我的三个AI助手,终于开始说同一种语言了

你好，我是彬少。一个经手过的东西都会变好用的人。

昨天我打开电脑，看到家目录底下 122 个条目，头开始疼了。

.py 脚本散落在根目录、node_modules 占了 82M、还有几个叫 fix_tables.pyfix_tables_v2.py 的东西——我甚至不知道它们是干什么用的。整个家目录就像一张堆了半年杂物的桌面。

我知道问题在哪：每次让 AI 帮我干活，它都往 ~/ 下面吐文件。临时脚本、导出数据、翻网页保存的 HTML……吐完就跑，从不收拾。

折腾，是为了更好用。但前提是，折腾完得知道东西在哪。

于是我开始想，怎么让这个状态不再复发。

[1] 第一步：先清一次

我和 Hermes（我用的 AI 助手）把 122 条条目分了类：

系统文件夹（Desktop、Documents、Library）→ 不动
软件安装残留（Adobe Creative Cloud、向日葵、Xmind 的 node_modules）→ 不动
开发项目 → 统一移到 ~/Projects/
Agent 临时文件（.py、.json、.html）→ 确认无用后删除
播客草稿 → 归入 Obsidian

清完之后从 122 降到了 102，但还是不够。根因是：下次会话，Agent 还是会往 ~/ 吐文件。

所以我建了一个 ~/workspace/ 目录，告诉 Hermes「这是你的沙盒，临时文件放这里，随时可以清空」。配了一行配置：

bashhermes config set terminal.cwd ~/workspace/

这样它的终端默认从这里启动，临时产出也落在这里，不污染家目录。

当时觉得，问题解决了。

[2] 第二步：Agent 之间不说话

我是多个 AI 在用的：Hermes 做主要工作，另一个 AI 助手跑一些后台任务，Claude Code 偶尔写代码。它们各有一套记忆系统，彼此不知道对方知道什么。

这个会话我跟 Hermes 说了「工作目录在 workspace」，下个会话另一个 AI 助手完全不知道——它得重新问一遍。

我有过一本参考库（一套 markdown 文件，存着账号、工具链、决策记录），每个 Agent 都被告知「先读参考库」。但问题是：Hermes 发现了新事实，不会自动写到参考库里。 每次都要我说「把这笔记到参考库」，它手动打开文件、找到位置、写进去——经常写错路径、忘了格式、漏了时间戳。

我在想，有没有办法让 Agent 之间自动共享知识？

[3] 第三步：发现 Cavemem

我在网上找到了一个叫 Cavemem 的产品，标语很对胃口：

"why agent forget when agent can remember"

它是一个跨 Agent 的持久记忆服务，通过 MCP 协议（Model Context Protocol —— 一种 AI 工具之间的通信标准）让不同的 Agent 共享同一份记忆。装好之后，Claude Code、Codex、Copilot 都可以读取和写入同一份记忆。

但仔细一看——Cavemem 不支持 Hermes。 它的 hooks（自动捕获会话事件的机制）是为 IDE 类 Agent 设计的，Hermes 接上去只能查询，不能自动写入。而且想让它写入，得额外写一个定时任务——跟手动记到参考库的成本一模一样。

好的产品不一定适合你。适合你的，往往是能和你现有的东西握手的产品。

[4] 第四步：那就自己写一个

Cavemem 走 MCP 协议，MCP 现在是 Agent 的标配——Hermes 支持、Claude Code 支持、Codex 支持。既然没有现成的，我就让 Hermes 帮我写一个。

我跟它说：写一个 MCP Server，让我所有的 Agent 通过这个工具统一操作参考库。

需求很简单：

功能	说明
搜索	全文搜参考库，不用记路径
读取	按编号、中文名、子路径都能找到文件
目录浏览	看有什么文件
状态总览	总共多少个文件、多大
编辑	先出修改方案，我确认了再执行

我让它写一个 MCP Server，让我所有的 Agent 通过这个工具统一操作参考库。我把它取名 binshao-trove，trove 就是「宝藏库」的意思。

[5] 第五步：踩坑

版本一写出来，另一个 AI 助手连上了，能看到工具列表，但一调用就返回空。

排查了一轮，发现是 MCP 协议的返回格式问题。协议的 tools/call 返回必须用 content 包一层：

json// 错误写法{"result": {"total_files": 16}}// 正确写法{"result": {"content": [{"type": "text", "text": "{\"total_files\": 16}"}]}}

Hermes 能容忍我写错，但另一个 AI 助手严格按照规范来，直接显示「(No output)」。

修了这一个，又发现另外几个：

文件名中的全角竖杠｜和半角竖杠 | 必须归一化处理，否则按编号 06 找不到 06｜学习资产.md
第一次运行显示 41 个文件，结果 25 个是 Obsidian 插件自带的 README，不是参考库内容——得排除 .obsidian 目录
按编号 03 搜索时，同时匹配了根目录的 03｜工具偏好.md 和子目录的 Hermes/03｜Skill清单.md——得让根目录优先

每一个坑都不大，但不踩一遍就是不知道。

[6] 最终版

前后一个多小时，最终版本长这样：

安装到新 Agent 只需要一行命令：

bashpython3 ~/bin/binshao-trove-mcp.py install

它会自动检测当前电脑上装了哪些 Agent，写对配置文件，一键搞定。

日常使用变成了这样：

以前我说「看看参考库有什么要改的」，Hermes 手动打开一个个文件检查、数行数、看结构，经常忘记更新时间戳。

现在它调 ref_status 秒出全貌，调 ref_edit 出修改方案，我确认了再执行——格式、时间戳全自动。

另一个 AI 助手也能用了，Claude Code 也接上了。三个 Agent，读同一份参考库，走同一个 MCP 工具。

一个经手过的东西都会变好用的人——包括自己的工具链。

[7] 一点心得

这次折腾下来，几个感受：

问题是最好的老师。 如果不是家目录乱了，我不会想到建 workspace；如果不是多个 Agent 信息不同步，我不会去折腾 MCP。

标准很重要。 MCP 协议让我写的工具能同时被 Hermes、Claude Code、WorkBuddy 使用——如果每个 Agent 用不同的协议，我就要写三套。

自己动手不一定比买现成的差。 Cavemem 很好，但不支持我的主力 Agent。与其等它适配，不如写一个刚好贴合自己场景的。

如果你也用 Hermes、也维护了一本参考库，可以顺着这个思路给自己的工具链也配一个。

因为每个人的环境和使用习惯不同，实际用起来可能会遇到我没碰到过的问题。欢迎在评论区反馈。