本文针对网络安全故障排除场景，提出了一种名为SecMate的多智能体虚拟客户助手（VCA）系统。随着大型语言模型和智能体框架的发展，VCA在复杂技术支持中展现出潜力，但现有方案往往缺乏对设备、用户和服务的个性化适配。SecMate通过融合三种上下文特异性来提升故障排除效果：设备特异性由轻量级本地诊断工具提供，该工具可实时收集设备状态和配置信息；用户特异性依赖于隐式能力推断和用户配置文件，系统能根据用户的技术水平调整交互方式和服务级别；服务特异性则通过主动的上下文感知推荐器实现，可根据当前问题动态推荐解决方案或资源。研究在受控环境中进行了评估，共有144名参与者完成711次对话。结果表明，相比仅使用LLM的基线，加入设备级证据后正确解决率从约50%提升至超过90%；逐步指导功能显著改善了用户体验的愉悦度并降低了认知负担。主动推荐器达到了高相关性（MRR@1=0.75），参与者表示愿意以远低于人工IT支持成本的价格接受SecMate的服务。此外，团队公开了完整的代码库和丰富的标注数据集，以促进自适应VCA的可复现研究。本文主要贡献在于提出了一个可落地的多智能体框架，并系统验证了三种上下文个性化对网络安全故障排除效率与用户满意度的正向影响。适合LLM安全应用、智能体系统、以及IT支持自动化领域的研究人员和工程师阅读。