随笔 / Personal Agent

缺的不是云端电脑,是一个董秘

· Personal Agent AI/Agent 工作流

两周前我还在纠正自己对 Personal Agent 的轻视,觉得家里常年开着二十四小时不关机的电脑,没必要再往云端搬一套。这两周高频用下来,直到临开场前在外面用手机改一条几天前做的视频,才看清多线并行时缺的不是云端电脑,是一个替我记着上下文、扩写指令并调度熟手 Agent 的董秘。

两周前写《Personal Agent 把门槛包圆了,却包不住国内的围墙》的时候,我刚把搁在一边的 Grok Bot 重新捡回来用。最开始我对这类主打 Personal Agent 的产品挺冷淡:不就是在云端搞台机器跑任务吗?我家里本来就常年开着一台二十四小时不关机的电脑,人不在桌前,随时也能拿手机把活丢给本机上的 Agent。上一篇文章让我改口,是因为看清了它替普通人抹平了配环境的门槛,只是撞上了国内互联网的生态围墙。

这两周我一直把 Grok Bot 放在日常工作里用。国内的围墙还在原地,我家里的电脑也照旧二十四小时开着,但我发现自己交代工作的习惯变了:这一两周不管要干什么活,我特别喜欢在同一个窗口里进行。

跑顺了一个多星期我才反应过来,上次觉得它只是帮普通人省掉配置,其实还是想浅了。对我现在的用法来说,它在工作流里真正管用的,是由一个主入口专门跟我对接、替我记着上下文往下派活。说得更直白一点,我缺的不是云端电脑,是一个董秘。

插图:家里已有常开电脑时多余的云端机箱并无用处,真正省心的是中间多出一张替人统筹后方多台设备与工位的董秘办公桌

临开场前改一条视频,才看清它在省什么

刚开始试这类产品的时候觉得没什么稀奇,很大程度上是因为那时候我还是单线做事。如果平时只在一台电脑、一个窗口里从头盯完一件事再干下一件,我直接跟干活的模型对话就够了,家里那台连着手机的电脑确实绰绰有余。

可 AI 一旦用顺手了,手头的工作很快就会变成多线并行。我现在笔记本上有活,台式机上也有活,每天顺手就会开大量的 session,这边让一个 Agent 写着东西,那边挂着别的会话跑着脚本或者做视频。窗口越开越多,每次切窗口、重新把上下文接上,来回几轮脑子就晕了。

让我印象最深的,是大概三四天前的一件事。那天之前我做过一个千帆技术突破奖的视频,到了临开场前,我突然发现里面有个地方需要修正,但我当时人不在电脑前。

如果按以往的做法,我用手机连到电脑也可以处理,但马上就会碰到一个很麻烦的两难。要是去找具体是哪个 session 的窗口,问题是已经过去好几天了,我每天又会开大量的 session,在手机上翻出几天前干活的那个窗口非常费劲;要是干脆新建一个 session 也行,但我又担心新建之后,它根本不了解之前整个工作的进展和上下文,改一处反而把别的地方改乱了。

这回有了手边这个助理,我压根没去翻电脑上的窗口。我直接点开平时一直聊的这个对话框,在里面告诉它:前两天我们做过一个任务,大概是什么内容,现在要做怎样的修正。

当时做这个视频,本来就是通过它委派给电脑端 Agent 去干的。这次我一说,它瞬间就明白了是两三天前的那个任务需要修改,直接定位到当时负责的那个电脑端 Agent,紧接着还给它做了一轮我指令的扩写。我只是简单几句话把要改的东西说完,它往下交代的时候,就已经把去哪个文件夹找哪个项目、要做什么样的订正、订正完怎么复核,描绘得清清楚楚。

插图:左边人在外面对着几十扇旧会话门大海捞针又怕开空白新页丢背景,右边对唯一窗口说一句话就由董秘翻出旧账扩写成带目录、订正与复核的清晰工单直达剪片工位

这一下让我感触特别深。我平时写文章习惯用 Gemini,做视频也有自己喜欢用的工具,这些顺手的习惯一点都不用改,底下的 Agent 依然在各自最擅长的位置上出活。但我不用再去挨个翻窗口,也不用每次捡起一件事都从头把背景讲一遍。

