3.5小时47美元，手把手搭建AI Agent村庄

一位创作者在B站分享了他从零重建AI Agent村庄的全过程：3.5小时、约47美元成本，用Claude Code搭建逻辑、Higgs Field生成美术素材，让十几个智能体在自己的房子里生活、工作、开会。这套系统不是玩具——它把日常事务真正分派给AI主管，由人类保留最终审批权。

为什么值得关注：AI Agent从工具走向组织

多数人对AI Agent的使用还停留在单次对话。这个项目的思路不同：它把智能体放进一个有空间感、有层级、有行为规则的世界里，用组织架构来管理任务流转。人类担任"首席人类官"，参谋长负责协调，各领域主管带着自己的AI员工推进工作。

作者提到的数据值得注意：他盘点每月个人事务后发现，约67%的任务可以交给智能体处理。他强调这是任务盘点的结果，并非严格测出的效率增幅。但即便打折扣，这个比例也说明个人事务中存在大量可委派的结构化工作。

这套系统的价值不在于炫技，而在于提供了一个可操作的模板：如何用提示词立规矩、如何控制成本、如何让智能体接入真实工具、如何保留人类控制权。

七个步骤拆解

第一步：搭建世界

先给智能体一个能生活的村庄。作者使用Claude Code（终端版或桌面应用均可），全程使用Opus 5.5模型演示。图像生成交给Higgs Field，通过Claude的"自定义连接器"接入其MCP地址。

关键提示词的作用是提前立规矩：作者是导演，Claude是建造者；村庄作为网页在本地电脑运行；智能体工作使用Claude订阅，生图使用Higgs Field订阅，不接入按调用收费的API密钥；任何积分消费必须先征得同意。这是控制成本的核心手段。

美术风格上，要求俯视视角、16位角色扮演游戏风格，并让之后每件素材复用同一段风格描述以保证视觉一致。地图先生成5个版本试不同历史时期风格，花费约21个积分（约1美元），但不满意。作者建议先用低分辨率草稿反复尝试，满意后再生成4K版本。

房子外观要反映住在里面的智能体负责的工作——比如视频创作屋的屋顶有一个发光圆环，灵感来自拍摄用的环形补光灯。室内比例也有明确要求：站立人物高度是房间高度的十二分之一。

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底推出的一种开放协议，用于标准化 AI 模型与外部工具、数据源之间的连接方式。可以把它理解为 AI 世界的"USB 接口"：只要服务方按协议实现一个 MCP 服务器，任何支持 MCP 的客户端（如 Claude Code、Claude 桌面应用）就能以统一方式调用它，无需为每个工具单独写集成代码。文中提到的"自定义连接器"就是 Claude 侧提供的 MCP 客户端入口，填入 MCP 地址即可让模型感知并操作外部能力。这正是本项目中智能体能够读取邮件、访问日历、调用 Higgs Field 生图的技术底座——模型本身不具备这些能力，是通过 MCP 把工具"挂"上去的。

第二步：参谋长搬进村庄

用作者照片生成代表自己的游戏角色，再做一张包含12个姿势的动作表——朝向、向右、向左、背向各三帧，要求步幅大、动作明显，否则角色会像在地上滑行。用方向键控制角色，按住Shift跑步。

参谋长马特穿职业装，有普通行走动作表和一套拿电话的动作，因为他需要随时联系村庄里的人，并跟在主角身边。新增角色沿用相同规格的动作表，保证尺寸一致。

第三步：招募主管

组织结构是：首席人类官 → 参谋长 → 各领域主管 → 员工。每位主管负责生活中的一个方向，各有一栋房子。主管姓名、外观和个性先让Claude自由发挥，只在重名等问题时介入。

每位主管有独立文件夹，写明身份、职责、汇报关系，并建立笔记文件保存工作中学到的内容。每名主管先配一名员工，员工穿黄色安全背心便于识别。主管使用Opus 5.5，员工使用Sonnet 5.5，主管还可开启Advisor功能，遇到困难时咨询Fable 5.1。

Advisor 功能是一种"主模型按需咨询更强模型"的协作模式：日常推理由较便宜、较快的模型承担，当它判断任务超出自身能力或需要更高质量判断时，主动调用一个更强的模型获取建议，再把建议整合进自己的输出。文中主管用 Opus 5.5、员工用 Sonnet 5.5、主管遇困难可咨询 Fable 5.1，就是典型的分层模型策略——让成本与能力匹配任务难度。这种做法的意义在于：既避免所有请求都走最贵模型导致成本失控，又能在关键节点获得高质量决策，是构建多智能体系统时控制开销的常用手段。

