为什么Fleet同时拥有通用聊天和专业Agent

Fleet为何同时提供通用聊天和专业Agent

2026年6月16日

Agent的工作通常分为两种模式。有些任务是临时性的：你请求帮助，Agent从几个工具中收集上下文，推理出变化，给你答案，然后工作结束。其他任务则遵循可识别的模式，依赖相同的指令和上下文，使用相同的工具，并在每次运行时需要一致的判断。

许多AI产品将这两种模式都当作一次性聊天来处理。这适用于快速提问，但当工作重复时就会出问题。你最终会重写提示、重建上下文，并依赖聊天线程充当操作流程。Fleet的理念是Agent应该匹配工作需求。它有一个通用聊天来处理临时任务，同时专业Agent通过持久指令、限定工具、触发器、子Agent和记忆来处理重复工作。

以下是工作原理。

通用聊天适用于低配置工作

想象你休假一周回来，需要赶上Slack线程、GitHub PR、Linear工单和日历邀请。工作跨越多个工具，需要判断，并可能产生长篇总结或一系列下一步。一旦完成，你可能不需要下周再次运行相同的任务。

通用聊天就是为这种请求而构建的。你可以请求Fleet处理跨工作区的广泛任务，而无需事先决定Agent应使用哪些工具、提示或技能。它可以访问你的工作区集成，通过文件系统管理上下文，并在任务需要真实环境进行代码、文件或数据分析时使用虚拟计算机。

你提出需求，Fleet执行任务，线程可以在工作完成后结束。

专业Agent用于重复性工作

重复性工作需要更持久的设置。每周计划更新、收件箱管理、客户研究简报和积压维护任务不应该依赖于某人每次重复解释相同的期望。一个计划Agent可以每周一检查Linear，总结已发货的内容，标记阻塞的工作，并按团队期望的格式起草更新。一个收件箱Agent可以对新邮件进行分类，起草回复，升级客户问题，并记住哪些消息你想自己处理。

专业Agent为重复性工作提供了稳定的家。你可以自己配置结构，定义Agent的指令、选择模型、附加工具、添加技能、创建子Agent以及连接触发器或计划。或者你也可以用自然语言向Fleet描述任务，Fleet将帮助你构建合适的Agent结构。

一个有用的临时任务可以从通用聊天开始。当该任务成为团队工作的一部分时，Fleet可以将其转变为具有持久指令、限定工具、记忆和正确运行方式的专业Agent。你仍然控制设置，但不必从空白配置屏幕开始。

专业Agent允许你定义的内容

专业Agent很有用，因为配置在每次运行中保持一致。

指令：Agent的提示定义了其角色、决策规则、输出格式、升级行为和边界，使重复工作保持一致。

工具：专业Agent获得完成任务所需的特定工具，使其专注于它被构建来做的工作。

模型：你可以选择主要Agent和各个子Agent的模型。主管Agent可能使用更强的模型进行规划或审查，然后使用较小的模型处理更窄的子任务。这样可以优化模型选择以提高速度、成本和性能。

子Agent：子Agent为专业Agent提供了可调用的专家，它们有自己的指令、工具和模型选择。这有助于将上下文密集型任务卸载到具有自己对话历史的子Agent中，确保不会污染主Agent的上下文。

技能：专业Agent可以使用公司共享的工作区技能和仅限于该Agent的私有技能。这为重复性工作提供了可重用的知识库，而无需将每个指令暴露给工作区中的每个Agent。

触发器和计划：专业Agent可以按计划运行，或响应来自Slack、Gmail、Outlook和Teams等工具的事件。Gmail触发器可以在每次新邮件发送到收件箱时启动运行。计划触发器可以每天早晨或每周运行相同的Agent。

计算机访问：当Agent需要真实环境进行代码、文件或分析时，计算机访问可以成为Agent设置的一部分。在通用聊天中，计算机访问可以按线程启用，因此上下文对每个聊天都是隔离的。在专业Agent中，它是Agent环境的一部分，可以选择跨线程限制单个计算机。这在你想跨运行维护上下文时很有用。

最大的区别在于记忆如何跨任务持久化

通用聊天具有线程级上下文，适用于临时工作。线程保存了发生的情况，当线程结束时，工作完成。

专业Agent具有限定于作业的记忆。它们可以记住事实，随着时间的推移更新它们，并在未来的运行中使用它们，而无需提醒。

以管理Linear工单和监控GitHub PR的产品经理Agent为例。随着时间的推移，它可以了解到一位工程师更喜欢后端问题，另一位希望将工单分解成更小的部分，而PM希望立即升级阻止发布的错误。这些事实不应该存在于某人每周重写的提示中。它们应该成为Agent工作记忆的一部分。

这就是专业Agent与保存聊天不同的地方。其指令是稳定的，但记忆可以随着工作的变化而发展，并且可以为每个特定Agent量身定制。

何时使用每种Agent类型

任务的形状比任务的难度更重要。一次性任务可能很复杂，而重复性任务可能很简单。最好的思考方式是：你正在做的工作是否是可重用的模式。

使用场景 通用聊天 专业Agent

最适合 一次性、探索性或临时工作 重复性、计划性或事件驱动的工作

设置 无需设置。从请求开始。 配置指令、工具、技能、模型和触发器。Fleet可以用AI为你配置，你也可以手动配置。

工具 可以使用可用的工作区集成 限定于工作所需的工具

子Agent 可以使用通用子Agent 可以定义具有独立模型、工具和提示的自定义子Agent

技能 工作区技能 工作区技能和私有Agent技能

记忆 线程级上下文 持久记忆限定于Agent的工作，外加线程级上下文

计算机访问 按线程启用 作为Agent环境的一部分，可选择按线程或按Agent配置

简而言之：当工作广泛或临时时使用通用聊天；当工作已成为你想重复委派的责任时使用专业Agent。

这带来的好处

Fleet让团队从辅助开始，并将重复工作升级为委派。

你可以从通用聊天开始，请Fleet帮你了解情况、研究账户、总结文档、分析CSV或起草回复。其中许多任务将保持一次性，这没问题。它们应该保持轻量级。

当一种模式反复出现时，Fleet让它拥有持久的形式。Agent获得正确的指令、工具、技能、触发器、子Agent和记忆。团队不再依赖于记得如何提示任务的人。工作有了可以再次运行的所有者。

这就是Fleet拥有两种Agent类型的原因。一些Agent帮助处理即时的、开放式的任务。其他Agent承担重复性责任，并在构建特定于工作的记忆时不断改进。Fleet支持两者，因为团队需要两种模式才能使用Agent真正完成工作。

要开始使用，你可以免费试用Fleet。要深入了解技术细节，请阅读文档。

看看你的Agent到底在做什么

LangSmith，我们的Agent工程平台，帮助开发者调试每个Agent决策、评估变化，并一键部署。

尝试LangSmith

获取演示