手机上我装了一个自己写的Hermes办公室App。
打开首页就是可视化沙盘，能看到小黑、小橙、小金三个工位，谁在线、哪个任务卡在outbox里，一目了然。点开「专家团」，同一个问题会同时派给三个人，各自从不同视角给出回执。
会装Hermes的人其实很多，但真正会用透的人，差的其实就是这4步。
一个月前装好、配好、能用，只是第一步。真正让它替你干活，不需要你盯着，不需要你每天重复说同样的话，那才叫用透了。
上一篇写了怎么从装好到用爽，这篇往前走一步，把我自己用出来的4步写出来。
一、/learn：再也不用重复教AI了
有个场景你肯定遇到过。你让AI帮你写公众号文章，好不容易调顺了语气风格，下次开个新会话又要重新说一遍。你说多了也烦，AI没记住也冤。
/learn 就是干这个用的。一句话教会它，它就不忘了。
比如我最近经常遇到AI写的东西还是太正。我直接说：「/learn 去AI味的标准：不要用「首先」，不要用「综上所述」，不要结尾写「未来可期」。记住了，以后每次写文章都用这个标准检查一遍。」
就这么一句话，以后每次写文章，它都会自动检查有没有AI味。
实际用法不是用 /learn 写长篇大论，而是每次发现AI踩了同一个坑，就用一句话 /learn 教它。教得多了，AI越来越懂你的偏好。我刚用的时候每周要学3-4次，现在一个月都难得学一次，因为它已经摸清我的套路了。
/learn 和 Skill 的区别也很简单。/learn 是快速教学，适合即时的偏好固化。Skill 是完整打包，适合一个固定的工作流程。我常用的流程是：先用 /learn 快速教几个规则，用顺了再把它整理成完整的 Skill。
别一上来就搞复杂的 Skill 设计，先从 /learn 开始，遇到什么问题就教什么，用顺了自然知道该升级。
二、多Agent协作：让小黑小橙小金一起干活
先说我用得最多的一个。
你有两个以上不同的任务要同时干的时候，自己在中间切来切去效率很低。Hermes 的 Profile 机制可以解决这个问题。
我建了三个 Profile。小黑管知识管理和调度，小橙管内容生产，小金管商业和投资。它们各自有独立的记忆、独立的模型、独立的工具集。为了在手机上也能管这三个人，我专门做了一个Hermes办公室App。
这个App不是花架子。首页沙盘能看茶水区、健身区、四个工位，以及小黑、小橙、小金各自在线状态和端口。任务页把定时任务、已送达、待补投、失败状态统一列出来。空间页可以按项目组队，再从成员里点人派活。
真正好用的是专家团。我在手机上输入一个问题，比如「这周公众号该不该写准大学生选题」，App会同时把同一问题发给三个人：小黑按主控汇总视角梳理，小橙按内容传播视角拆受众和表达，小金按商业风险视角看值不值得做。专家团负责并行投递和初步汇总，真实深度回答还是走各Profile的Hermes通道，最后我在App里统一看三份回执。
上周我用它派过一次。小黑先把选题库和往期数据对上，小橙给出标题方向和读者画像，小金补了转化路径和风险点。我在手机上把三份回执扫一遍，十分钟内定了选题，电脑端再开写。比我在飞书群里来回@、来回等，省了大半沟通成本。
当然不是一开始就这么顺利。说几个我踩过的坑。
第一个坑是通道掉线。手机端看起来点了派活，其实某个Profile的gateway挂了。后来我在首页加了通道健康检查，8642、8650、8660、BFF各自在线与否一眼能看。离线就先提示启动，不再盲发。
第二个坑是投递失败后任务失踪。接口超时或鉴权失败时，任务会进兜底队列outbox，而不是直接消失。App支持逐条重试，也可以在任务页手动开自动补投，每60秒只重试一条，避免手机端卡死。
第三个坑是结果打架。三个人同时处理同一素材时，小黑按知识入库写，小橙按公众号风格重写，最后出两套矛盾版本。后来我在派活指令里写清楚角色边界和「输出必须引用已有结果」，才稳定下来。