第四步：让角色动起来

先让Claude根据场景图划定可行走区域，绿色可通行、红色不可通行。标错了就截图圈出正确位置交回修改。

行为规则包括：有工作时回自己的建筑；主管可在院子活动；主角走近时面向主角方便交谈；员工可在镇上走动，碰面时询问对方在做什么并记下信息，便于日后协作；禁止穿墙和瞬间传送。作者强调这些约束要尽早写进提示词。

可行走区域（walkable area）标定是 2D 游戏与空间化智能体系统中的基础概念：地图图像本身只是像素，程序需要知道哪些像素可以站人、哪些是墙或家具。常见做法是用颜色掩码标记——绿色代表可通行、红色代表阻挡，引擎在移动时检测目标点是否落在绿色区域内，从而实现寻路与碰撞。让 Claude 根据场景图自动划定区域，本质是把"理解图像空间语义"这件事交给多模态模型完成，人类只需在标错时用截图圈出修正。这一步直接决定了后续"禁止穿墙"等行为规则能否被执行，也是智能体拥有"空间感"的前提。

第五步：接入真实工作

走到邮箱主管丹尼尔面前问有多少封未读邮件，他一开始答不上来，因为还没接真实工具。回到Claude，通过已设置的连接器让他访问邮箱和日历，再次询问就能回答有五封未读邮件。

这就是启动智能体的简单方法：先接一个工具，只交一项工作。其他主管也逐步接入。工具栏的待办清单方便白天想到任务时直接输入，马特会查看任务并打电话交给合适的主管。作者曾让他们为十个人寻找美国东海岸度假地点，提出一系列条件，最终得到包含日期、住宿和预定顺序的完整报告。

第六步：与每个人交谈

走到人物身边按T键弹出聊天框；连续按两次M，无论马特在哪里都能联系上。也可以请马特叫某位主管过来，比如叫莱拉，就能看到她跑过来。

最有趣的是证工所会议：按下会议按钮，所有主管走进证工所坐到各自位置，主角坐在主位，可以向全体提问了解进展，也可以点击名字单独交流。

第七步：保留人类决定权

系统必须由人最终把关。主管需要帮手时由马特找候选人，你可以在证工所面试，决定录用后再生成穿黄色背心的新员工。约束要写清楚：邮件只生成草稿；花钱、消耗积分、发布或发帖都必须先批准。

作者提到原作者曾遇到智能体擅自发邮件，所以特别强调这一步。文字提示本身并不能证明全线控制可靠，最终审批仍需人来执行。

人在回路（Human-in-the-loop） 是自动化系统中把关键决策节点交还人类确认的设计模式，在智能体场景里尤为重要。常见实现方式是"动作分级"：读取类操作可自动执行，写入类操作（发邮件、下单、发布内容、消耗付费额度）则生成待审批的草稿或请求，由人类确认后才真正落地。文中"邮件只生成草稿、花钱和发帖必须先批准"正是这一模式的落地。需要清醒认识的是，提示词层面的约束并不能构成可靠的安全边界——模型可能误解指令或在长上下文中忽略规则，因此审批应尽量做在工具调用层（如连接器权限、二次确认），而不仅是写在提示词里。

成本与时间：一次搭建的真实账本

Higgs Field积分从1307降到381，消耗926分，按当时套餐约44美元。Claude使用Max订阅，本次占用约6%的周额度，作者折算为不到3美元。总计约47美元，用时3.5小时。

这是本次搭建的记录，不是以后运行的固定费用。控制成本的关键在于：用订阅而非按调用计费的API、积分消费前先征得同意、先用草稿反复试再生成高分辨率版本。

这套系统适合谁

作者的建议很务实：不必一晚上全部完成，系统也不会一次定型，随着使用新需求会不断出现，他自己几乎每周都会添加功能。提示词只是起点，要按自己的需求修改。

先接一个工具完成一项真实任务，再逐步扩展。对于希望把个人事务系统化委派给AI的创作者和独立工作者，这个项目的真正价值在于七步结构本身：空间基础、人类化身、组织层级、行为规则、真实工具接入、交互方式、审批控制。每一步都可以单独复用，也可以按自己的节奏组合。