Automation

How 数字生命卡兹克 Routes Events to Claude and Codex Agents on Two Mac Minis

Built by 数字生命卡兹克 · · Source: X

Quick answer

A designer turned solo developer built a small event hub that sends webhooks and scheduled jobs to Claude Code or Codex agents on two Mac Minis, runs a self-hosted CI with Codex code review, and only pings them in Feishu when a decision needs them.

Result: In two weeks Codex reviewed 298 pull requests across four projects and flagged 333 issues, 306 of which were fixed before merge. Code goes from agent to live in a median of two to three minutes, with no hands-on work from them.

What they built

数字生命卡兹克 says they were a designer with no development background a year ago. Since then they've built an agent automation system that runs most of the work on their projects, including the open source product AIHOT. Their aim is to stop being the starting point for every task. Events wake the agents up, the agents handle what they can, and only real decisions come back to them as a card in Feishu.

How it works

  • Event hub: A small service on a lightweight server takes in every webhook, alert, message and scheduled job in one short, standard format. A rules.json file decides which agent, model and reasoning level handles each event type. The hub also removes duplicate events and logs every task to a database.
  • Local agents: Claude Code and Codex run on two Mac Minis at home and in the office. Each Mac long polls the hub for work, so neither machine is exposed to the internet. Claude Opus 5.5 does most of the development, GPT-6.1 Sol handles ops and bug fixes, and GPT-6.1 Terra drives a logged-in Chrome to collect data that has no API.
  • Skills: Each automated task has its own skill that works as its SOP. One example is a weekly Sunday cleanup that deletes duplicated code and stale docs.
  • CI hub: Agents can only open pull requests. A self-hosted CI on the older Mac Mini runs a read-only Codex review (capped at three rounds), then type checks, tests and builds in a fresh VM. After that it auto-merges, deploys, and confirms the change is actually live.
  • Approval cards: Only things like deleting data, spending money, sending messages to outside people or changing permissions get sent to them. Files in the repo record past decisions and past refusals, so agents don't ask the same thing twice.

The result

According to the author, Codex reviewed 298 pull requests in two weeks and flagged 333 issues, and 306 of them were fixed before merge. Changes reach production in a median of two to three minutes. They say AIHOT has about a million monthly active users and 9,000 GitHub stars.

How to build something similar

  • Send all your triggers through one place with one message format, so adding a new trigger means adding a rule, not writing a new script.
  • Don't let coding agents merge their own work. Put a separate reviewer model and required checks in front of the main branch.
  • Write down the short list of decisions that need a human, and send everything else straight through.
  • Keep a log of every decision you make so agents can look it up before they ask you.

