OpenClaw + Codex/ClaudeCode Agent Swarm: The One-Person Dev Team [Full Setup]

编译摘要

核心结论1: OpenClaw 的价值不是替代 Codex/Claude Code，而是把它们变成可编排的“专业工人”。
- 关键证据: 作者不再直接使用 Codex 或 Claude Code，而是用 Zoe 作为 orchestrator：Zoe 持有业务上下文、客户数据、会议记录、历史决策和失败经验，再把精确 prompt 分发给 coding agents。
核心结论2: 两层上下文分工是系统能跑起来的关键：orchestrator 持有业务和历史上下文，coding agent 只看代码任务。
- 关键证据: 原文明确说 context window 是 zero-sum。把 code 和 customer history 放进同一个模型会互相挤压；Zoe 负责高层策略与业务上下文，Codex/Claude Code 负责代码执行。
核心结论3: 真正的 one-person dev team 不是“自动写代码”，而是完整 PR 生命周期自动化。
- 关键证据: 每个 agent 独立 worktree 和 tmux session；registry 追踪任务状态；cron 轮询 tmux、PR、CI；Definition of Done 包括 PR 创建、main 同步、CI、三模型审查、UI 截图；人类只在 Telegram 提示后做 5-10 分钟最终 review。
核心结论4: 生产力数据背后的瓶颈转移到了验证、资源和编排。
- 关键证据: 作者展示 94 commits/天、7 PRs/30 分钟，但同时说明每个 PR 要过 Codex/Gemini/Claude review、lint/types/unit/E2E/Playwright，UI 必须有截图；硬件瓶颈则从人类时间转成 RAM 和 worktree/node_modules 并发压力。

关于生产力数字的质疑: 94 commits/天和 7 PRs/30 分钟说明吞吐，但不说明净价值。需要补充回滚率、缺陷率、客户采用、代码存活时间和人工 review 负担。
关于安全边界的质疑: Zoe 有 admin API、read-only prod DB、客户上下文和 agent spawn 权限；coding agents 又使用危险权限运行。这样的系统必须有权限分层、审计日志、密钥隔离和回滚策略，否则一人团队也可能变成一人事故源。
关于审查自动化的质疑: 三模型审查并不等于真实独立性。模型可能共享训练偏差，也可能漏掉业务语义错误；人类最终 review 仍需理解风险边界，而不能只看截图。
关于可复制性的质疑: 这套系统适合作者自己的 B2B SaaS 和 founder-led sales 节奏。迁移到强合规、多人代码库、长生命周期产品时，权限、责任和协作成本会显著上升。

对标 Agent Harness: 这篇文章提供的是 Agent-Harness 在独立创业场景的落地样本：worktree、tmux、registry、cron、CI、reviewer、Telegram notification 构成运行时壳层。
对标 Organization as Agent Harness: Zoe 相当于个人公司的组织 harness：她把客户语境、任务选择、agent 路由、质量门禁和反馈学习连接起来。
对标 Git-Fluent Agents: 每个 agent 独立 worktree、branch、PR 和清理流程，说明 Git 不是背景工具，而是多 Agent 并行的隔离层。
对标 Deployment-Product Flywheel: 作者把 feature request same-day shipping 连接到 MRR，说明 Agent 编排如果有真实客户反馈闭环，可能转化为业务飞轮；如果没有，则只是 commit 数字。