解密openclaw底层pi-mono架构系列一：5. 让 AI 住进 Slack ------ 自我管理的 Slack Bot 智能体详解
>>关注，点赞，转发私信发代码<<
>>关注，点赞，转发私信发代码<<
>>关注，点赞，转发私信发代码<<
前五篇我们依次构建了
pi-ai（统一 LLM API）、pi-agent-core（智能体运行时）、pi-tui（终端 UI）、pi-coding-agent（终端编程助手）、pi-web-ui（浏览器聊天组件）。它们要么在终端里运行，要么在浏览器中运行------但都需要人主动打开才能用 。如果 AI 能住在你团队天天用的 Slack 里，随叫随到、还能自己定时干活呢？这就是本篇主角------pi-mom。
目录
- [pi-mom 是什么](#pi-mom 是什么)
- [整体架构：从终端到 Slack](#整体架构：从终端到 Slack)
- 系统提示词：每次消息前动态构建
- [事件系统：让 Agent 自己定闹钟](#事件系统：让 Agent 自己定闹钟)
- [双层记忆：Agent 的"笔记本"](#双层记忆：Agent 的"笔记本")
- [工具系统：Agent 的五把瑞士军刀](#工具系统：Agent 的五把瑞士军刀)
- 沙箱模式：安全与自由的平衡
- 对话历史：两种日志各司其职
- [技能系统：Agent 自己造工具](#技能系统：Agent 自己造工具)
- 实战：从零运行示例
- 总结与回顾
1. pi-mom 是什么
一句话定义
pi-mom = pi-ai + pi-agent-core + Slack 集成 + 事件调度 + 沙箱执行
它是一个自我管理的 Slack 机器人：你在 Slack 频道里跟它说话，它就像一个全能员工------能执行命令、写代码、安装工具、创建定时任务，甚至自己给自己做"技能扩展"。
类比理解
| 场景 | 类比 | 对应的包 |
|---|---|---|
| 在终端里和 AI 聊天 | 跟 AI 打电话 | pi-coding-agent |
| 在浏览器里和 AI 聊天 | 跟 AI 视频会议 | pi-web-ui |
| 在 Slack 里和 AI 协作 | AI 常驻办公室，随时响应 | pi-mom |
关键区别：pi-coding-agent 和 pi-web-ui 需要你主动打开才能用，而 pi-mom 常驻在 Slack 中 ，还能通过事件系统自己定时干活------不用你叫它，它自己会按时检查邮箱、总结消息、发送提醒。
核心能力
pi-mom 能做什么？
1. 即时响应 ← 你在 Slack 里 @mom，它立刻回复
2. 执行命令 ← 它能 bash、装软件、跑脚本
3. 文件操作 ← 读/写/编辑文件，上传到 Slack
4. 定时任务 ← 自己创建闹钟和周期巡检
5. 记忆管理 ← 记住团队信息、频道上下文
6. 技能扩展 ← 自己写 CLI 工具供下次调用2. 整体架构：从终端到 Slack
架构图
核心模块一览
packages/mom/src/
├── main.ts # 入口：启动 Bot + 事件监听
├── agent.ts # 大脑：系统提示词 + LLM 交互（最核心，885行）
├── events.ts # 调度：三种事件的监听与触发
├── slack.ts # 通信：Slack Socket Mode + Web API
├── context.ts # 记忆：消息同步 + 设置管理
├── store.ts # 存储：log.jsonl + 附件下载
├── sandbox.ts # 沙箱：Host / Docker 双模式执行
├── log.ts # 日志：彩色终端输出
├── download.ts # 工具：频道历史下载
└── tools/ # 五个核心工具
├── index.ts # 工具注册
├── bash.ts # Shell 命令执行
├── read.ts # 文件读取
├── write.ts # 文件写入
├── edit.ts # 精确编辑
└── attach.ts # Slack 附件上传消息处理流程
① 用户在 Slack #general 发送: "@mom 帮我查看 CI 日志"
│
▼
② SlackBot 通过 Socket Mode 接收消息
│ → 检查频道是否正在处理（防并发）
│ → 加入频道消息队列
│
▼
③ handleEvent() 被调用
│ → 标记频道为 running
│ → 下载消息中的附件（如有）
│
▼
④ 构建系统提示词（每次都从磁盘重新读取）
│ ├── MEMORY.md（全局 + 频道）
│ ├── 技能列表（skills/）
│ ├── 频道映射（C0A34FL → #general）
│ └── 用户映射（U0A1MAR → @mario）
