同一个AI助手为什么用着用着就变笨了？因为你没做这一步
大家好啊，我是执着于持续分享数码家电、软件技巧相关知识，坚持创作有深度、高质量作品的博主 设计虱聊科技。期待您的关注。
经常有人问我：普通人用 AI 助手，分几个正儿八经的主 Agent 合适？
我也迷茫过，试过 OpenClaw 的多 Agent 模式，也试过 Hermes 的单 Agent 模式，踩了不少坑，通过真实的体验，我现在是坚定的单 Agent 模式拥护者。
可能你立马会说，这样容易污染上下文，把自己和 Agent 都淹没在消息的海洋里，会极大地降低效率。
是的，以前用 OpenClaw 的时候，我就是这样想，然后建了一堆 Agent，结果上下文是干净了，但是记忆也干净了。
比如我想让负责知识库的 Agent 结合负责编程 Agent 的实际工作经验整理成知识，结果负责知识库的 Agent 表示：你说啥，我不知道。
别急，最近我在转向 Hermes 的过程中，发现了个小技巧，能用单 Agent 规避上下文污染，还能顺便省不少 Token，记忆还天然共享——建群聊。
同一个 Agent，不同的对话
对，就是建群，一类事项建一个群聊。比如我就建了知识库群、记账群、工作任务群、个人待办群。群里可以只有我自己和 Agent。
建群不是为了共享机器人，而是为了隔离不同使用场景下的上下文。这样，Hermes 在不同的群处理不同的工作，但记忆是共享的。这不就天然协作起来了，还能保证 Hermes 在做每项工作时保持专注。
为了保险和方便，建议每建一个群，就告诉 Agent，这个群是专门用来干什么用的，你在这个群里默认加载什么技能、聊什么特定话题。让 Agent 记下来。
或者专门固化成一个 Skill 来专门管理飞书群，这样，每次群新对话都会让 Agent 想起他在这个群要做什么。
这样，Hermes 既不会被混乱的上下文搞懵，也不会不清楚另一个它在干什么。它会专注于这个群的工作，并在需要时调起跨群对话记录，来处理我们跨场景的任务。
同一个 AI，同一个模型，什么都没换。Hermes 只是由“专职”变成了“兼职”，对话只是由一间“大办公室”变成了多间“专属办公室”，就能让 Agent 的 Token 消耗直线下降、工作效率直线提升。
效果有多明显？
比如我在编程群让 Hermes 解决了一个大问题。这时候我肯定想把这个经验沉淀下来。
于是，我直接在这个群让 Hermes 把修复问题的具体技术细节整理到知识库。
Hermes 虽然是在编程群里，不是在知识库管理群里，默认是专注于编程工作，但也可以马上精准调用个人知识库管理的相关 Skill，把自己刚才解决问题的技术方案整理成具体的知识条目，而不是让我去找知识库管理 Agent 处理。非常方便。
如果是多 Agent 方案呢，你需要让编程 Agent 把经验传达给知识库管理 Agent，然后再由知识库管理 Agent 整理入库，在传达过程中经验可能会有失真，同时多一步操作，也增加了人的管理成本和 Token 消耗。
单 Agent+群聊隔离的方案，同时兼顾了干净上下文和跨场景工作的痛点，这个平衡找的非常好。
还有一个细节：开启免@响应
在飞书群配置过 Hermes 机器人的大佬都知道：因为 Hermes 默认不提供群聊免@选项，每次在群聊内消息每次都得 @ 机器人才会响应，这种体验很割裂。
我们可以让 Hermes 自己修改代码，允许群内免@响应：提示Hermes找到 feishu.py 第 3063 行的_should_accept_group_message 函数，把 return False 改成 return True，重启后就能生效。
注意：免@后 Hermes 会响应群里所有消息，建议每个用途群只放你一个人，避免无关消息干扰上下文。
问题解决了……吗？
分群只是解决了"上下文太杂"的问题。分群之后我又遇到一个更隐蔽的坑：有时候群里的上下文明明很干净，AI 还是会突然"忘了"我刚才说的话。
这个问题并不是被别的任务干扰，而是关键信息在上下文压缩过程中丢了（正常不会，遇到了兼容问题）。
下一篇我来聊聊这个失忆问题的排查过程，从现象到根因到修复，完整实录。欢迎关注看后续。
坚持创作有深度、高质量的作品、致力于分享干货、抵制标题党和网络垃圾，是我的座右铭。
您的支持对我真的很重要O(∩_∩)O）。如果你我志趣相投，就帮赏个免费的关注和赞呗。让我们共同打造互联网内容创作和知识分享的一股清流！ヾ(◍°∇°◍)ﾉﾞ