The original post

https://x.com/i/article/2117052113822117888 上周六的时候,DeepSeek发了他们一篇很长的技术文章,叫《Super-agent设计探索:迈向更自主的Agent系统》,细细读完了,非常棒的架构,对很多开发者来说,都非常非常值得学习。 其中里面最重要的一句话,我觉得就开篇的那句: “一个人通常只能同时跟进3到5个活跃的会话,在这种设计下,单任务的上限取决于模型能力,多任务的上限取决于人的注意力。” 在整个Agent系统里,人的注意力是最宝贵的资产,同时也是最大的瓶颈。 其实历史上出现过无数次这种情形。 1380年,朱元璋借着胡惟庸案,把中书省和丞相一起废了,从此六部直接对皇帝负责,天下大事,全部直通他本人。 然后报应很快就来了,洪武十七年九月,给事中张文辅给朱元璋报了一笔账,从十四号到二十一号,八天时间,内外各衙门送上来的奏札一共1660件,里面要处理的事,三千多件。 平均下来,一天两百多份奏札,朱元璋要一个人处理400多件事。 朱元璋是出了名的勤快,但这个强度,他自己也绷不住了,当场跟大臣们说了一句话,“朕一人处此多务,岂能一一周遍”。 翻译过来就是: 我一个人,管这么多事,怎么可能每一件都照顾得过来啊。 你看,皇帝的注意力,跟我们普通人的,其实也差不了多少。 六百多年过去了,我们人类也步入了AI社会,每个人也都开始成为了自己的皇帝,只不过这一次,递奏折的不是六部九卿,是一个个Agent。 如何设计Agent的调度系统,解放自己的注意力同时,大幅提高生产力效率,尽可能让自己抽身出来,只做最关键的决策,就是未来我们每个人都要学习和思考的命题。 这个特质,其实也叫: 领导力。 所以,我也想用这篇文章,来斗胆给大家分享一下我自己这将近1年的Agent系统的成果和经验,以及我是如何让Agent自动化的去处理各种事务的,架构是什么样的,我又是如何尽可能的抽身出来跟Agent协同,只做最关键的判断的。 整体确实是我这种非专业用户自己这么长时间的探索和使用,以及我觉得可能也更加适合普通用户一些的流程,希望能对大家有用~ 1. Agent自动化系统 首先还是分享一下我对Agent自动化的理解。 现在大部分人用Agent的方式,其实都还是偏聊天的方式。 打开Claude Code或者Codex,给它一个任务,看着它干,干完了你检查一下,再给它下一个任务。 这个过程里有一个弊端,你会发现,所有事情的起点都是你,你只要不打开那个窗口,什么都不会发生,所以不管模型有多强,你能同时推进的事,永远就是你盯得过来的那几个窗口,DeepSeek说的3到5个会话,就是这个意思。 所以我们在用Agent的时候,一定要尽可能的是领导力思维,把这个任务发生的起点,从人的身上拿掉,用各种信号来去触发Agent进行工作,而不是必须等待你下命令。 你可以想象你现在就像朱元璋一样,一定不是所有的任务都需要推到你的面前,且也绝对不是你不说话,底下的大臣们就不干活了,一定是大臣们遇见事情,能自己处理的就处理掉了,只有他们拿不准的,必须需要上升到你这进行决策的,才会推到你的面前。 这个就是我自己理解的Agent自动化系统最终极的意义。 这就跟带团队一样,一个好的团队,从来不会什么事都跟你汇报,它会自行推进,只把需要你拍板的事拿给你,剩下的,自己去干掉就OK了,你需要给与的,就是充分的信任。 所以在这套理解下,我整个的系统架构和流程,是这样子的。 我唯一要做的事,就是最后一步,我称为批奏折。 在飞书里面,我的AI助理小卡会给我弹一张卡片,让我确认,我只要点击就可以了。 点完以后,Agent就收到我的决策了,继续自己干活了。 基本能最大化释放我的人力。 顺着流程,我们一个一个模块说。 2. 自动化中台 先说最核心的这个,Agent自动化中台。 在Agent的体系里面,既然我们要把人给拿出去,那在何时、在何种信号下触发Agent,让它进行工作,就变成了一个需要设计的命题。 这也就是:事件。 世间万物,任何的信号触发,我们都可以归纳为一个事件。 比如定时任务就是一个事件的搜寻行为,固定每分钟或者每小时去轮询请求,来发现事件,比如Webhook触发也是一种事件,比如我们收到一条消息、收到一份邮件、某个系统突然触发了告警等等。 定时去找的那种,Claude和Codex自己的应用里已经做得很好了,每天几点跑一次什么,设一下就行,我自己也有一大批定时任务,就放在它们的应用里跑。 甚至还有个很好玩的东西,是每一天下午,Codex都会从微信群的聊天记录、X、小红书、抖音等平台搜索大家对于AIHOT的最新讨论和反馈,然后汇总成一份报告给我,给我可行的评估建议,是否要去优化。 还有每周操控我的浏览器,去豆包、DeepSeek、千问、元宝、ChatGPT、Gemini等等平台,去问一遍我们的一些GEO问题,来判断AIHOT的GEO情况,等等等等。 然后AIHOT也开源了,每一天都有朋友在Github上提建议、提PR等等,Claude就会每天晚上6点扫一遍,然后处理问题还有PR。 