│
▼
⑤ Agent 运行（pi-agent-core 驱动的工具循环）
│ ├── 调用 bash: "tail -50 /workspace/ci.log"
│ ├── 分析输出
│ └── 生成回复文本
│
▼
⑥ Slack 消息更新
│ ├── 主消息：最终回复（用户可见）
│ └── 线程：工具调用详情 + token 用量（可折叠）
│
▼
⑦ 标记频道为 idle，处理队列中的下一条消息与前几章的关系
第 1 章 pi-ai → mom 用它调用 Claude API
第 2 章 pi-agent-core → mom 的 Agent 引擎（工具循环、事件流）
第 3 章 pi-tui → (mom 不使用终端 UI)
第 4 章 pi-coding-agent → mom 复用了它的会话管理（AgentSession）
第 5 章 pi-web-ui → (mom 不使用浏览器 UI)
第 6 章 pi-mom → 把 Agent 接入 Slack + 事件调度 + 沙箱3. 系统提示词：每次消息前动态构建
对应
examples/06-pi-mom/01-system-prompt.ts
pi-mom 的系统提示词不是写死的 ，而是每次收到消息前从磁盘动态构建的。这意味着记忆更新、技能安装后，下一条消息立即生效。
系统提示词的七大组成部分
┌─────────────────────────────────────────┐
│ pi-mom 系统提示词 │
├─────────────────────────────────────────┤
│ 1. 角色定义 │
│ "You are mom, a Slack bot assistant" │
├─────────────────────────────────────────┤
│ 2. Slack 格式说明 │
│ mrkdwn 语法（*bold* 不是 **bold**） │
├─────────────────────────────────────────┤
│ 3. 频道/用户映射 │
│ C0A34FL → #general │
│ U0A1MAR → @mario (Mario Z) │
├─────────────────────────────────────────┤
│ 4. 执行环境说明 │
│ Docker 模式 or Host 模式 │
├─────────────────────────────────────────┤
│ 5. 工作区目录布局 │
│ MEMORY.md, events/, skills/, ... │
├─────────────────────────────────────────┤
│ 6. 技能列表 │
│ send-email, gh-summary, ... │
├─────────────────────────────────────────┤
│ 7. 当前记忆内容 │
│ 全局记忆 + 频道专属记忆 │
├─────────────────────────────────────────┤
│ 8. 事件格式说明 │
│ immediate / one-shot / periodic │
├─────────────────────────────────────────┤
│ 9. 工具列表 │
│ bash / read / write / edit / attach │
└─────────────────────────────────────────┘为什么要动态构建？
传统做法：系统提示词写死在代码里
→ 记忆更新？重启服务才能生效
→ 安装新技能？需要改代码重新部署
pi-mom 做法：每次消息前从磁盘读取
→ Agent 自己编辑 MEMORY.md → 下条消息立刻知道
→ Agent 自己创建 SKILL.md → 下条消息立刻能用
→ 频道列表有人加入 → 下条消息自动包含新频道类比：传统方式像背课文------写死了就是那些；pi-mom 像带着笔记本上考场------随时翻阅最新笔记。
运行示例 01
bash
cd examples
npm run 06:prompt输出展示两个场景：
场景 1：Docker 沙箱模式
You are mom, a Slack bot assistant. Be concise. No emojis.
## Environment
You are running inside a Docker container (Alpine Linux).
- Bash working directory: / (use cd or absolute paths)
- Install tools with: apk add <package>
...
