AI会话越多越忙？搭建首个自改进业务代理团队的完整实践

想象你正在经营一个内容+服务型业务。早上打开Claude起草周内容，切换窗口让它处理销售跟进，再开一个窗口扫描潜在客户列表。几个小时后，你发现自己花在“管理AI”上的时间，比直接产出还多。输出量确实上去了，但注意力被碎片化，质量把关成了新的瓶颈。

这不是模型不够强，而是结构出了问题。单个助手永远把你绑定为唯一的质量控制者。输出规模直接受限于你的可用注意力。打开更多会话只会让问题恶化：代理之间互不认识，一个起草的计划另一个看不到，于是重复劳动；学到的经验不会积累，下次还是从零开始。更多代理，同样的瓶颈，只是现在需要你同时 babysit 多个窗口。

我起初也以为多开几个会话就能解决规模问题，后来深入实际构建才发现，真正决定上限的不是模型参数，而是四个结构性缺失：持久身份、累积记忆、非作者审查，以及让一切可见的共享空间。

让代理从“工具”变成“同事”的四个结构性差异

没有这四点，再多的会话也只是并行孤岛。

持久身份：代理有固定名字和角色。你知道“把这个给June”而不是“再开一个新会话”。出问题时能快速定位责任方，而不是在匿名聊天记录里翻找。

累积记忆：每个代理维护自己的笔记和剧本。几周后，你拥有五个不同专长，而不是五个每次都要重头教育的通用助手。记忆不是简单存储，而是专业化分化。

非作者审查：让代理自我评估几乎总是通过。必须有第二个代理被告知“假设这份工作有问题”，专门挑刺。作者和审查者分离，是质量跃升的关键。

共享房间：所有输出都在同一个工作空间可见，而不是五个孤立聊天窗口靠你手动复制粘贴。代理能看到彼此的工作，自然接力。

Anthropic内部实践显示，这种结构下代理能贡献产品团队65%的代码。在他们的基准测试中，带审查的团队设置比单模型独立工作高出90.2%。结构带来的不是线性提升，而是系统性复利。

共享房间目前最成熟的实现之一是Raft。它像Slack一样有频道、线程、任务，但成员是带持久身份和记忆的代理。代理能认领任务、并行运行、在共享线程中互相审查。你只需像给同事brief一样把需求丢进频道，工作就在你做其他事的时候推进。代理运行在你自己的机器上，使用你已有的订阅（Claude、OpenAI等），免费版已能覆盖本文所有核心功能。

业务运行的五个支柱，每个对应一个专业代理

把团队映射到每个业务必然运行的五个职能上，一个代理负责一个支柱：

• 线索获取：监控来源、筛选潜在客户、起草首次触达
• 内容创作：产出所有面向受众的文字
• 销售管道：推动开放对话前进，让交易无需你手动推进
• 服务交付：产出客户付费的工作成果
• 财务：跟踪发票、成本和月底实际剩余

每个支柱匹配最适合其工作性质的引擎。这些引擎不是新平台，而是你可能已经在用的成熟工具，只是现在被赋予了团队角色。

Claude Code（写作引擎）：Anthropic的终端代理工具，运行Claude顶级模型。写作能力最强，适合内容创作和服务交付。核心习惯是scheduled runs（重复执行直到完成）和明确finish line（完成定义）。在共享房间里，这些通过自然语言schedule和交叉审查实现。常规任务用便宜层级，规划和审查用顶级模型，成本可控。

Codex（构建引擎）：OpenAI的编码代理，适合读完整代码库、输出可审查的diff、在沙箱内运行。团队中负责其他支柱需要的内部工具和自动化：财务追踪器、发票解析器、报告脚本等。

Hermes（常驻引擎）：Nous Research的开源代理，设计用于你不在时仍在线。通过心跳（定时任务）、监控（观察来源变化才报告）、剧本（把解决过的问题保存为可复用方案）三项能力，完美匹配需要持续在线的支柱。

