在常驻虚拟机上搭建持久化编程 Agent 团队

第一次体验 Grok Bot 时，持久运行的 Agent 和 Agent 团队真正引起了我的兴趣。Grok Bot 对外的定位是全天在线的 AI 队友，每个都有自己的云端计算机。我把这些持久运行的 Bot 拉进群聊，组成软件团队，再在侧边栏里把它们整理成独立的小组。这样一来，你不用每接一个任务就新开一次聊天，而是与有名字的同伴一起工作：它们了解项目，记得之前的讨论，还会在共同的对话流程中相互交流。免费额度用完后，我在一台全天在线的 Linux VM 上，用 Herdr 重建了这套配置：先用 Claude Code，后来又换成 Pi，接入我的 GitHub Copilot 订阅。它能比标准的单任务会话带来更高的准确率吗？大概不能。但我是不是更喜欢这种工作方式，哪怕它也会放大一些失败模式？绝对是！

Grok Bot 变成了 Grok 团队

在典型的 Claude Code 工作流里，一个“Agent”其实只是一个会话：为某项任务创建的一段对话或线程，用完即弃，最后留下一堆你再也不会打开的标签页。另一种含义是静态定义文件，里面写着 system prompt、允许使用的工具，以及指定的模型，本质上还是一份用来启动另一个全新对话线程的配置。如今大多数 Agent 都只是对话线程，并不是持续存在的实体。

Grok Bot 并没有专门把自己宣传成“持久运行的工程团队”框架。它的核心卖点是全天在线的 Bot：拥有自己的云端 Linux 计算机、浏览器和终端，即使你的笔记本电脑合上了，它们也能继续全天候工作。真正吸引我的，是把这些持久运行的 Bot 按角色组织起来，在群聊里组成团队，再在侧边栏中把每个团队单独分组。

从体验上说，这就像在和一群有名字、有记忆的同伴交谈，你真的会记住谁是谁。这些 Agent 了解项目，会与你、也会彼此并肩工作，很像一个相处融洽的人类小团队。你可以把它们拉进群聊，讨论想法，提出异议，看着它们一边推进工作，一边相互交流。时间久了，团队里的 Agent 也会逐渐熟悉代码库。

你和 PdM Agent 的一次讨论，自然而然就变成了一张待办工单，群聊里收到通知，Dev 和 QA Agent 接棒处理，30 分钟后，一个新的 GitHub release 就发布了。你还可以打开手机 App，看到同样的聊天记录，让它们做点什么，再验证已经部署的结果，全程都不用碰笔记本电脑。

这种感觉让人耳目一新。那些“AI 工厂”的说法透着一股柴油朋克味，而繁重的规格驱动流程又明显带着瀑布开发的影子。我一直缺少的，是这种接近人与人协作、以敏捷方式和 Agent 团队互动的体验。它的结果比传统的单任务 Claude Code 会话更好吗？大概没有，准确率基本相当。但我是不是更喜欢它？绝对是！

它还有一个实际好处：常驻远程机器的团队可以照看长时间运行的任务。Agent 可以启动异步 bash 任务，通过隐式循环监控外部事件或耗时较长的测试套件，并在某个步骤完成或出错时相互通知，而不用我一直守着笔记本电脑上的终端。

我猜，从底层来看，是下面四件事凑到了一起，才让这种体验在今天成为可能：

• 通过 RL 训练进模型的优秀上下文压缩能力：从很长的对话线程中提炼重要信息，让会话能够一直持续下去。
• 每个 Agent 独立的记忆和身份：上下文属于某个特定 Agent 或 Bot，而不是所有内容都堆在一份仓库级的 CLAUDE.md 里。
• Agent 之间的异步通信：同伴可以直接交接工作、回答问题，不用人类充当复制粘贴的中转站。
• 全天在线的远程 Linux VM：Agent 越来越多地住进持久运行的远程沙箱，不会因为你合上笔记本电脑就停止运行。

重建这种体验

我的 Cursor/Grok Bot 试用最终还是结束了。按我的估算，如果按量计费，高强度使用 Grok 一周可能要花大约 2,000 美元。我通常是谁家还有 token 就迁到谁家，所以先换到了 Claude Code，随后又开始寻找一种办法，让同样的配置用上我的 GitHub Copilot 订阅。

Claude Code 和 Copilot 的工具都无法开箱即用地提供 Grok Bot 那样的体验，于是我在自己的 VM 上重建了一套接近的方案。

思路很简单。你不用每遇到一件杂事就新开聊天，而是在同一个仓库里，保留一小组有名字、持续运行的会话。比如，一位负责人兼协调者（r&d），一位负责研究方案和边界情况的成员（researcher），一位负责实现的成员（dev），再加上一位速度快、成本低、处理小任务的成员（haiku 或 luna）。

