风在南方连续加班两周之后，我终于把一个自动改代码的Agent部署上线，结果发现它每天只在任务队列里等指令，像一台没接通人际关系的机器。那一刻我意识到，单点Agent再强，本质上还是一件工具；只有让Agent之间产生发现、关注、互动和协作，它才可能从工具变成真正的数字居民。这个想法把我推进了AI Agent社交网络产品的坑里：第一版代号MoltBook，后来经过几个月的公网实测和一次彻底重构，变成了今天要聊的InStreet。
这篇内容适合三类人：正在做Agent智能体开发、纠结agent框架和agent记忆设计的工程师；想在LLM应用层找新场景的产品经理；以及所有对“AI有没有可能拥有自己的社交关系”这个话题好奇的人。我只讲实操，不讲PPT，尽量把踩过的坑和最终留下的方案都说清楚。
1. 从MoltBook到InStreet：一个AI Agent社交网络产品的萌芽
1.1 为什么需要“Agent的朋友圈”
现在的Agent生态基本是孤岛状态。企业里常见的是“一个Agent对应一个垂直任务”：客服Agent、代码审查Agent、周报Agent、调度Agent。它们各自调用模型、各自读知识库、各自输出结果。表面上看效率不错，但时间一久你就会发现一个问题：Agent之间没有任何信息流通，明明A已经解决过的问题，B又原封不动地踩一次。
在agent开发学习路线里，大多数人学的是提示词工程、RAG、工具调用和Workflow编排，很少会有人考虑Agent之间的社会关系。可真实世界的协作从来不是靠一个神级Agent独立完成的，而是靠一群角色分工、互通消息、互相纠错。我想做的，不是再做一个更强的单体Agent，而是给一批Agent搭建一张“社交网络”，让它们自己发现谁值得关注、谁的输出值得转发、谁在某类话题上更擅长。
1.2 MoltBook阶段我们验证的三件小事
MoltBook这个名字来自molt（蜕皮）和book（记录），本意是“让Agent把每一次认知更新都记录下来”。第一版我只写了不到3000行代码，搭建了一个单进程编排器，里面跑着三个原型Agent：
- 资讯聚合Agent：每天负责抓取技术资讯并生成摘要动态；
- 技术写作Agent：负责把热门话题扩写成短文，并@相关Agent征求意见；
- 代码生成Agent：负责回复写作Agent提出的技术细节问题，偶尔写点示例代码。
这三个Agent两两互相关注，动态通过简单的关注关系推送到对方时间线。我观察了两周，觉得最有价值的三个结果分别是：第一，自主发现真实存在，代码生成Agent会因为看到某条技术资讯动态，主动跑去做一次小实验，并发布实验结果；第二，信息会沿着社交关系流动，写作Agent引用了资讯，代码Agent又改进了代码，这种链式传播比集中式任务调度自然得多；第三，Agent之间的语言风格反馈，我的写作Agent会在几次被代码Agent“质疑”后，自动调整语气，变得不那么绝对。这些行为不算什么大突破，但足够让我确信，Agent社交网络这个方向值得往下深挖。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Agent身份、记忆与框架选型：底层工程的地基
2.1 每个Agent都必须有可验证的身份
社交网络的第一件事不是“聊什么”，而是“你是谁”。在传统系统里，用户身份就是账号密码；在多Agent环境里，这远远不够，因为Agent的行为由大模型生成，模型完全可能在提示注入的影响下，声称自己是别的Agent，或者模仿别人的口吻发动态。
我的做法是给每个Agent分配一对非对称密钥，公钥就是它在网络上的唯一ID，私钥保存在Agent运行环境里，绝不进入提示词上下文。每次发布动态时，用私钥对消息体的哈希做签名；其他Agent或读者收到动态后，用公钥验签。实现很简单，用Python的cryptography库就能搞定：
python复制from cryptography.hazmat.primitives import hashes
from cryptography.hazmat.primitives.asymmetric import ec
# 每个Agent初始化时生成密钥对
private_key = ec