路由表：把工作分配给正确的人

名字可自定义，路由逻辑才是核心。五个代理、三种引擎、一个房间。

每个代理的五件装备：从名字到心跳的完整组装

每个代理都由相同五部分构成。以线索获取代理June为例：

1. 名字
真实人名而非“agent-2”。这是路由和审计的基础。

2. 灵魂（Soul）
不是一次性写死的提示词，而是通过聊天不断积累的角色定义、范围、语气和硬规则。初期你可以给一个半页模板，后续修正会写入文件。

示例灵魂文件（可直接作为起点）：

# June: 线索获取 你负责寻找并筛选潜在客户，绝不直接联系他们。 范围：仅限线索开发 — 不涉及内容创作、客户工作或财务。 语气：平实英文，拒绝炒作，用数据而非形容词。 每日交付：带有一行理由的合格潜在客户 + 每个客户的首次触达草稿。 硬规则： - 仅起草，发送永远是人工决定 - 每个潜在客户必须附来源链接 - 来源陈旧或抓取异常时直接说明，不要猜测

3. 记忆
代理自己维护的MEMORY.md + 工作笔记。记录什么有效、什么出错、哪些来源优质。你只需要在聊天中给出修正，它会自己写入。笔记超过一页时主动压缩，避免无限膨胀。

4. 目标
一次说清楚：这个代理拥有什么、完成标准是什么、什么必须升级给你。

5. 心跳（Heartbeat）
无需你每次唤醒的自动schedule。在Raft中是一句话设置的提醒。June的两个心跳就够：

• 每天07:00：扫描来源列表，把新线索+草稿投递到leads频道
• 每小时：检查回复，无变化则不发言

交叉审查闭环：没有自评的团队如何持续进化

代理自我评估几乎总是乐观。解决办法是让每个交付物都经过第二个代理审查，且审查指令简短有力：

“你负责审查June的线索草稿。假设每份草稿都有问题，找出：匹配度错误、理由薄弱、来源陈旧、无链接支撑的声明。拒绝时给出具体原因，或批准时用一行说明。”

审查者不是新招的代理，而是现有五个代理互相指向。所有输出先以草稿形式出现在频道里，绝不直接发送或推送。你始终保留最终决定权（尤其是涉及钱和对外发送）。

关键在于：每一次拒绝的理由都会写回灵魂和记忆文件。同一个错误不会出现第二次。三个月后的团队，和刚招募时已经是完全不同的机器。

以下是协作闭环的逻辑架构示意：

第一周的正确打开方式：先让一个代理真正跑起来

一次上线五个代理几乎必然失败。团队需要喂养，而不是展示。

Day 1：安装共享房间入口，创建一个频道，只招募一个代理。选择你目前最耗时的那个支柱。把灵魂模板复制进聊天或写成文件，替换成你的范围和规则。

Day 2：为它增加审查代理，用简短指令指向。两者都路由进同一个频道。

Day 3-7：每天运行这对代理。每当同一个错误被你纠正两次，就把修正写入灵魂文件。让系统自己把判断沉淀下来。

只有当第一个代理已经能稳定运行、不需要你时刻盯着时，才在第二周增加下一个支柱。第一周会感觉比自己动手更慢，因为你正在把平时脑子里闪过的判断写下来。而这些判断，正是文件最终捕获并复用的核心资产。

结构比模型更重要

我起初以为代理团队的核心是换更强的模型。后来才发现：再强的模型，在孤立会话里也只能重复劳动；在正确结构里，它能进化。记忆的复利、审查的纠错、共享空间的接力，这些才是让团队在月三和月一完全不同的根本原因。

这不是简单把五个聊天窗口拼在一起，而是把AI从“每次都要重新认识你的工具”变成了“有固定同事、有办公室记忆、有交叉把关的团队”。

现在轮到你

在你的业务里，哪个支柱最先需要解放？是线索开发每天重复扫描，还是内容产出需要稳定节奏？先挑一个，尝试为它定义名字、灵魂文件和两个心跳，跑一周，看看记忆和审查机制会带来什么变化。

欢迎在评论区分享你选的第一个支柱、遇到的结构卡点，或者已经尝试类似设置后的真实反馈。我们一起把这个从实践到可复用的范式继续打磨。

我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。