企业官网建设流程全解析

1. 项目概述：从单兵作战到AI团队协作的革命

如果你和我一样，是个独立开发者、自由职业者，或者经营着一家“一人公司”，那你肯定对这种感觉不陌生：每天在各种聊天工具、任务列表和代码编辑器之间来回切换，处理客户咨询、写代码、做设计、写文档，恨不得自己有三头六臂。传统的AI助手虽然能帮点忙，但往往只能单线程工作，你让它写代码，它就写代码；你让它改文档，它就改文档。一旦任务复杂起来，需要多个“专家”协同，你就得自己扮演项目经理，在同一个聊天窗口里对不同角色发号施令，上下文混乱不说，效率也大打折扣。

TinyAGI的出现，就是为了解决这个痛点。它不是一个简单的聊天机器人，而是一个多智能体、多团队、多通道的24/7 AI助手编排器。你可以把它理解为你个人数字公司的“CEO”或“中控系统”。它的核心思想是：为不同的任务创建不同的、专业化的AI“员工”（Agent），让它们在一个统一的平台上协同工作，而你，作为“老板”，只需要下达指令，或者通过一个统一的界面（Web门户、Discord、Telegram等）与整个“公司”互动。

想象一下这样的场景：你在Discord上对团队说“@dev 修复认证模块的bug”。这条指令会被TinyAGI捕获，并路由给“开发团队”的队长“coder”Agent。coder在自己的独立工作空间里分析问题、修改代码。修复完成后，它可以在回复中提及“@writer 请为这个改动更新API文档”。TinyAGI会自动识别这个提及，将任务接力给“writer”Agent。writer生成文档后，可能还会@“reviewer”进行审核。最终，一个整合了代码修复和文档更新的完整回复，会通过Discord发送回给你。整个过程，你只发了一条指令，但背后是一个由多个AI智能体组成的流水线在为你工作。

这就是TinyAGI带来的范式转变：从与一个“通才”AI对话，转变为管理和调度一个由“专家”AI组成的团队。它特别适合需要多领域协作的复杂项目，比如全栈开发（前端、后端、测试）、内容创作（写作、编辑、排版）、甚至是个人事务管理（日程、邮件、提醒）。接下来，我将带你深入拆解这个强大工具的设计思路、核心功能以及我实际部署和使用中的全部细节与避坑经验。

2. 核心架构与设计哲学解析

2.1 为什么是“多智能体”而非“单模型”？

很多AI工具追求的是更大、更通用的模型，希望一个模型解决所有问题。TinyAGI反其道而行之，它认为专业化分工才是效率的关键。一个擅长写诗的AI，未必擅长调试Python代码；一个精通法律条款的AI，可能对UI设计一窍不通。通过创建多个Agent，你可以为每个Agent配置不同的：

1. AI提供商和模型：让“coder”使用Claude Code或GPT-4 Turbo for Code，让“writer”使用Claude Sonnet或GPT-4o，让“designer”使用Midjourney的提示词专家模型（通过自定义提供商）。物尽其用，成本与效果最优。
2. 系统提示词（Prompt）与工作上下文：每个Agent有独立的.claude配置目录和heartbeat.md文件。你可以为“coder”设定严格的代码规范和测试要求，为“writer”设定品牌语音和文档模板。它们的学习和记忆不会互相污染。
3. 独立的工作空间（Workspace）：这是TinyAGI最精妙的设计之一。每个Agent在文件系统中有自己专属的目录（如~/tinyagi-workspace/coder）。当它处理任务时，相关的代码文件、文档草稿、临时数据都存放在这里。这意味着“coder”不会意外覆盖“writer”的文件，也便于你做版本管理和备份。

这种架构带来的直接好处是上下文隔离与任务并行。你可以同时让“coder”修复一个紧急bug，让“writer”起草下周的博客，让“assistant”整理你的收件箱。它们互不干扰，齐头并进。

2.2 消息队列：系统稳定性的基石

所有从Discord、Telegram、WhatsApp、Web门户或API进入的消息，首先会被放入一个基于SQLite的持久化消息队列。这个设计是TinyAGI能够7x24小时稳定运行的关键，它解决了几个核心问题：

