很多人用 AI 助手的方式是：一个聊天框，什么都往里问。今天让它写周报，明天让它审代码，后天让它规划旅行——每次都要先交代一遍”你是谁、我要什么格式、注意什么”。问得多了就会发现，同一个助手在不同任务之间来回横跳，回答质量并不稳定：写周报时像个秘书，审代码时又像个刚入门的实习生。解决办法不是换一个更聪明的模型，而是给不同任务各配一个专属助手。LM Station 的自定义 Agent 做的就是这件事：一个 App 里养一群 AI 助手，每个有自己的角色、自己的模型、自己的资料库，互相不串台。
自定义 Agent 是什么
按 LM Station 官网的介绍，它是一个 iPhone、iPad、Mac 通用的 AI 工作台，聚合了 20 多个云端模型（GPT、Claude、Gemini、Qwen、DeepSeek 等），也能在 iPhone 上本地运行大模型，同时提供 Deep Research、RAG 知识库、长期记忆、OCR 与视觉、语音、图片生成和自定义 Agent 等功能。自定义 Agent 就是在这个底座上长出来的能力：你新建一个 Agent，给它定一个角色、写一段工作说明、选一个适合它的模型、需要的话再接上知识库，它就成了一个只干这一类活的专属助手。
多 Agent 群聊则是更进一步的玩法：把几个不同分工的 Agent 拉进同一个对话，让它们互相补充。比如规划一次旅行，行程 Agent 负责排路线和时间，预算 Agent 负责算钱、找便宜的机票酒店组合，美食 Agent 负责按你的口味挑餐厅；你只需要在群里说一句”下周去成都三天，预算 4000，别太赶”，三个 Agent 各自从自己的角度给方案，你再挑着用。这比一个通用助手单打独斗要省事，因为每个 Agent 只盯着自己那摊事，不容易顾此失彼。
图 1：LM Station 主聊天界面。自定义 Agent 和群聊都在这个聊天界面里用，入口和普通对话在一起，不用另开一个 App。
一套能直接抄的分工方案
Agent 不是越多越好，先搭三到四个最常用的，分工越清楚越好用。下面这套是我觉得对多数人够用的起点：
1. 写作助手：管所有要写字的活。角色定为”帮我写中文商务和日常文字”，工作说明里写清你的偏好：语气正式还是随和、段落多长、要不要先给大纲再写正文。周报、邮件、朋友圈文案、请假条都交给它。模型可以选一个文字能力强的云端模型，因为写作基本不涉及隐私，联网查资料也方便。
2. 代码审查员：专门挑代码毛病。角色定为”资深工程师，做代码审查”，说明里要求它只说问题和修改建议，不重写整段代码，指出问题时给出来龙去脉。写代码、改 Bug 的时候把它叫出来，相当于随身带了个 Code Review。敏感代码可以配本地模型，审之前不用把代码发到云端。
3. 旅行规划师：行程、预算、餐厅一把抓。角色定为”旅行规划助手”，说明里写清你的偏好：预算范围、出行节奏、忌口和饮食偏好。它可以调用网页搜索查实时信息，再结合地图工具排路线。需要时把它和预算 Agent、美食 Agent 拉进群聊，一次把行程、花费、吃饭都定下来。
4. 学习辅导员：陪你读书和备考。角色定为”耐心细致的辅导老师”，说明里要求它讲概念先举例子、讲完出两道练习题、答错了再讲一遍。接上 RAG 知识库，把你的教材、讲义、笔记喂给它，它回答的时候就以你的资料为准，而不是凭印象瞎编。
搭 Agent 的时候有三条经验值得记下来。第一，角色说明要写具体，别只写”你是一个助手”——写清它负责什么、不负责什么、输出格式是什么、语气怎么样，越具体它越少跑偏。第二，模型要按任务配：写作、查资料这类活交给云端大模型；涉及隐私的、或者没网也要用的场景，配本地模型。第三，一个 Agent 只干一类活，别贪多；一个”什么都行”的 Agent，最后就是什么都不精。
图 2：LM Station 多模型选择与配置界面。给不同 Agent 配不同模型就靠这个界面：写作配文字强的云端模型，隐私场景配本地模型，各取所长。
多 Agent 群聊怎么用才不乱
群聊的玩法听起来热闹，用不好就是几个 Agent 各说各的。我的经验是：一次群聊只解决一件事，进群的 Agent 不超过三个，而且要先分好主次。比如上面说的旅行规划，先让行程 Agent 出一版行程，再让预算 Agent 按行程算钱、标出超支的地方，最后让美食 Agent 按行程里的空闲时间段推荐餐厅。你作为群主负责拍板：行程太赶就让行程 Agent 改，预算超了就让预算 Agent 换方案。
还有一个细节：群聊里产生的好方案，记得让负责的 Agent 整理成一份最终版存下来。LM Station 有长期记忆和知识库，整理好的行程、写好的模板、审过的代码规范都可以留下来，下次直接调用，不用每次从头聊一遍。Agent 养得越久越好用，原因就在这里：角色、偏好、沉淀下来的资料都在 App 里，换手机也能带走。
图 3：LM Station 工具与网页搜索界面。Agent 要查实时信息、做深度研究时，靠的就是这些内置工具，不用你手动复制粘贴搜索结果。
适合谁，不适合谁
这套玩法最适合三类人。第一类是每天要在好几类任务之间切换的人：上午写报告、下午审代码、晚上规划周末行程，Agent 分工能帮你省掉每次重新交代背景的时间。第二类是带团队或做项目的人：把团队常用的规范、模板、检查清单做成 Agent，等于给每个人都配了一个按同一套标准干活的助手。第三类是喜欢折腾效率工具的人：搭 Agent 本身就是个越调越顺的过程，调好了是真的省时间。
不适合谁呢？如果你平时用 AI 就是偶尔问一两个问题，那没必要搭一群 Agent——建角色、写说明、配模型本身也要花时间，任务量不够大就回不了本。另外要提醒一句，Agent 再专属也是 AI：它给的旅行预算、代码审查意见、学习计划都要你自己过一遍再执行，特别是涉及花钱和重要决策的，别直接照单全收。
一句话总结：LM Station 的自定义 Agent 和多 Agent 群聊，本质是把”一个万能助手”拆成”一群专职助手”，分工清楚了，每个活的质量都会上去。据开发者介绍，LM Station 累计下载已突破 100 万。想在手机上试试，可以从 iPhone AI 助手 App 开始，官网 lmstation.ai 也有功能介绍。
延伸阅读：手机 AI 能陪我练英语口语吗？用 LM Station 语音对话练口语的方法；给 AI 编程助手请一位”安全审计员”：Cloudflare 开源 security-audit-skill，6.4 万 star 的多阶段代码审计 Skill；手机上写代码靠谱吗？用 LM Station 当随身编程助手：读代码、改 Bug、换模型交叉检查；周报、会议纪要、邮件草稿一次搞定：用 LM Station 把手机变成随身办公助手。
利益相关：LM Station 为本站团队开发的产品，本文为官方分享。
