在龙虾的热度进一步升级的今天，人们讨论的话题已经从“养龙虾了吗？”变成了“养了几只虾？”而小陈给出的答案是：12只。
去年，小陈辞掉了工厂业务员的工作出来单干，做硅胶制品的tiktok跨境电商。
他每日的工作都遵循着固定的流程：Google上搜潜在客户 → LinkedIn上挖邮箱 → Gmail手动发邮件沟通 →等回复→跟进→做报价。一天下来，可以触达30-50个客户，回复率2%，月成交2-3单，月利润2万出头。而最近，他养了12只龙虾。
这些龙虾按获客流程被分成四组：
侦察组（3 只）：分别盯北美、欧洲、东南亚区域的进口商、亚马逊卖家和品牌商，并扒出他们的联系方式；
触达组（4 只）：用4种语言和风格，每天从侦察组当日名单中挑选评分最高的客户，自动生成一封个性化触达邮件并发出。
跟进组（3 只）：根据客户的不同回复情况，识别客户的意愿，采取不同的回复和跟进策略。
报价组（2 只）：根据跟进组龙虾传来的客户需求，自动生成 FOB 报价单草案并发送给客户确认。
展开剩余89%小陈只在最后出场，打一个15分钟左右的视频电话最终确认订单。
现在，小陈每日的触达量提升到了150家，邮件回复率提升至7%，月成交单数提升至8-10单，月利润提升至5万+。这一切并不是因为小陈变强了，而是他找到了杠杆。文科出身的他，没有编程背景，但他对龙虾的使用效果不输顶级程序员。秘密在于他以内测用户身份使用了ClawTroop——一款批量龙虾部署和管理工具。
ClawTroop的背后是一家成立于2025年的AI智能体基础设施公司——茉莉语境。这家公司专注于降低智能体集群的管理门槛，核心团队成员包括毕业于帝国理工学院、格拉斯哥大学、香港大学等国际知名学府的Z时代新秀，以及曾在腾讯、字节跳动等头部科技企业开创0-1产品并经历C端用户高速增长周期的行业专家。目前，该公司已获得DIG资本的百万美元级天使轮投资。（DIG（Data Intelligence Group，数据智能集团）是一家总部位于香港的AI原生风险投资基金，专注于数据智能未来社会的早期投资。）
首先需要解释的问题，就是为什么我们需要多龙虾协同，而非一只龙虾处理所有任务？
ClawTroop的产品负责人周曼对创投家表示：单只龙虾同时承担多种角色时，系统提示词会变得臃肿，不同任务的指令和上下文在同一个上下文窗口中相互干扰，导致模型的注意力被稀释，输出质量下降。而让每只龙虾专注于单一职能，配置独立的人格、行为准则和工具集，上下文更聚焦，指令冲突更少，在垂直任务上的输出准确率和一致性都会有明显提升。
而需要多智能体协作的另一个重要原因，就是针对同一个任务有不同产出风格的需求场景。比较典型的场景就是拥有多个不同风格定位的媒体矩阵的运营编辑，同一个选题下，可能需要针对账号定位和语言风格，产出多篇截然不同的文章，而仅使用一只龙虾来产出这些文章，很大概率会出现混乱。日常工作中类似的诉求还有很多，像小陈的工作流里设计的不同人格化的客服一样，多智能体协同处理可能是当下这类诉求的最优解法。
而与之相伴而生的问题，就是普通人对于多智能体的部署、调度和管理上的能力缺失。一只龙虾好养，那如果是1000只呢？
ClawTroop的诞生就是为了系统性地解决企业和power user批量喂养、使用、调度和管理龙虾的关键痛点。用户可以在这里批量创建、部署、统一管理多只龙虾，给它们设定人格、行为准则、技能等，并一次性向成百上千个龙虾下发任务，查看执行情况。
首先，ClawTroop解决了一键批量部署的问题。在各家互联网大厂纷纷下场的今天，单只龙虾的部署已经谈不上困难，但批量创建龙虾却仍是一个苦力活。ClawTroop独创了支持多只龙虾的一键线上部署功能，内测阶段最高同时为一家公司一键部署了1000只龙虾。同时，ClawTroop在部署龙虾的同时还有标签功能，用户可以通过标签给龙虾军团分组分队，方便以后批量管理和下达命令。
完成部署之后，ClawTroop还有一套流程来帮助用户去设定龙虾的背景、人格和行为准则。用户只需要写好一份统一的人格配置文件（Soul.md），选中想应用的那组龙虾，一键推送，全部设定生效。当然，如果你想让每只龙虾有不同的性格，也完全可以逐只配置。对于龙虾行为准则的设定和修改也是同样的步骤，把规则写成一份行为准则文件（Agents.md），再按标签批量推送给对应的龙虾组，全组立刻生效。