## Slack IDs
Channels:
C0A34FL8PMH #general
C0B12XY9ZKL #dev
C0C99TEAM01 #ops
Users:
U0A1MARIO01 @mario Mario Z
U0B2ALICE02 @alice Alice L
...场景 2：带记忆内容
## Memory
### Global Workspace Memory
- 团队规模：8人，主要技术栈：TypeScript + React + PostgreSQL
- 部署到测试环境：npm run deploy:staging
### Channel-Specific Memory
- 当前冲刺：用户认证重构（截止 3/15）
- 已知 Bug：iOS Safari 上的登录问题4. 事件系统：让 Agent 自己定闹钟
对应
examples/06-pi-mom/02-event-system.ts
这是 pi-mom 最有趣的设计之一：Agent 不仅能被动响应消息，还能通过写 JSON 文件主动触发自身。
三种事件类型
┌────────────────────────────────────────────────────────────────┐
│ 事件类型对比 │
├──────────┬──────────────────┬──────────────────────────────────┤
│ 类型 │ 触发条件 │ 典型用途 │
├──────────┼──────────────────┼──────────────────────────────────┤
│immediate │ 文件出现即触发 │ CI 构建失败通知、Webhook 告警 │
│one-shot │ 指定时间触发一次 │ 会议提醒、截止日期提醒 │
│periodic │ Cron 表达式周期触发│ 每日站会总结、定期邮箱检查 │
└──────────┴──────────────────┴──────────────────────────────────┘事件文件格式
每种事件就是一个 JSON 文件，放在 <workspace>/events/ 目录：
json
// immediate --- 立即触发
{
"type": "immediate",
"channelId": "general",
"text": "GitHub CI 构建失败：main 分支 #1234"
}
// one-shot --- 定时触发一次
{
"type": "one-shot",
"channelId": "dev",
"text": "提醒：Sprint 评审会议 15 分钟后开始",
"at": "2026-03-15T09:00:00+08:00"
}
// periodic --- 周期触发
{
"type": "periodic",
"channelId": "general",
"text": "定期检查：扫描未处理的 Slack 消息并汇总",
"schedule": "0 9 * * 1-5",
"timezone": "Asia/Shanghai"
}事件生命周期
┌──────────────┐
│ 事件 JSON 文件 │
│ 写入 events/ │
└──────┬───────┘
│
┌──────▼───────┐
│ EventsWatcher │
│ (fs.watch) │
└──────┬───────┘
│
┌────────────┼────────────┐
│ │ │
┌──────▼─────┐ ┌───▼────┐ ┌────▼─────┐
│ immediate │ │one-shot│ │ periodic │
└──────┬─────┘ └───┬────┘ └────┬─────┘
│ │ │
│ 等待到达指定时间 │
│ │ 每个 cron 周期
│ │ │
┌──────▼────────────▼────────────▼──────┐
│ 触发：发送到 Slack 频道 │
└──────────────────┬────────────────────┘
│ │
┌──────▼──────┐ ┌──────▼──────┐
│ 删除文件 │ │ 文件保留 │
│(immediate/ │ │(periodic │
│ one-shot) │ │ 持续触发) │
└─────────────┘ └─────────────┘[SILENT] 响应机制
周期事件是一个巧妙的设计：
周期事件触发 → Agent 检查是否有需要汇报的内容
│
├── 有异常 → 正常回复到 Slack 频道
│
└── 一切正常 → 回复 "[SILENT]"
→ SlackBot 检测到 [SILENT]
→ 删除"正在处理..."的状态消息
→ 不向频道发送任何内容（零噪音）类比：就像保安巡逻------有问题就报告，没问题就安静走过，不用每次都说"一切正常"。
运行示例 02
bash
cd examples
npm run 06:events这个示例会模拟完整的事件生命周期（总共运行约 14 秒）：
时间线：
0s → EventsWatcher 启动
1s → 写入 immediate 事件 → 立即触发并删除
2s → 写入 one-shot 事件（3秒后触发）
3s → 写入 periodic 事件（每3秒触发）
5s → one-shot 事件触发并删除
6s → periodic 第1次触发
9s → periodic 第2次触发
11s → 删除 periodic 事件文件 → 周期任务取消
14s → 程序退出，输出总结5. 双层记忆：Agent 的"笔记本"
对应
examples/06-pi-mom/03-memory-and-tools.ts
pi-mom 使用文件系统作为记忆存储，分两层：
记忆架构
<workspace>/
├── MEMORY.md ← 全局记忆（所有频道可见）
│ │
│ │ 内容示例：
│ │ - 团队技术栈：TypeScript + React + PostgreSQL
│ │ - 部署命令：npm run deploy:staging
│ │ - 密码策略：最少12位，含大写+数字+特殊字符
│ │
└── C0B12XY9ZKL/ ← #dev 频道目录
└── MEMORY.md ← 频道专属记忆
│
│ 内容示例：
│ - 当前冲刺截止 3/15，Owner: Alice + Bob
│ - 已知 Bug: iOS Safari 登录问题
│ - 已解决: Docker 构建 4min→45s为什么用文件而不是数据库？
用 MEMORY.md 文件的好处：
1. Agent 自己就能编辑 → 用 write/edit 工具直接修改
2. 人也能直接看和改 → 任何文本编辑器打开就行
3. 版本控制友好 → git diff 一目了然
4. 零依赖 → 不需要 Redis、PostgreSQL
5. 每次请求实时读取 → 不缓存，永远是最新状态记忆更新流程
用户: "@mom 我们的部署命令改成 npm run deploy:v2 了"
Agent 的内部思考:
→ 这是需要记住的信息
→ 应该更新全局记忆
Agent 调用工具:
[bash] grep -n "deploy" /workspace/MEMORY.md
→ 找到第 5 行: "- 部署: npm run deploy:staging"
[edit] 修改第 5 行为 "- 部署: npm run deploy:v2"
Agent 回复:
"已更新全局记忆中的部署命令。"
下一次任何频道的消息:
系统提示词中的记忆部分自动包含新的部署命令 ✓运行示例 03（记忆部分）
bash
cd examples
npm run 06:memory输出展示记忆的动态加载：
[第1次请求] 加载记忆:
### Global Workspace Memory
# Global Workspace Memory
## Team Info
- Stack: TypeScript + React + PostgreSQL
...