• 原子性与可靠性：使用SQLite的WAL（Write-Ahead Logging）模式，确保即使在进程意外崩溃时，消息也不会丢失或处于半处理状态。每条消息的“待处理”、“处理中”、“已完成”或“死信”状态变更都是一个事务。
• 流量削峰与顺序保证：当大量消息瞬间涌入时，队列起到了缓冲作用。更重要的是，对于同一个Agent，消息严格按照入队顺序处理，保证了对话上下文的连贯性。不同Agent之间的消息则可以并行处理。
• 重试与死信管理：如果某个Agent处理消息时失败（例如，AI API暂时不可用），系统会自动重试（默认最多5次）。超过重试次数后，消息会进入“死信队列”，方便你后续排查问题，而不是被静默丢弃。

实操心得：在实际使用中，我曾因为网络波动导致Claude API调用失败。得益于队列的重试机制，消息在几分钟后网络恢复时被自动重新处理，用户端完全无感知。你可以通过tinyagi logs queue命令实时监控队列状态，这对排查生产环境问题极其有用。

2.3 团队（Teams）与聊天室（Chatroom）：协作的粘合剂

单个Agent能力再强，也离不开协作。TinyAGI的“团队”功能就是将多个Agent组织起来，实现复杂工作流。

• 链式执行（Chain Execution）：这是最常用的模式。你向一个团队发送消息，消息会先路由到该团队的“领导Agent”（leader_agent）。领导Agent在处理过程中，可以在其回复中通过[@teammate_id ...]的格式提及队友。TinyAGI会识别这些提及，自动将相关上下文和任务传递给被提及的队友，形成处理链。
• 并行扇出（Fan-out）：领导Agent也可以在一次回复中同时提及多个队友，TinyAGI会并行地调用这些队友，最后将结果汇总。这适合需要多角度评审的场景。
• 持久化团队聊天室：每个团队都有一个专属的、Slack风格的异步聊天室。任何Agent（包括通过CLI手动交互的你）都可以向聊天室发送消息，所有团队成员都能看到。这是团队内部讨论、同步进度的绝佳场所。通过tinyagi chatroom <team_id>命令，你可以在终端打开一个实时TUI（终端用户界面）来查看和参与讨论。

这种设计模拟了真实团队的协作模式：有明确分工，有内部沟通渠道，可以灵活地串联或并联任务。

3. 从零开始：完整部署与配置指南

3.1 环境准备与一键安装

TinyAGI对系统要求很宽松，macOS、Linux和Windows（通过WSL2）都能完美运行。核心依赖是Node.js v18或更高版本。

安装步骤：

1. 一键安装（推荐）：打开终端，执行以下命令。这是最省心的方法，脚本会自动处理所有依赖和全局命令安装。

   curl -fsSL https://raw.githubusercontent.com/TinyAGI/tinyagi/main/scripts/install.sh | bash

   安装完成后，直接运行tinyagi。首次运行会执行一系列初始化操作：创建默认配置文件（~/.tinyagi/settings.json）、初始化SQLite数据库、创建默认工作空间（~/tinyagi-workspace）和默认Agent（名为tinyagi），最后启动守护进程并自动在浏览器中打开TinyOffice管理门户。

2. 从源码安装（适合开发者）：如果你想贡献代码或体验最新特性，可以克隆仓库。

   git clone https://github.com/TinyAGI/tinyagi.git cd tinyagi npm install npm run build # 使用npx运行本地构建的版本 npx tinyagi start

3. Docker部署（适合追求环境隔离）：项目提供了docker-compose.yml。

   # 首先，在项目根目录创建 .env 文件，填入你的API密钥 echo "ANTHROPIC_API_KEY=sk-ant-xxx" > .env # 启动容器 docker compose up -d

   Docker方式会将数据持久化在名为tinyagi-data的卷中，API服务运行在http://localhost:3777。

注意事项：无论哪种安装方式，请确保你的网络环境能够正常访问Anthropic（Claude）或OpenAI的API。如果使用自定义提供商，则需要确保能访问对应的端点。

3.2 核心配置详解：打造你的AI团队

安装完成后，大部分配置可以通过Web门户（TinyOffice）的图形界面完成，但理解其背后的配置文件~/.tinyagi/settings.json能让你更有掌控力。

1. 配置AI提供商（Provider）这是让Agent“动起来”的第一步。TinyAGI支持原生集成Anthropic Claude和OpenAI，也支持任何兼容它们API格式的自定义端点（如OpenRouter、LocalAI等）。

• 为内置提供商添加密钥：无需在环境变量中设置，TinyAGI提供了更安全的管理方式。

  # 设置Anthropic Claude的密钥（优先使用OAuth Token，更稳定） tinyagi provider anthropic --oauth-token sk-ant-oat01-... # 或者使用API Key tinyagi provider anthropic --api-key sk-ant-... # 设置OpenAI的密钥 tinyagi provider openai --api-key sk-...