关于批量的Skill调用授权，ClawTroop也做了全面优化。内置的技能中心已经筛选出了安全和有效的常用skill，用户可以像装App一样把技能装到龙虾身上：选中“销售组”标签，把email-send和web-search拖拽进来，20只销售龙虾就同时具备了读网页和发邮件的能力。同时，ClawTroop还提供了“工具使用原则”配置（Tool.md），你可以统一规定龙虾们使用skill的条件和限制，每天最多搜索多少次、最多发多少封邮件、发邮件前必须先产出草稿和主人确认等等规矩。
到这一步，就已经配置好了所有龙虾的基础环境。接下来的工作，就是给不同分工的龙虾喂不同的语料，来保证其上下文的纯净。
在实际工作中，很多基础信息的语料是需要所有龙虾都知晓的，比如公司的产品文档、行业报告、历史案例、SOP 流程等，而某些知识和语料仅需要部分龙虾知晓，比如最新价格表和折扣体系等等。
ClawTroop针对这两类语料信息，搭建了知识库和文件管理两套体系。知识库负责储存公司和主人的所有基础信息，供所有龙虾随时检索和引用，建立统一认知基础。而文件管理功能负责差异化语料信息的批量输入，用户可以将差异化的语料文件统一导入、统一管理，然后按标签批量应用。谁能看什么，谁不能看什么，设置地清清楚楚。
与管理人类工作需要KPI/OKR/日报/月报这些工具一样，ClawTroop同样提供了批量分发指令和执行进度可视化的工具。任务中心会实时追踪每只龙虾的执行进度：谁完成了、谁还在跑、谁遇到了问题，全部可视化。用户就像一个坐在指挥台前的老板，看着仪表盘就知道整支龙虾军团在干什么。
为了服务那些还不太会拆解任务和布置工作的主人们，ClawTroop还提供了一系列开箱即用的团队模板。比如“自媒体矩阵”模版：一键创建多只龙虾，自动配好内容龙虾、选题龙虾、审核龙虾；“外贸获客”模版：侦察、触达、跟进、报价四组龙虾。
ClawTroop在设计之初还有一个更直接的初衷，就是服务企业级客户完成多员工使用龙虾的部署。
对B端客户而言，权限和安全的管理是他们最关心的部分。基于这类诉求，ClawTroop除了支持龙虾批量绑定员工，能让每个员工对应一只或多只龙虾之外，还能做到让每一只龙虾的权限完全隔离。销售看不到技术的文档，技术看不到财务的数据，每只龙虾能用什么工具、能看什么文件，全部可控。
和传统公司管理软件一样，管理者也会拥有所有数据和成本的实时看板：每只龙虾每天用了多少、花了多少钱、完成了多少任务，一览无遗。同时，系统还支持管理者设计安全防控机制，实时监控着所有龙虾的产出。如果有龙虾越权，没有按照事先约定的规矩办事，系统会自动标记并报警，管理者可以在第一时间发现问题，并进行全军修复。
而当谈到B端用户更为关心的成本问题时，周曼对我们表示：很多用户会质疑，担心多智能体会拉升的消耗量，导致投入产出比降低。但其实 消耗的核心变量是任务本身的复杂度和数量，而不是龙虾的数量。
多龙虾架构并不会额外增加开销。本质上，以前一个 AI 需要在一次超长对话里完成调研、写稿、审核、分析所有事情，上下文窗口越滚越大，后半程的每次调用都在为前面累积的上下文“买单”。ClawTroop 把这些职能拆分给不同龙虾，每只龙虾只携带与自己职能相关的上下文，单次调用所需的上下文通常也更精简，反而让消耗的负担更轻、效率更高。
根据内测客户使用ClawTroop的数据估算，自媒体场景下（3-4只龙虾协作完成热点调研、内容生成、合规审核、数据分析），单日消耗大约在 30万-50万，按国产模型价格折算不到1元/天。企业场景下（如1000只龙虾覆盖工作记录、写代码、写文档、数据分析等），单日消耗大约在1亿-1.5亿s，采用混合模型策略月成本约2-4万元。
谈及人类管理龙虾的数量上限，周曼表示，瓶颈在于龙虾之间的信息流转——不少场景下还需要用户手动检查某只龙虾的产出并传给下一只，人充当了"路由器"的角色。我们即将推出的"龙虾大总管"功能就是把用户从中间环节解放出来，让龙虾之间的任务分发和结果流转自动完成，用户只需要跟大总管沟通意图，同时有"简单的入口"和"强大的后台"。这一层跑通之后，管理半径会远大于传统的人管人的模式。
文章开头小陈的案例并非个例吉林炒股配资平台，而是人类对AI的使用已经由单个智能体迈向多智能体协作时代的缩影。这一变化不是因为个体的成长，而是工具把门槛踩平了。当批量部署、统一管理、权限隔离这些曾经的硬骨头被一一啃下，多智能体协作也就不再是极客的专利，而是每个普通人的杠杆。
发布于：北京市迎尚网提示：文章来自网络，不代表本站观点。
