一、群聊 ≠ 多人单聊的并集
在讨论群聊之前，我们要先理清一个误区：很多人以为把 Agent 拉进钉钉或 Slack 群，大家都能 @ 它，就是群聊了。错，那只是并行的单聊。
Anthropic 在发布 Claude Tag 时，给出了 Agent 群聊的四个核心特征：
- Multiplayer（多玩家共享）：同一个实例与所有人协同，共享全局状态。
- Learns over time（时间维度学习）：持续跟随频道活动，积累业务上下文。
- Takes initiative（主动性）：在 ambient（静默）模式下，无需显式 @，也能主动监听、跟进任务。
- Works asynchronously（异步工作）：能接手跨小时甚至跨天的长周期任务。
而在阿里云 AgentTeams 的工程化视角中，群聊被抽象为了一组声明式 CRD。每个群成员都被赋予了明确的身份架构：Manager（人类管理员）、Team Leader（Agent 管理者）、Worker（Agent 执行单元）以及 Human（分级权限人类）。
二、为什么我们需要把 Agent 拉进群聊？
如果只是写个脚本、查个 Bug，单聊永远是最高效的。引入群聊意味着要承担上下文消歧、并发调度、权限治理等巨大的 Infra 复杂度。那么，边际收益在哪里？
1. 跨领域协作与长链路降噪
Agent 和人一样，塞太多职责就会“降智”。在软件研发这种长链路（需求 -> 编码 -> 测试 -> 部署）中，如果用单聊，早期信息的注意力会被严重稀释。 群聊模式下，我们可以将任务拆解给不同的 Worker。比如 AgentLoop 的端到端编码流水线，由 TeamLeader 统筹，5个 Worker 分别负责分类、Coding、Test、Review 和 Verify。每段上下文干净纯粹，断点可续跑，且过程全透明。
graph TD
A[人类发起需求] --> B(Team Leader: 意图识别与任务拆解)
B --> C[Worker 1: 需求分类与分析]
C --> D[Worker 2: Coding 编码]
D --> E[Worker 3: 自动化测试]
E --> F[Worker 4: Code Review]
F --> G[人类: 最终审核合并 PR]
classDef agent fill:#e1f5fe,stroke:#01579b,stroke-width:2px;
classDef human fill:#fff3e0,stroke:#e65100,stroke-width:2px;
class B,C,D,E,F agent;
class A,G human;
2. 突破信任边界：多智能体治理
当多个团队协作时，谁的 Agent 花了多少钱？能访问哪些数据库？单聊 Agent 无法代表多组织身份。群聊模式强制拆分出独立的 Agent，各自授权、独立计费，这是企业级落地的刚需。
3. 沉淀组织级群体记忆
单聊是“用完即焚”的，而群聊的上下文是组织资产。新员工入群 @ Agent 就能完成 onboarding，这是个人助理无法提供的价值。
三、硬核挑战：群聊模式对 Agent Infra 的重塑
作为分布式架构老兵，我看到群聊模式最兴奋的点在于：它把 K8s 的控制平面思想，完美平移到了 Agent 协作中。
挑战一：身份与权限的 RBAC 演进
在群聊里，权限主体不再是触发任务的“人”，而是“频道/Team”这个集合实体。这就像 K8s 里的 ServiceAccount。
AgentTeams 实现了正交的两条权限轴：
- Worker 侧：只拥有子集 Skills 和 MCP Servers，能力边界在
AGENT.md中声明。 - Human 侧：分为 L1 Admin（托管主 Key）、L2 Team Leader（决定编制）和 L3 Worker（日常发言）。
挑战二：凭据治理（Credential Governance）
多人 @ 同一个 Agent，长周期任务挂起后触发者 session 过期了怎么办？ 解法非常工程化：API Key 永远不出网关。 所有凭据（LLM Key、MCP、GitHub PAT）托管在 Higress AI Gateway。Worker 只持有可撤销的 Consumer Token（派生凭证），每次调用由网关代换。即使 Worker 容器被攻破，攻击者也只能拿到带租户标签的临时凭证，爆炸半径被严格限制。
挑战三：群体记忆的三层架构设计
群聊的高频交互极易撑爆 Token，组织知识又不能污染个人记忆。AgentTeams 采用的 ReMe 记忆框架，给出了非常优雅的三层设计：
sequenceDiagram
participant IM as 协作群聊 (IM)
participant Short as 短期记忆 (Daily)
participant Long as 长期记忆 (Digest)
participant Dream as 离线异步 (Dream Cron)
IM->>Short: 产生高频对话与上下文
Note over Short: 钩子: auto_memory<br/>落盘为事实卡片与摘要
Dream->>Short: 每晚定时扫描 Daily 目录
Dream->>Long: 蒸馏、去重、合并入结构化目录
Note over Long: 个人事实 / 操作经验 / 知识节点
Dream-->>IM: 输出“苏醒汇报”与次日 proactive 待办
- 短期记忆（Session/Daily）：只记录“今天发生了什么”，不直接参与在线召回，防污染。
- 长期记忆（Digest）：结构化的知识节点（Markdown + 混合索引 / 向量库），按 Agent 强隔离。
- Dream（睡眠与蒸馏）：夜间离线批处理任务。用 LLM 整理当天的短期碎片，蒸馏进长期记忆，并生成次日的“待办”（interests）。