  这些密钥会被加密存储在配置文件中，并且只会在运行相关Agent时动态注入到其进程环境里，安全性更高。

• 添加自定义提供商：假设你有一个部署在本地或第三方平台的兼容API。

  tinyagi provider add

  根据交互提示输入信息，例如：

  • Provider ID:my-local-llm
  • Name:My Local LLM
  • Harness (选择claude或codex，取决于API格式):claude
  • Base URL:http://localhost:8080/v1
  • API Key:your-key-here
  • Default Model:my-model

2. 创建你的第一个专业化Agent默认的tinyagiAgent是个通才。我们来创建一个专门写代码的Agent。

tinyagi agent add

交互式流程会引导你：

• Agent ID:coder(用于在聊天中@它)
• Name:代码专家
• Provider: 选择刚才配置的anthropic或custom:my-local-llm
• Model: 根据提供商选择，例如claude-3-5-sonnet-20241022
• Working Directory: 默认会在~/tinyagi-workspace下创建coder目录，保持默认即可。

创建完成后，查看其配置：tinyagi agent show coder。你会发现，TinyAGI自动在该Agent的工作目录下初始化了.claude/配置文件夹和heartbeat.md模板。你可以去编辑~/tinyagi-workspace/coder/.claude/config.json，为它设定更专业的系统指令，比如“你是一个资深Python后端工程师，严格遵守PEP8规范，所有代码必须包含单元测试。”

3. 组建团队（Team）单个Agent力量有限，让我们把“coder”和另一个负责代码审查的“reviewer”Agent组成团队。

# 首先创建 reviewer Agent tinyagi agent add # ... 交互创建，ID设为 reviewer，可以选择更擅长分析的模型，如 claude-3-opus-20240229 # 创建开发团队 tinyagi team add # 交互流程： # - Team ID: dev # - Name: 开发部 # - 从列表中选择成员: coder, reviewer # - 选择领导Agent: coder

现在，当你向@dev发送消息时，会先由coder处理，并且coder可以在回复中通过[@reviewer ...]来调用审查。

4. 配置通信渠道（Channel）要让AI团队能通过Discord、Telegram等与你互动，需要配置对应的机器人。

tinyagi channel setup

这是一个交互式向导，会引导你配置各个渠道。以Discord为例：

1. 前往 Discord开发者门户 创建应用和机器人。
2. 在Bot页面，复制Token。
3. 务必在“Privileged Gateway Intents”下开启MESSAGE CONTENT INTENT，否则机器人无法读取消息内容。
4. 在OAuth2 -> URL Generator中，勾选bot权限和Read Messages/View Channels、Send Messages等必要权限，生成邀请链接，将机器人加入你的服务器。
5. 在TinyAGI的配置向导中粘贴Token即可。

Telegram和WhatsApp的配置过程类似，按照CLI的QR码或指引操作即可。

避坑指南：渠道配置中最常见的问题是权限不足或Token错误。对于Discord，MESSAGE CONTENT INTENT没开是消息无法触发的首要原因。对于WhatsApp，如果扫码后长时间无法连接，可以尝试tinyagi channels reset whatsapp重置会话，然后重新扫码。

4. 实战演练：构建一个自动化内容生产流水线

理论讲完了，我们来实战。假设你运营一个科技博客，需要定期生产“技术评测 -> 大纲 -> 文章撰写 -> 社交媒体摘要”的内容。我们可以用TinyAGI搭建一个全自动流水线。

