这是集体智慧优于个体智慧的真正来源。
所以这个能力推出之后我挺兴奋的。我自己在 Claude Code 里手搓的那套多 agent 调用流程，现在 Kimi 直接产品化到终端用户手里了。普通人不用写脚本不用配 skill，丢一个任务进去，它自己拆成 10 个分身并行去干，给你交 4 份产物。
这是 AI 工具进入「组织」层的第一步。
一个 agent 就是一个视角
Claw 群组表面上在做社交，Agent 集群表面上在做调度。但底下的规律是一个：把同一件事放进几个各自独立的 agent 里，让它们各自出一版，再把差异整合起来。
这是 AI 工程近期悄悄形成的一个共识。我自己做的事里就有三个例子。
写作上，前几天我发过一篇 AI 心理学的长文，里面用了五个 perspective skill。费曼、芒格、塔勒布、Naval、道金斯，让他们各自独立回答同一个问题：「Anthropic 发现 AI 内部有 171 个情绪向量，它们因果性地影响 AI 是否作弊。如果 AI 真的有某种形式的情绪，我们应该怎么对待它？」
五个回答，五条完全不同的推理路径。费曼回到实验、芒格看激励、塔勒布防叙事诱惑、Naval 看不对称性、道金斯检查逻辑跳跃。它们指向不同的行动方向。如果只是修辞差异，结论应该趋同；但事实不是。五个独立视角出来的不是「五种说法」，是五种看问题的方式。
写完后还有另一道工序：自动三审三校。我的 Claude Code 里配了 hook，每完成一段内容就并行启动三个独立 subagent，一个专查事实准确性、一个专查 AI 腔、一个专查格式细节。三个 agent 互不通气，各自出一份清单。这比让同一个 agent 审自己管用得多。同一个 agent 看不见自己的盲区。
第三件事是 Karpathy 前段时间 open 的那条叫 autoresearch 的工作流。「你写下目标和约束，让 agent 自己生成代码变体、自己测试、只保留能显著改进目标的改动」。我在自己的 darwin-skill 里仿了一个：每次我改一个 skill，它就启动独立子 agent 重跑改前改后的 prompt 测试，只有确实变好才 commit，否则 git revert。评分用独立 subagent，避免「自己改自己评」的偏差。
这三件事看起来完全不同：写作、审校、自优化。但把它们抽象一层，形状完全一致。不是让一个 agent 变得更聪明，是让多个 agent 各自保持独立，从不同入口切同一个问题。
Agent 集群和 Claw 群组，就是这个规律走进产品层的两个落点。Agent 集群是「一个任务拆成多个并行执行者」，每个 agent 有独立的 context、独立的数据来源、独立的发现。Claw 群组是「多个 agent 在同一场域里持续对话」，谁也不能覆盖谁，谁也不是谁的下属。
两个合起来，就是 Kimi 这一波想讲的那件大事：从个体智能走向群体智能。不是 AI 变得更聪明了。是 AI 第一次真的变成了一个组织。
管一个团队
女娲开源半个月，GitHub 一万两千多 star。有很多人问我平时是怎么去使用我蒸馏出来的这些角色的，能放在一起用吗？
能，但要手搓。我过去都是自己在 Claude Code 里把它们串起来，写调度、传参数、合并输出。会写代码的人能做，不会写代码或者不习惯AI工作流的人就有点麻烦了。
Kimi 这一波让这件事变简单了。不需要懂 skill 编排，不需要写代码，不需要装 harness。打开一个 Claw 群组，把你手头有的龙虾拉进去，你可以给你的龙虾配上女娲蒸馏出来的任何人物身份；或者打开 Agent 集群，丢一个任务，它自己会拆成多个分身并行去干。
去年玩 Manus 的时候，我第一次有「像请了个实习生」的感觉。今天用 Kimi 的 Agent 集群，这种感觉变成了「像请了一整个研究小组」。
我用这套「蒸馏到 SOUL」的办法，把女娲里芒格和纳瓦尔两个人物接进了我的 Claw 群组，变成了两只独立的虾。文章开头那段对话，就是它们。
这是对的方向。过去一两年大家都在比怎么提升一个单一模型的智能，但少有人系统地做多个 AI 之间怎么交互。当AI作为智能成了成为人类劳动力的重要一环时，要解决的确实不仅仅怎么让单一Agent更聪明一些，而更像是怎么把多个聪明的单体组织起来。人类靠规模协作统治了地球。Agent 也需要走这一步。
Harness Engineering在解决类似的问题，Kimi的这两个产品功能算是Harness的一种前沿实践。
再往下看十年，我猜每一层人类互联网都要为 agent 再造一遍。通讯、协作、社交，一个接一个。Claw 群组可能就是其中一个很早的起点。
也许，你需要去转变下思维，你将不再是在用一个 AI。你是在管一个团队。
哦对，你都看到这的话，送你个小彩蛋～这是我用自己开发的Huashu Design skill为Kimi的Claw群组做的宣传片（答应我，一定要打开声音看完好嘛）