AI · FW · 060
多 Agent 上下文分区
Multi Agent Context Partitioning · multi-agent-context-partitioning--claire-vo
所属簇 Agent 构建
解决什么问题
单个 AI agent 接了所有任务后开始"变笨":忘记昨天谈的事、丢失邮箱访问、说自己读不了明明能读的文件。用户因此断定产品不行。Claire 的诊断:这不是产品问题,是 context overload——上下文窗口越满,agent 对当前任务的执行越差。
核心内容
用"按角色拆分多个 agent"来管理上下文,而不是硬扛单 agent 的记忆问题:
- 一个角色一个 agent,一人一个"安静的房间":Claire 运行 9 个 agent——工作 EA(Polly)、家庭后勤(Finn)、销售 SDR(Sam)、播客制作(Howie)、课程项目经理(Sage)、孩子学业辅导(Q)等。每个 agent 只接触自己职责域的信息流。现实雇佣里你会请不同的人做这些工作,agent 团队同理。
- Slack 频道类比:你不会把营销、销售、研发九个团队全塞进 #general——研发团队不关心今天 X 上发了什么。不同 lane 的工作进不同频道,需要交叉时才交叉。这个类比把"9 个 agent"从听起来像 AI psychosis 变成再普通不过的组织常识。
- 机器共置判据:多个 agent 可以共享一台机器,判断标准是——你是否接受这台机器上的所有 agent 偶尔互看彼此的文件、工具、文档?销售 agent 能读 GitHub 无伤大雅,可以共居;家庭 agent 不该看到任何工作内容,就单独分一台物理机器。物理设备是最硬的边界(类比工作手机/生活手机两台分开)。
- 共置的副产品——brain transplant:同机 agent 授权后可以读彼此的 soul/记忆来快速冷启动(新 agent 上线时直接"去看 Polly 的 soul 了解我")。
- 扩张路径:从一个 agent 开始(推荐起点:"每个职业人士都配得上一个 EA,每个家庭都配得上一个家庭管家"),用顺了再逐个加,不要一上来铺 9 个。
- 运维技巧:在同一台机器装 Claude Code 当"上帝模式管理员/外科医生"——agent 连不上邮箱、配置坏了,让 Claude Code 读文档去修;拆分记忆(把 Polly 的家庭相关记忆剥离给 Finn)这类手术也交给它。
适用边界
- 每个 agent 都有维护成本("你得喂养你的 Claws"),拆分数量以你愿意维护的上限为准。
- OpenClaw 本身会做会话压缩来管理上下文,拆分是在此之上更高效的手段,不是替代。
- 该模式假设各角色间信息交叉需求低;高度耦合的工作流拆开反而增加协调成本。
关键引述 · 原话
"They think they can throw any task at a single agent and get great results, and then they get really frustrated." — Claire Vo
"I have nine Slack channels... my development team does not care what was posted on X today, and my podcast team does not care what's in the ChatPRD sales pipeline." — Claire Vo
关联卡片
- 前置:agent-onboarding-as-hiring--claire-vo(单个 agent 的入职方法)。 - 底层机制与 coding agent 领域的共识一致:上下文窗口污染降低任务表现,因此"scope 窄的 agent 表现更好"。
被这些卡引用
出处:Claire Vo (ChatPRD 创始人 / How I AI 播客主持人 / 三任 CPO) · 03-podcasts/claire-vo-openclaw.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2