4.1 创建专属Agent团队

首先，创建四个专业Agent：

1. analyst（分析师）：负责分析产品官网、文档，提炼核心特性和优缺点。Provider:anthropic, Model:claude-3-5-sonnet。系统提示词可设为：“你是一个敏锐的技术产品分析师，擅长从官方资料中提取关键信息，并以结构化列表形式呈现优缺点。”
2. outliner（大纲师）：根据分析结果，撰写详细的文章大纲。Provider:anthropic, Model:claude-3-5-sonnet。提示词：“你是一名经验丰富的技术编辑，擅长将零散信息组织成逻辑清晰、吸引读者的文章大纲，确保涵盖引言、核心内容、深度分析、总结等部分。”
3. writer（撰稿人）：根据大纲撰写完整文章。Provider:openai, Model:gpt-4o。提示词：“你是一名优秀的科技博客作者，文风生动、专业且易懂。请根据提供的大纲，撰写一篇超过1500字的深度文章，适当加入小标题和重点强调。”
4. summarizer（摘要员）：将长文章浓缩成适合Twitter/LinkedIn的短文案和话题标签。Provider:anthropic, Model:claude-3-haiku-20240307（成本低，速度快）。提示词：“你是一名社交媒体专家，擅长将长文提炼成3-5个要点，并生成吸引眼球的短文案和3个相关话题标签。”

接着，将它们组成一个团队：

tinyagi team add # Team ID: content # Name: 内容生产团队 # Agents: analyst, outliner, writer, summarizer # Leader Agent: analyst

4.2 设计协作流程与触发

我们设计一个链式流程：analyst->outliner->writer->summarizer。 关键在于如何让它们自动接力。我们需要在每个Agent的“工作流意识”上下功夫。编辑每个Agent工作目录下的.claude/config.json，在系统指令末尾添加协作说明：

• 对于analyst：“...你的分析结果将交给大纲师outliner。请在回复末尾明确标注[@outliner 这是关于XXX产品的分析，请据此起草文章大纲。]”
• 对于outliner：“...你收到的是分析师analyst的产出。请基于此制作大纲，并交给撰稿人writer。请在回复末尾标注[@writer 这是文章大纲，请开始撰写。]”
• 对于writer：“...你收到的是大纲师outliner的产出。请撰写文章，并交给摘要员summarizer。请在回复末尾标注[@summarizer 文章已写完，请生成社交媒体摘要。]”
• 对于summarizer：“...你收到的是撰稿人writer的完整文章。请生成摘要，任务即完成。”

4.3 通过TinyOffice实现任务看板管理

启动TinyOffice：tinyagi office，打开浏览器进入http://localhost:3000。

1. 在“Tasks”看板中，新建一个任务，标题为“评测：新一代AI笔记本X1”，描述中放入产品官网链接。
2. 将任务拖到“进行中”列，并分配给“content”团队。
3. 在“Chat Console”中，你可以直接输入：“@content 请开始处理‘评测：新一代AI笔记本X1’这个任务，这是产品链接：[链接]”。

接下来，奇迹发生了：

1. 消息进入队列，路由给content团队的领导analyst。
2. analyst在自己的工作空间里打开链接，开始分析，完成后在其回复中提及@outliner。
3. TinyAGI自动将analyst的回复连同上下文传递给outliner。
4. outliner撰写大纲，提及@writer。
5. writer撰写长文，提及@summarizer。
6. summarizer生成最终摘要。
7. 整个流程的所有中间输出和最终摘要，都会自动发布到content团队的持久化聊天室中。你可以在TinyOffice的“Chat Rooms”页面，或通过CLI命令tinyagi chatroom content实时观看整个协作过程，就像在看一个异步的Slack频道。

4.4 利用Heartbeat实现定期检查与提醒

Heartbeat（心跳）是让Agent主动工作的机制。每个Agent工作目录下都有一个heartbeat.md文件，你可以定义定期自检的任务。 编辑~/tinyagi-workspace/writer/heartbeat.md：

检查以下事项，如有需要则采取行动： 1. 在TinyOffice的“Tasks”看板中，是否有分配给“writer”或“content”团队且状态为“进行中”的任务？ 2. 我是否有没有完成的写作任务？（检查我工作空间下的`todo.md`文件） 3. 如果有，请继续工作。如果没有，请休息。

系统会每隔一段时间（默认1小时，可在settings.json的monitoring.heartbeat_interval中配置）以该文件为提示，触发一次Agent。这样，即使你没有主动@它，它也会自动检查并推进任务。

