PhD_fleet：通过Slack管理虚拟AI博士生研究实验室

PhD_fleet 是一个面向研究人员的Python工具包，旨在通过Slack平台管理一个由AI代理组成的虚拟研究实验室。该工具允许单一研究人员（称为“导师”）生成多个Claude Code代理，每个代理模拟一名博士生，在独立的工作区内进行科研活动。代理之间通过Slack消息进行交互，每个消息驱动一个回合（turn），而文件系统则充当长期记忆，确保工作状态在机器人重启后仍然保留。

每个AI学生代理拥有自己的工作目录，其中包含个人资料、项目简介、研究日志（JOURNAL.md）和笔记。导师可以通过Slack向特定代理发送消息，代理将以研究方向相关的回复进行交互。代理的工作状态和文件系统会持续保存，即使机器人重启也不会丢失。此外，每个代理的配置文件中包含权限黑名单，防止访问敏感路径（如.env、.ssh）或执行特权命令（如sudo、chmod），从而增强安全性。机器人仅接受配置中指定的单一用户ID发送的消息，进一步降低风险。

除了学生代理，PhD_fleet 还配备了一个“教练”代理。教练代理监控导师与学生的互动，并基于教育学理论（如GROW模型、SBI模型、Vygotsky最近发展区等）提供反馈，帮助导师提升指导技能。教练代理仅在收到命令时响应，不会自动介入。导师可以通过/coach-review命令请求对特定学生的指导进行回顾，教练会分析过去一段时间内的互动，指出优点和改进点，并维护一个纵向观察文件。

该工具提供三个主要的Slash命令：/new-student 用于创建新学生代理，它会自动搭建工作区、创建Slack频道并启动第一个回合；/coach-review [天数] 用于请求教练对特定学生的指导进行回顾；/claude-status 用于快速查看所有代理的状态摘要，包括回合数、上下文大小、累积令牌数、模型、成本和GitHub链接（如果有）。此外，每个代理的工作区可以通过配置自动提交到GitHub分支，便于审阅。如果未配置GitHub源，此步骤会静默跳过。

安装相对简单：首先克隆仓库，安装依赖（推荐使用虚拟环境），然后配置Slack应用令牌和用户ID，最后运行bot.py即可。工具支持Socket Mode，无需开放入站端口，适合在NAT或私有子网中运行。要求Python 3.11及以上版本，并需要Claude Code CLI和Claude.ai订阅或Anthropic API密钥。设置过程包括创建Slack应用、获取令牌、配置环境变量、设置Claude认证（推荐使用订阅方式）等步骤。对于长期运行，建议使用进程管理器如tmux或systemd。

工作原理方面，每个学生代理位于students/<name>/目录下，包含CLAUDE.md（角色和项目简介）、JOURNAL.md（只追加的研究日志）、notes/（私人笔记）以及实际工作成果。共享论文库library/位于项目根目录，所有代理都可以读取和写入：第一个阅读者写入规范摘要，后续阅读者添加单独的笔记文件，索引由机器人在每个回合后自动重新生成。引用键冲突通过字母后缀解决。如果配置了GitHub源，机器人在每个回合后会将代理的工作区强制推送到一个分支，Slack消息中包含审查链接。

安全模型采用纵深防御，但并非沙箱。每个代理的.claude/settings.json包含权限黑名单，禁止读取敏感路径（如.env、.ssh）和运行特权命令（如sudo、chmod）。然而，这并不能完全防范提示注入攻击。因此，建议仅在可接受风险的主机上运行，并只允许单个配置的导师用户。

局限性包括：仅支持单导师模式，无团队或多导师功能；代理仅是被动响应，不会主动提议或提问。此外，机器人在短暂断开时能重新连接，但进程退出后无法自行恢复。

总体而言，PhD_fleet 为独立研究人员提供了一个有趣且实用的工具，通过AI代理模拟研究团队，既促进科研产出，又帮助培养指导能力。其模块化设计和清晰的文档降低了使用门槛，但需注意当前仅支持单一导师模式，且代理的响应完全被动。