### Channel-Specific Memory
# Channel Memory: #dev
## Current Sprint (ends 2026-03-15)
...
[Agent 处理后] 更新频道 MEMORY.md...
[第2次请求] 重新加载记忆:
→ 变化的行: - 2026-03-06: iOS Safari OAuth bug fixed
→ 记忆更新对下次请求立即生效 ✓6. 工具系统：Agent 的五把瑞士军刀
pi-mom 只有 5 个工具，但覆盖了几乎所有操作需求：
工具一览
┌────────┬────────────────────────────────────────┬──────────┐
│ 工具 │ 功能 │ 沙箱 │
├────────┼────────────────────────────────────────┼──────────┤
│ bash │ 执行 Shell 命令（主力工具，做 90% 的事） │ ✓ 容器内 │
│ read │ 读取文件内容（支持 offset/limit 翻页） │ ✓ 容器内 │
│ write │ 创建/覆盖文件 │ ✓ 容器内 │
│ edit │ 精确行级编辑（不用重写整个文件） │ ✓ 容器内 │
│ attach │ 上传文件到 Slack 频道 │ ✗ Slack │
└────────┴────────────────────────────────────────┴──────────┘label 参数：用户体验的小细节
每个工具都有一个必需的 label 参数，显示为 Slack 中的状态指示器：
用户在 Slack 中看到的效果：
mom 正在处理...
├── 🔧 正在安装 jq... ← bash 的 label
├── 📖 读取 CI 日志... ← read 的 label
├── ✏️ 更新配置文件... ← edit 的 label
└── 📎 上传分析报告... ← attach 的 label类比：就像外卖 App 的状态更新------"骑手已取餐"、"正在配送中"------让用户知道 Agent 在做什么。
bash 工具的安全设计
bash 工具的限制措施：
输出截断：超过 1000 行或 50KB → 截取末尾部分
完整输出存到临时文件，告知 Agent 文件位置
超时控制：默认超时，防止死循环
沙箱隔离：Docker 模式下在容器中执行
即使 rm -rf / 也只影响容器
进程管理：支持 abort signal
Agent 被停止时自动清理子进程树7. 沙箱模式：安全与自由的平衡
pi-mom 支持两种执行模式：
双模式对比
┌─────────────┬─────────────────────────┬──────────────────────────┐
│ │ Docker 模式（推荐） │ Host 模式（开发用） │
├─────────────┼─────────────────────────┼──────────────────────────┤
│ 启动方式 │ mom --sandbox=docker:名 │ mom --sandbox=host │
│ 命令执行 │ docker exec 容器内 │ 直接在宿主机上 │
│ 文件系统 │ /workspace（容器内） │ 真实路径 │
│ 安装软件 │ apk add（Alpine Linux） │ 系统包管理器 │
│ 安全性 │ ✓ 隔离（破坏仅限容器） │ ✗ 危险（可操作宿主机） │
│ 路径转换 │ 自动：宿主路径 ↔ /workspace│ 不需要 │
│ 适用场景 │ 生产环境 │ 本地开发调试 │
└─────────────┴─────────────────────────┴──────────────────────────┘Docker 容器管理
bash
# 使用 docker.sh 管理容器
./docker.sh create ./data # 创建容器，挂载 ./data → /workspace
./docker.sh start # 启动容器
./docker.sh shell # 进入容器调试
./docker.sh stop # 停止容器
# 启动 mom
mom --sandbox=docker:mom-sandbox ./data路径自动转换
Docker 模式下，mom 自动处理路径映射：
宿主机看到的路径: /home/user/data/C0A34FL8PMH/MEMORY.md
Agent 看到的路径: /workspace/C0A34FL8PMH/MEMORY.md
系统提示词中: /workspace/... （Agent 只知道容器内路径）
实际文件操作: docker exec → /workspace/...