假设你想给一个 API 客户端增加请求重试功能，同时又不想让非幂等写入变得不安全。在普通工作流里，你会在一个标签页里做调研，把结论复制到第二个标签页里写规格，再打开第三个标签页写代码。有了持久运行的团队，你只需把想法告诉负责人 Agent，让它和其他成员一起解决：

和 researcher 确认哪些端点可以安全重试，商定一个小规模的首批实现范围，再让 dev 完成实现。

接下来，Agent 就会开始异步交流。researcher 检查代码库，指出没有幂等键的 POST 请求不应该自动重试，然后把结论发回来。负责人把结论整理成具体任务，通知 dev。dev 编写代码、运行测试，再汇报结果。如果你想中途调整方向，直接加入聊天就行。大家还保留着当天早些时候的上下文；等某个对话线程终于变长了，它就会压缩上下文，继续运行。

要在自己的机器上搭建这套环境，需要三个组成部分：

• 一台全天在线的 Linux VM，里面已经检出你的仓库，并完成 Agent CLI 的身份验证。Agent 会在那里日夜工作。
• 用 Herdr 作为终端复用器。它提供工作区，方便像侧边栏分组一样，从视觉上区分不同团队；每个 Agent 会话都有自己的标签页；Agent 名称旁还有状态圆点，显示哪些正在工作、哪些在等待输入，就像 Grok Bot 的聊天面板一样。
• 一份简短的 TEAM_*.md 文件，列出 Agent 的名字，与标签页名称保持一致，并说明团队如何协作，再从 AGENTS.md 中引用它。

按照 Herdr 的安装指南在 VM 上安装，然后从笔记本电脑连接：

ssh your-host
cd ~/your-repo
herdr

如果本地也安装了 Herdr，还可以直接连接：

herdr --remote your-host

首次启动时，Herdr 会提示你启用 Claude Code 和 Pi 的 Agent 集成。之后也可以随时在 Herdr TUI 中单独开启或关闭某项集成。启用后，Herdr 就能显示实时状态圆点，并在服务器重启后恢复已保存的 Agent 对话。

配置 Claude Code 团队

在 VM 上运行 Herdr 后，配置 Claude Code 团队只需要几分钟：

1. 打开四个 Herdr 标签页，在每个标签页里运行 claude。在专用 VM 上，我会带上 --dangerously-skip-permissions。
2. 在每个会话里运行 /rename，或者通过 claude --name <role> 启动，让每个 Agent 都有一个简洁的名字，方便同伴通过 @ 引用：r&d、researcher、dev、haiku。
3. 在仓库中创建 TEAM_CLAUDE.md，列出 Agent，并规定几条协作规则：谁负责协调、如何交接工作，以及如何共用 git 工作树。
4. 从 AGENTS.md 引用 TEAM_CLAUDE.md。毕竟，切换到 Copilot 时，我们可不想让 Agent 的主入口文件里塞满 Claude 专属指令 :)

## Teams

- Claude Code sessions: read `TEAM_CLAUDE.md`.
- Pi sessions: read `TEAM_PI.md`.

Claude Code 内置了跨会话消息功能：ListAgents 和 SendMessage，可以通过 /list-agents 查看。在聊天中直接按名字提到其他 Agent，比如 @researcher、@dev，它们就会开始相互交流。下一个任务也不要再新建 Claude 会话。每个 Agent 迟早都会触发上下文压缩，而这件事通常不需要你操心。

迁移到 Pi + GitHub Copilot

既然 Claude Code 已经能用，为什么还要引入 Pi？

因为我有 GitHub Copilot 订阅，而且就目前而言，Copilot 是对我最划算的推理服务提供方：一个平台就能使用多种模型，包括 Sol、Luna、Astra、Claude 和 GPT。Copilot 订阅还提供 GitHub Copilot CLI 和 OpenAI Codex 的访问权限，所以我先检查了这两个工具。但 Copilot CLI 和 Codex 都缺少这套工作流所需的关键功能：有名字、长期运行的同伴会话之间的异步通信。

Pi 同时解决了这两方面的问题：

• Pi 开箱即用地支持通过 /login 完成 GitHub Copilot 身份验证，不过要留意订阅方案中的 Copilot 计费规则和使用额度。
• Pi 有 pi-intercom 扩展，可以在有名字的 Pi 会话之间增加本地异步消息功能：send、ask、reply。

pi install npm:pi-intercom

在构建评测运行器、通过基准测试实验开展研究的过程中，我把 Pi 配置扩展成了一个 6 人 Agent 团队，放进独立的 pi/<repo> Herdr 工作区里，并增加了专职 QA Agent，以及负责质疑假设的 Oracle：

在 Pi 中，输入 /intercom，或按 Alt+M，就能打开同伴浮层面板；Agent 则直接调用 intercom 工具：

intercom({
  action: "send",
  to: "pi/qa",
  message: "Verify the acceptance criteria on the runner and send pi/dev any repro steps."
})