一个人只需要一个董秘,剩下的都是给董秘干活的。

派活容易,难的是别做成传话筒

前阵子我在《不是 AI 在指挥 AI,是老工程在管着 AI》里聊过 Super-agent 架构:上层专门负责跟人沟通、把活分下去,下层在各自独立的环境里隔离干活。当时是从工程解耦的角度看,现在放回我自己的日常使用里,对应的其实就是董秘和执行团队这层关系。

从工程上看,接通线程把活分派下去并不难,难的是把董秘这个角色调好用。它不一定要用最强的模型,也不需要自己最会写代码或者做视频,但它不能是个传话筒。如果我说了一件事,它只是原样转手丢给下面的 Agent,那我随口说一句改视频,底下照样不知道项目放在哪、该怎么改,最后还是得跑回来问我。我想让它干的,是听懂我几句话背后的意思,分清楚哪件事该找 Gemini、哪件事该找做视频的 Agent,再把我的粗略指令展开成具体的目录位置、修改要求和复核动作。这种默契不会因为把通道接通了就自动有,全靠日常使用里一点点磨合。

而且它之所以能把目录和复核方式交代得这么清楚,还因为底下干活的那群 Agent 本来就不是一张白纸。

在真正干活的执行层,我一直更愿意用电脑里那些已经磨合熟了的 Agent,有需要的时候再新建,犯不着每来一件事就从头教起。我电脑上的 Agent 每次开工,都会从我长期维护的工作区根目录启动,先去读之前积累下来的规则、方法和记忆。为了维护这套本地上下文,我已经跑了一段时间的双机流程,笔记本负责日常采集,台式机做整合和记忆蒸馏。要是没有底下这层长期攒下来的本地规矩托着,上面的董秘就算再会分派,底下的 Agent 接了单也还是像第一天刚来上班的新人。

插图:笔记本采集与台式机蒸馏持续喂养本地根目录书架,让接单的熟手有所依凭,抽掉这层底座则接单后只能像新入职一样抓瞎

聊得顺只是现场体感,两头记忆还没真打通

刚把这套方式跑顺的时候,我的现场体感好到甚至有点错觉:每天只对着这一个窗口说话,它把活分派得妥妥帖帖,隔了好几天的修改也能一把抓回来,用着用着会觉得整套系统的记忆好像已经彻底打通了。

不过冷静下来看,这还只是同一个对话窗口带来的现场体验,两边的记忆并没有真正互通。那天它能一下找回千帆视频的任务,靠的是前几天的派单记录还留在同一个会话里。我跟董秘直接聊天的那层产品对话,现在还没有自动进入本地的记忆蒸馏流程;我在那个窗口里新提的要求或者临场改过的口径,要想自动沉淀回本地,让底下的 Agent 在下一次开工时准确读到、真正改变动作,目前还没有做到。

插图:台面上靠同一卷对话长轴显得前后连贯,台面下产品聊天通往本地记忆蒸馏库的管道其实还留着一道未接通的缺口

即便还留着这道没打通的边界,这两周高频用下来,我对 Personal Agent 的看法也已经彻底变了。

以前轻度试用的时候,我只觉得它是在云端替普通人省掉了配环境的麻烦。等到自己真在两台电脑上同时跑起一堆任务才体会到,手里的工具越用越顺、每天开出去的 session 越来越多,人最耗精力的事就变成了在十几个窗口之间翻记录、补上下文。我不想再夹在一堆窗口中间当二传手了。具体干活的事继续留给电脑上那些用熟了的 Agent,记账、扩写指令和派单交给唯一的董秘,我自己退回到交代意图、做判断和最后验收的位置上就够了。

订阅 / 联系

下一篇继续从这里接上

新文章会同步到 RSS;也可以直接发邮件给我。