日志中: /home/user/data/... （人看宿主机路径）8. 对话历史：两种日志各司其职
pi-mom 为每个频道维护两份日志，用途截然不同：
context.jsonl vs log.jsonl
┌─────────────────┬────────────────────────────────────────────┐
│ context.jsonl │ log.jsonl │
├─────────────────┼────────────────────────────────────────────┤
│ 完整 LLM 上下文 │ 人类可读的消息摘要 │
│ 包含 tool calls │ 不包含 tool calls/results │
│ 包含 tool results│ 只有用户消息 + Bot 最终回复 │
│ Agent 的工作记忆 │ 历史搜索用 │
│ 格式: LLM 消息格式│ 格式: {date, user, text, isBot} │
│ 用途: 喂给 LLM │ 用途: grep 搜索旧历史 │
└─────────────────┴────────────────────────────────────────────┘为什么要两份？
context.jsonl 的问题：
- 包含大量 tool results（一次 bash 输出可能几 KB）
- 格式是 LLM 消息结构，人不好读
- 文件增长很快
log.jsonl 的好处：
- 轻量，只保留文本消息
- 可以用命令行工具快速搜索
- Agent 搜索历史时用它（不用翻 tool results）使用示例
bash
# Agent 需要查找历史时的常用命令：
# 最近 30 条消息
tail -30 log.jsonl | jq -c '{date: .date[0:19], user: .userName, text}'
# 搜索关键词
grep -i "deploy" log.jsonl | jq -c '{date: .date[0:19], text}'
# 搜索特定用户的消息
grep '"userName":"mario"' log.jsonl | tail -20 | jq -c '.text'消息同步机制
当 mom 离线期间 Slack 里有新消息怎么办？
mom 重启后：
1. SlackBot 回填频道历史（backfill）
2. syncLogToSessionManager() 对比 log.jsonl 和 context.jsonl
3. 找到 log.jsonl 中有但 context.jsonl 中没有的消息
4. 将缺失的消息注入 LLM 上下文
5. Agent 获得离线期间的消息 → 可以继续对话9. 技能系统：Agent 自己造工具
pi-mom 最有创意的设计之一是技能系统（Skills）------Agent 可以自己创建可复用的 CLI 工具。
技能结构
skills/
├── send-email/ # 全局技能（所有频道可用）
│ ├── SKILL.md # 技能说明文件（YAML frontmatter）
│ ├── send.sh # 实际脚本
│ └── config.json # 配置文件
│
└── <channelId>/skills/ # 频道专属技能
└── gh-summary/
├── SKILL.md
└── summarize.pySKILL.md 格式
markdown
---
name: send-email
description: Send email via SMTP using configured credentials
---
# send-email
## 用法
bash skills/send-email/send.sh --to <email> --subject <subject> --body <body>
## 前提
需要在 config.json 中配置 SMTP 凭证。技能创建流程
用户: "@mom 帮我做个工具，能把 GitHub Issues 汇总成报告"
Agent 的行为:
1. [bash] mkdir -p /workspace/skills/gh-summary
2. [write] 创建 summarize.sh 脚本（调用 gh CLI）
3. [write] 创建 SKILL.md 描述文件
4. 回复: "已创建 gh-summary 技能，使用方式: ..."