刚接触的话，先两个Profile就够了。一个管日常杂活，一个管复杂任务。跑顺手了再加第三个，有余力再做手机端看板。
三、MoA多模型会诊：难问题交给群智
单个模型有自己的偏好和盲区。让DeepSeek做选择题分析，它倾向于选稳妥的。让MiniMax做同样的事，它会更激进。都不是完全对或错，但综合起来会更靠谱。
MoA就是干这个的。它让多个模型分别跑一遍，然后投票或讨论，选出最优答案。
我主要用MoA干三件事。一个是代码审查，让不同模型各自看一遍，找出来的bug比单个模型多不少。一个是选题评估，DeepSeek觉得能火的选题MiniMax可能觉得不行，综合一下更稳。还有就是复杂推理，多个模型各自推一遍再投票，准确率高很多。
举个我上周真实用过的例子。
当时选题库里卡了两个方向：一个是「DeepSeek新模型怎么薅」，一个是「准大学生暑假该装哪几个AI工具」。我一个人看，两个都像能写。于是让DeepSeek、MiniMax、Kimi各自按我的公众号定位打分。
DeepSeek给薅羊毛题打了92，说转化路径清楚；MiniMax只给了71，理由是同类文已经写过，新鲜度不够。准大学生那题反过来，DeepSeek 78，MiniMax 89，Kimi 86，理由都是暑假窗口短、读者画像更准。最后我按平均分选了后者，当晚写完推出去，两天阅读比前一篇同类教程高了将近一倍。
配置也不复杂，在config.yaml里加一段moa配置，指定想参与的模型和投票策略就行。我目前的配置是DeepSeek加MiniMax加Kimi一起审稿。
但MoA也有代价。每次调用都要等所有模型跑完，延迟比单模型高几倍，Token也更烧。所以我只在选题、审稿、重要决策上用，日常聊天直接单模型。
刚开始的话，别上来就全链路MoA。先拿选题评估试，让三个模型各自打分，取平均，比一个人拍脑袋稳。
四、自进化闭环：让Agent自己变强
前面说的这些，我主动叫它它才动。有没有办法让它自己发现不够强、自己学、自己变强？
我自己用得最多的就是这个模式。
具体是这样的。我每天有个Cron，早上9点半自动跑选题采集，从热点源和已有选题库里抓一波，打完分推到飞书。我挑一个写，写的过程中如果踩到新坑，就顺手/learn，或者让它直接生成/更新Skill。
说一个完整闭环。
7月3号晚上，我复盘近两周数据，发现「数字前置」标题明显更吃香。比如「8个AI工具」那篇，比同周「有哪些AI工具」那篇点击高不少。我当晚直接丢给Agent：把「数字前置+痛点+利益点」写进标题规则，更新到标题优化相关的Skill里。
7月4号早上9点半，Cron照常跑选题。这次它推过来的3个候选标题里，2个已经自动带了数字和利益点，不再是「聊聊XX」这种软开头。我选了其中一个开写，下午发完。
7月5号再看数据，这篇打开率比前一周同类型教程高了大概30%。Agent也没停，它把这次结果记进了复盘记录，下次选题会继续优先用这套标题结构。
你看这个过程：人发现规律 → /learn固化 → Cron自动带上新规则 → 下一次产出直接变好 → 数据再反哺。中间我真正动手的，就那一晚的一句指令。
这个循环跑顺了之后，你介入会越来越少。选题源不够好，它自己去调；某类文章打开率低，它自己换标题策略。你打开手机看到结果的时候，活儿往往已经干完了。
别指望第一周就全自动。但你从第一天开始攒规则，一个月后会明显感觉自己越来越闲。
写在最后
这4步，从简单到难排列。/learn 是最容易上手的，马上就能用。多Agent协作需要你多建几个Profile，但回报也是最高的。MoA适合你有复杂任务的时候用。自进化闭环是最理想的终极状态。
你不用一次全上。先拿 /learn 跑一周，顺了再加多Agent，再往后才是MoA和自进化。
我现在每天真正动手的时间，比一个月前少了一大半。剩下的，大多是选选题、改几句、点发布。
我是饮冰，大三学生，边学边搞AI。