一个路由代理，理顺全部AI助手

真正拖慢效率的，很多时候不是AI能力不够，而是手里助手太多。

当一个人已经为检索、写作、核查、润色、复盘分别建了不同GPT后，新的问题就冒出来了：每次开工前，反而要先花时间判断该点开哪一个。

这种损耗很隐蔽。任务还没开始，脑子里已经先跑了一遍流程：这次该先查资料，还是先把草稿写出来？我之前是不是已经做过一个类似助手？决定太多，注意力就碎了。

后来有人换了个思路，不再继续增加“专科医生”，而是补上一个“分诊台”。这个AI本身不负责写稿、不负责查证，它只做一件事：判断眼前任务该交给谁处理，必要时再安排先后顺序。

听起来像是多套了一层，其实恰好相反。原本混乱的多助手系统，因为有了统一入口，开始变得顺手。每个项目都先交给路由代理，它根据任务内容决定是进入研究、脑暴、事实核查，还是润色环节。人不用再记流程，流程自己浮出来。

这背后有个很朴素的逻辑：通用模型什么都能做一点，但真正进入高频工作后，职责清晰比“样样都沾”更实用。团队协作为什么要分工？因为专门做一件事，质量通常更稳。AI助手也是一样。

一个成熟的个人AI工作流，通常可以拆成几类固定角色。比如：

• 研究代理：负责找可靠信息源、补背景、提示还缺什么材料
• 脑暴代理：把零散想法整理成可执行提纲或选题方向
• 核查代理：标记证据不足的说法，提醒哪里需要引用
• 编辑代理：处理冗余、语感、生硬过渡和可读性
• 复盘代理：看发布后的反馈，挖掘后续内容机会

这套分工原本更像媒体或内容团队的配置，但并不限于写作者。做产品的人，可以拆成需求分析、竞品整理、PRD润色和会议纪要；做销售的人，可以拆成客户分层、邮件草拟、异议处理和跟进计划；做运营的人，则可能更需要活动策划、数据解读和社媒文案。行业不同，角色不同，方法是通的。

路由代理最有价值的地方，不是“聪明”，而是它帮你省掉反复选择的摩擦。比如你只丢给它一句：“我想写某个技术话题，但手上资料不全，也没有采访内容。”它就该判断，当前不适合直接写稿，而是先进入研究代理，必要时再接脑暴代理整理角度。

要是你只是想把发给邻居的一封邮件语气放软一点，它也不该郑重其事地把任务送去事实核查。好的路由，核心不是多推荐，而是少做无效分发。该简单时简单，这很重要。

如果你也想搭一套，思路并不复杂。别急着设计十几个角色，先盯住自己最常重复的三到五类任务。高频、稳定、边界清楚，这三条比“听起来高级”更重要。

可以按这个顺序来建：

1. 1找出你每周重复出现的任务类型，比如检索、摘要、写作、表格分析、图片生成
2. 2为每一类任务单独创建一个专用助手，提示词尽量聚焦，不要什么都让它做
3. 3再创建一个额外助手作为路由代理，只负责识别目标、选择代理、安排顺序、补问缺失信息

路由代理的提示词也不需要花哨，重点是给它清楚的判断框架。通常可以固定让它回答五件事：用户到底要达成什么；哪一个代理最合适；是否需要多个代理协作；协作顺序怎么排；开始前还缺哪些关键条件。

这样做有个长期好处。以后你新增了图片助手、SEO助手、短视频脚本助手，不必靠记忆去决定它们什么时候出场。只要把新角色告诉路由代理，它就会把新成员纳入后续流程。系统会越来越丰富，但使用入口还是一个，不会越搭越乱。

从技术角度看，这其实接近“任务编排”的思路。大模型并不是单次回答工具，它也可以像调度层一样，把不同能力模块串起来。企业里常见的多Agent架构，本质也是把复杂问题拆给不同角色，再由一个上层控制器做分配。个人用户把这套方法缩小到自己的日常工作，效果往往比堆更多提示词来得直接。

真正好用的AI系统，不是面板里摆满助手，而是你几乎不用想该叫谁。当选择成本被拿掉，AI才开始像工具，而不是新的管理负担。对高频使用者来说，路由代理不是锦上添花，它更像把零散能力收拢成流程的那道接口。

I built five ChatGPT agents — then replaced them with one 'master' AI