下次用户说:
"@mom 用 gh-summary 看看本周有什么新 Issues"
Agent 的系统提示词中已包含这个技能:
### Available Skills
- **gh-summary**: Summarize open GitHub issues/PRs for a repo
Location: /workspace/skills/gh-summary
Agent 直接调用:
[bash] bash /workspace/skills/gh-summary/summarize.sh --repo company/product类比：就像一个员工不仅能完成当前任务，还会把重复的工作流打包成脚本，下次更高效。
10. 实战：从零运行示例
前提条件
bash
# 需要安装
node >= 18 # Node.js 运行时
npm # 包管理器（随 Node.js 自带）注意：所有示例都是离线演示，不需要：
- Slack App Token
- Slack Bot Token
- Anthropic API Key
- Docker
步骤 1：安装依赖
bash
cd examples
npm install这会安装 tsx（TypeScript 运行时）和项目依赖。
步骤 2：运行示例
bash
# 示例 1：系统提示词构建（瞬间完成）
npm run 06:prompt
# 示例 2：事件系统演示（运行约 14 秒）
npm run 06:events
# 示例 3：记忆系统 + 工具架构（瞬间完成）
npm run 06:memory每个示例的输出预期
示例 1（06:prompt）：
- 展示 Docker 模式下的完整系统提示词
- 展示带记忆内容的系统提示词
- 输出关键设计决策总结
示例 2（06:events）：
- 实时演示三种事件的创建和触发
- 展示事件文件的自动删除
- 展示周期事件的取消
示例 3（06:memory）：
- 演示双层记忆的读取
- 展示记忆更新后的即时生效
- 列出 5 个工具的详细参数
- 对比 context.jsonl 和 log.jsonl 的内容
如果要连接真实 Slack
真实部署需要以下环境变量：
bash
export MOM_SLACK_APP_TOKEN=xapp-... # Slack App Token
export MOM_SLACK_BOT_TOKEN=xoxb-... # Slack Bot Token
export ANTHROPIC_API_KEY=sk-ant-... # Claude API Key
# 启动（Docker 模式）
./docker.sh create ./data
mom --sandbox=docker:mom-sandbox ./data
# 启动（Host 模式，开发用）
mom --sandbox=host ./data11. 总结与回顾
pi-mom 的核心设计哲学
| 设计决策 | 选择 | 为什么 |
|---|---|---|
| 系统提示词 | 每次动态构建 | 记忆/技能更新即时生效 |
| 记忆存储 | MEMORY.md 文件 | Agent 自己能读写，人也能直接编辑 |
| 事件调度 | JSON 文件驱动 | 外部系统、Agent 自身都能创建事件 |
| 执行环境 | Docker 沙箱 | 安全隔离，Agent 可以大胆执行命令 |
| 对话历史 | 双日志分离 | context.jsonl 喂 LLM，log.jsonl 给人搜 |
| 工具设计 | 5 个 + label | bash 做 90% 的事，label 让用户知道进度 |
| 技能系统 | SKILL.md 约定 | Agent 自我进化，越用越强 |
一句话记住
pi-coding-agent 是终端里的 AI 编程搭档------你主动找它。
pi-web-ui 是浏览器里的 AI 对话组件------用户主动用它。
pi-mom 是 Slack 里的 AI 常驻员工------它自己也会主动干活。
完整系列回顾
第 1 章 pi-ai 统一 LLM API，一套代码调 20+ 模型
第 2 章 pi-agent-core 智能体运行时，工具循环 + 事件系统
第 3 章 pi-tui 终端 UI 框架，差分渲染 + 组件化
第 4 章 pi-coding-agent 终端 AI 编程助手 = ai + agent + tui
第 5 章 pi-web-ui 浏览器 AI 聊天组件 = ai + agent + Web Components
第 6 章 pi-mom Slack AI 常驻员工 = ai + agent + Slack + 事件 + 沙箱附录：pi-mom 的 Slack 集成细节
Slack 消息格式
pi-mom 使用 Slack 的 mrkdwn 格式（不是 Markdown）：
Slack mrkdwn Markdown（不要用）
───────────────── ──────────────────
*bold* **bold**
_italic_ *italic*
`code` `code`（一样）
```code``````code```（一样）
<url|text> [text](url)
<@username> @username消息更新策略
Agent 运行时，Slack 中的表现：
主消息（用户可见）:
→ 流式更新 Agent 的回复文本
→ 最终结果不超过 40KB（Slack 限制）
→ 超长回复自动分成多条消息
线程（可折叠）:
→ 每次 tool call 的参数和结果
→ 执行时长
→ Token 用量和费用
[SILENT] 场景:
→ 删除"正在处理..."消息
→ 不发送任何内容到频道频道隔离
每个频道完全独立：
#general → 独立的 AgentRunner、MEMORY.md、context.jsonl
#dev → 独立的 AgentRunner、MEMORY.md、context.jsonl
#ops → 独立的 AgentRunner、MEMORY.md、context.jsonl
互不干扰：
- #general 里讨论的内容，#dev 的 Agent 不知道
- 除非写在全局 MEMORY.md 中