但定时任务轮询有个天生的问题,就是不及时,同事提了一条意见,线上突然报了一个错,你总不能等到第二天早上的定时任务再去看对吧。 这种事件,必须一发生,Agent马上就被叫醒,这就得靠Webhook,有事的时候,那边的系统主动推一条消息过来。 而找上门来的事件,来源五花八门,飞书消息、飞书机器人、邮件、各种系统的告警,每一种长得都不一样。 并且因为模型的能力不同,擅长的任务也不同,为了最大化性价比和省Token,所以事件触发以后,要叫醒的Agent、模型、推理深度也都不一样。 比如有的事件要叫醒Claude Code用Claude Opus 5.5 high推理去处理,有的要叫醒Codex用GPT-6.1 Terra xhigh去浏览器搜索一些正常拿不到的数据,有的又是要推给GPT-6.1 Sol xhigh去修复BUG等等等等。 如果每接一种事件,都单独写一套脚本,去接这个来源,去叫醒那个Agent,做三五个还行,做到十几个、几十个,一定会乱成一锅粥的,你再也无法管理了。 所以,为了以后不乱,我就自建了这个中台,专门用来管所有的事件触发,后来把定时任务也纳入进去了,全部打通。 它本身是一个很小的独立服务,部在线上一台轻量服务器上,有自己的网址和数据库。 它干的事也很简单,所有的事件,都先发到这里,由它统一决定交给哪个Agent,统一去叫醒,统一把结果收回来,真需要我来决策的时候,再通过飞书告诉我给我弹一张卡片,我来决策。 它的第一件事,就是给所有事件定一个统一的格式。不管从哪来,发到中台的都是一条很短的消息,里面只有几样东西,从哪来、什么类型、对象是谁、一句话摘要,再加一个回到原处的链接。比如虚实中台发来一条feedback.new #12,就是同事给虚实中台又提了一条新意见,编号是#12。 格式统一了,后面就好办了,中台收到事件以后,去查规则。所有规则都写在一个叫rules.json的文件里,比如同事意见这一条,是这么写的。 翻译成人话就是,对产品新意见、同事的补充、还有我拍过板的决定,都交给M5上的Claude Code,在虚实中台的代码目录里,用hub-feedback这个skill去处理,给Agent的指令就一句,按skill里对应的那一节办,每条意见单独开一轮,同一条意见同时只跑一轮,最多三条一起跑,做完了,只在需要我决策的时候才告诉我,否则就不需要推到我这边。 然后是叫醒Agent,这里有个技术上的小问题,Webhook能把消息推到中台,但中台推不到我的Mac上,我的Claude和Codex都是部在本地的,因为我的两台Mac都在家里和办公室的内网里,外面根本连不进来。 所以我们反过来做,每台Mac上都跑着一个接单程序,一直挂在中台上等活,一次最长等50秒,有活立刻接走,没活就再挂上去接着等,这样Mac不用暴露到公网上,速度也跟实时推送也差不多。 它的好处,我觉得有这么几个。 第一,接一种新的事件,变得特别简单。不用再写一套新脚本,在rules.json里加一条规则就行。我跟Agent说一句,它改完文件、过了检查,几分钟就生效。 第二,换Agent也特别简单。哪类事交给谁,就是规则里的一行字。今天交给Claude Opus 5.5,明天想换成GPT-6.2 Astra,改一行就行,以后出了更好用的模型,可以随意替换。 第三,去重。自动化跑起来以后,同一件事被发好几遍,是常态,比如网络抖一下,来源那边以为没发出去,就会再发一遍。同事提完意见,又补了一句话,又贴了一张图,这又是好几条事件。如果每来一条就叫醒一次Agent,同一件事就会有好几个Agent同时在干,这个Agent改一遍,那个Agent又改一遍,最后绝对是乱的要死的,所以就让自动化中台做统一去重,非常省心。 第四,所有消息,只有一个出口。不管哪个Agent、哪个任务要找我,都只走一条路,就是小卡,我在飞书里的AI助理。而且每条规则都写清楚了,只在必须需要我判断和决策的时候才说,不会这个脚本发一条,那个机器人发一条,把我的飞书刷屏,尽最大可能保护我的精力。 第五,数据沉淀。因为所有的事件都从中台过,所以每一件事都留了底,什么时候来的、从哪来的、交给了哪个Agent、它最后的结论是什么、有没有需要我留意的、后来又是怎么解决的,全都记在中台的数据库里,点开任何一件任务,还能直接跳到当时Agent干活的那个会话,看它到底干了什么。这些东西攒久了,就是非常完整的数据沉淀了,哪条流水线最忙,哪个Agent干得最多,哪类事老出问
数字生命卡兹克 (@Khazix0918) · November 2, 2026 · View on X

Want to build something like this?

Join the Shipping Skool community free. Paid members get live bootcamp calls every week.

Join Shipping Skool — Free

More use cases

← All AI agent use cases