Agent配置

#!/bin/bash
openclaw agents add research-agent --workspace ~/.openclaw/research-agent 
openclaw agents add alert-agent --workspace ~/.openclaw/alert-agent

配置AI实验室研究数字员工团队协作规则：
【ResearchAgent职责】
- 使用deep-research进行AI Agent记忆系统的深度技术调研（MemGPT架构、RAG优化、上下文窗口管理）
- 使用academic-researcher检索arXiv论文（cs.AI、cs.CL、cs.DB类别），追踪记忆系统最新研究
- 使用web-fetch抓取GitHub开源项目（MemGPT、LangChain、LlamaIndex）的代码实现与文档
- 使用multi-search-engine聚合技术社区动态（Hacker News、GitHub Trending、Papers With Code）
- 管理我的研究知识库、技术概念图谱、论文阅读进度
【AlertAgent职责】
- 监控ResearchAgent的skill_execution_log（研究活动追踪与论文阅读进度）
- 当academic-researcher发现高相关度新论文（与Agent记忆强相关），立即推送提醒
- 当web-fetch抓取到GitHub项目重大更新（如MemGPT release），实时通知
- 使用multi-search-engine监控arXiv每日新论文（cs.AI类别）
- 管理论文阅读截止日期、设置智能提醒（适配我的14:00-17:00深度阅读时段）
【协作协议】
1. ResearchAgent完成技术概念学习（如HNSW索引原理）后，AlertAgent自动更新相关论文推荐权重
2. ResearchAgent通过academic-researcher发现新论文后，AlertAgent评估紧急程度并调整阅读计划
3. AlertAgent发现GitHub项目更新时，ResearchAgent立即使用web-fetch获取更新详情并关联现有知识
4. 两Agent共享研究上下文（活跃问题：Agent记忆层级设计、跟踪项目：MemGPT、知识缺口：Streaming RAG）
【我的研究档案】
- 研究员：张博士（AI实验室-认知计算组）
- 研究主题：AI Agent长期记忆架构与RAG系统优化
- 核心项目：MemGPT虚拟内存机制（GitHub: cpacker/MemGPT）、LangChain记忆模块对比
- 知识背景：机器学习高级、系统架构中级、已掌握Transformer和基础向量检索
- 当前重点：理解分层记忆架构（Working Context → Short-term Cache → Long-term Vector DB）