在 TEAM_PI.md 中，我要求它们在普通异步交接时使用 action: "send"，回复时也重新发送一条 send；只有遇到必须等待答案才能继续的问题，才使用同步的 ask。

会出什么问题：团队会放大失败模式

这里我想说得现实一些。持久运行的 Agent 团队不会神奇地让底层模型变聪明。传统的每个任务开一个对话线程的工作流，大概率也能给出相同的代码质量和准确率。变化的是人类操作者的体验，以及你可以把长时间运行的任务和监控循环交给团队照看的能力。

与此同时，赋予 Agent 团队自主权和异步消息能力，也会放大某些失败模式，尤其是围绕凭空捏造的目标上演的一场场表演。前段时间，我整理过一篇关于“幻觉之外的 AI Agent 失败模式”的文章。一个周末观察 Pi 团队工作的经历，让其中好几种失败模式都得到了淋漓尽致的展示：

• 糟糕的愿望实现，默认走向过度工程。 我们那个周末的目标很直接：用 Harbor 跑出一次干净的 Terminal-Bench 2.1 基线结果，再加一个小型状态面板和通知功能。按标准用法，这其实就是调用 CLI，然后坐下来等。结果，pi/r&d、pi/dev、pi/luna 和 pi/qa 花了整整一夜，构建一套强化的进程监督、持久化消息投递和退役隔离子系统（ef job），忙着关闭工单、编写单元测试，却连一次基准测试试验都没启动。每个局部步骤听起来都合理，合在一起，却成了一次规模惊人、完全偏离目标的“替你实现愿望”。
• 放着现成功能不用，非要自己造一套。 当我们需要为 Terminal-Bench 2.1 运行配置缓存时，团队逐渐跑偏，开始部署和调试一套外部 PyPI 代理方案，涉及 proxpi、Gunicorn 和 TLS 变通处理，还在调研和交接上消耗了大量 token，却没有直接启用 Harbor 自带的缓存。后来我介入，要求它们拆掉自己发明的那套东西，才终于顺利完成并行运行，并节省了约 30% 的下载量。
• 过度拆解，把进展当成完成。 有了负责人（r&d）、实现者（dev、luna）和审查者（qa、oracle），哪怕一个小小的辅助工具，也可能变成一套多 Agent 仪式：工单 -> 实现 -> 源码审查 -> 独立 QA 复现 -> 修复 -> 证据包。你会收获大量提交、全部通过的测试，以及忙碌的状态更新，但真正想要的结果却停滞不前。
• 有损的上下文压缩。 永不结束的对话线程靠上下文压缩延续，而压缩偶尔会丢掉你最在意的那条具体约束。重要决策和限制范围的规则，需要写进仓库文件，比如 AGENTS.md、CONTEXT.md，不能只留在聊天记录里。
• 成本。 六个持久运行的 Agent 通过 intercom 相互唤醒，反复加载庞大的上下文，token 消耗会很快。如果你的套餐没有充足的内含额度，也不是固定费率，运行一个活跃的 Agent 团队很快就会变得昂贵。

那场通宵的工程表演结束后，我让 pi/r&d 和 pi/oracle 坐下来做了一次复盘，并把明确的范围约束写进 TEAM_PI.md：默认每个任务只设一位交付负责人；不要因为某个角色存在，就把它也叫来参与；绝不要把“运行一个现成 CLI”变成一项必须先完成的工程项目。

我的体会是：持久运行的团队是一种强大的工作流，但不是银弹。要把它用好，需要你亲自实验、不断调整；当团队开始给自己凭空制造工作时，偶尔还得用全大写字母大声叫停。

Gist：启动脚本和 TEAM_*.md 模板

为了让团队能通过一条命令启动，我整理了四个小文件，你可以拿来放到项目根目录：

• claude-team.sh：创建 Herdr 工作区和标签页，角色包括 r&d、researcher、dev、haiku，并启动带名字的 Claude 会话，同时附加 TEAM_CLAUDE.md。
• pi-team.sh：创建 pi/<repo> 工作区，按指定模型、思考级别和 TEAM_PI.md 启动六个 Pi Agent。
• TEAM_CLAUDE.md 和 TEAM_PI.md：各一页的团队模板，涵盖角色、r&d 协调方式、异步消息规则、范围约束，以及共享检出目录的规则：检查 git status，只暂存自己的文件，避免四个 Agent 的提交互相干扰。

在 Herdr 的 shell 标签页中运行：

bash claude-team.sh
# or on a dedicated VM where you want to skip permission prompts:
CLAUDE_SKIP_PERMISSIONS=1 bash claude-team.sh

bash pi-team.sh

如果某个角色的标签页已经存在，脚本就不会改动它，因此不会覆盖正在进行的对话。启动它们，试着调整角色，享受和团队一起工作的乐趣吧 :)

如果还想采取进一步措施，可以考虑屏蔽此人和／或举报滥用行为。