5. 高级技巧与故障排查实录

5.1 自定义提供商（Custom Provider）的深度应用

自定义提供商是TinyAGI连接广阔AI生态的桥梁。除了对接OpenRouter这样的聚合平台，还有更进阶的用法：

场景一：负载均衡与故障转移你可以在settings.json中配置多个指向同一服务但不同实例的提供商。

"custom_providers": { "llm-api-1": { "name": "备用节点A", "harness": "claude", "base_url": "https://api-a.your-llm.com/v1", "api_key": "key-a" }, "llm-api-2": { "name": "备用节点B", "harness": "claude", "base_url": "https://api-b.your-llm.com/v1", "api_key": "key-b" } }

然后，你可以手动切换Agent的提供商，或者在编写一个简单的插件，在检测到某个提供商超时时，自动将Agent的提供商切换到备用节点。

场景二：成本与性能优化为不同优先级的任务分配不同成本的模型。将“summarizer”这类轻量、高并发的任务分配给便宜的Haiku模型（通过自定义提供商指向Anthropic），将“coder”这类核心任务分配给强大的Opus模型。只需在创建或修改Agent时指定不同的提供商即可。

5.2 插件系统（Plugin）扩展能力

TinyAGI的插件系统允许你在消息处理的生命周期中注入自定义逻辑。插件放置在~/.tinyagi/plugins/目录下，一个简单的插件示例：

// ~/.tinyagi/plugins/my-filter.js export default { // 在消息入队前触发 async beforeEnqueue(message, context) { // 例如：过滤掉包含敏感词的消息 if (message.text.includes('[广告]')) { console.log(`Filtered out message from ${message.senderId}: contains ad`); return false; // 返回false将阻止此消息入队 } // 可以为消息添加额外标签 message.tags = message.tags || []; message.tags.push('processed-by-my-filter'); return true; // 返回true允许消息继续 }, // 在Agent生成响应后、发送前触发 async beforeSend(response, context) { // 例如：为所有响应添加一个统一的脚注 response.text += '\n\n---\n*由TinyAGI自动处理*'; return response; } }

在settings.json中启用插件：

{ "plugins": ["my-filter"] }

插件可以用来实现消息审计、自动分类、响应格式化、第三方系统通知（如将重要任务同步到Notion）等高级功能。

5.3 常见问题与解决方案速查表

以下是我在长期使用中遇到的一些典型问题及解决方法：

一个真实的踩坑记录：我曾配置了一个团队，但coder在回复中写了[@reviewer 请检查]，却始终无法触发reviewer。后来发现，reviewer的Agent ID我设置的是code-reviewer，而coder引用时写的是reviewer，ID不匹配导致接力失败。教训：团队协作时，务必确保提及的ID与Agent配置中的ID完全一致，包括大小写。

5.4 性能调优与监控建议

• 控制并发数：默认情况下，TinyAGI会并行处理不同Agent的消息。如果你的API有速率限制，或者机器资源有限，可以通过环境变量TINYAGI_MAX_CONCURRENT_JOBS来限制全局最大并发任务数。
• 日志管理：日志默认存储在~/.tinyagi/logs/，定期清理以免占用过多磁盘空间。可以配置日志轮转，或使用tinyagi logs [type] --follow来实时跟踪特定类型的日志。
• 资源隔离：对于计算密集型或I/O密集型的自定义插件，考虑将其部署为独立的微服务，通过HTTP与TinyAGI主进程通信，避免阻塞主消息队列。
• 利用TUI可视化：tinyagi team visualize <team_id>命令提供了一个实时的终端仪表盘，可以非常直观地看到消息在团队成员间的流动状态，是调试复杂工作流的利器。

从我数月的使用体验来看，TinyAGI最吸引人的地方在于它用一种优雅且实用的方式，将多个单点AI能力编织成了一个可管理的、持续运行的智能体网络。它可能不是功能最花哨的那个，但绝对是“一人公司”或小团队将AI生产力常态化的坚实底座。你需要投入一些时间来精心设计你的Agent角色、团队流程和提示词，一旦这个数字团队开始运转，它就能7x24小时地为你处理那些重复、琐碎或需要多步骤协作的任务，而你则可以更专注于战略、创意和那些真正需要人类判断力的工作。