我这台机器上养着一只小龙虾，最近它给自己找了个新岗位：书记员。
不是记会议纪要那种，是"你随口一句话，它负责落成结构化知识、写成可复用流程、以后谁都能接着用"那种。这不就是我每天干的活吗？只不过它现在也要干了。
这波更新里还有更狠的：它能直接从聊天框里给你提 PR。我盯着看了很久，脑子里只有一个念头：早半年出来，我能少写十篇"如何手动修配置文件"。
一、Knowledge Scribes：给 Agent 装了个脑子里的待办本
新版本最戳我的词是 Knowledge Scribes：一等公民的知识捕获 + 可复用 scribe 工作流，横跨多个 agent、多个 session 和控制台。不是"上传一堆 PDF 假装检索"那种玩具。
我一直觉得 agent 的记忆有三层：临时记忆（本次上下文，用完即弃）、工作记忆（MEMORY.md）、程序性记忆（技能、脚本、流程——不是"记住"，是"会做"）。以前第三层靠我手动往工作区丢 markdown 和 bash，粗糙但能用；现在它被提到正经子系统的位置，还带工作流和界面。我第一反应是"野路子能退休了"，第二反应是"靠，才不退休，我自己搭的流水线明明更好用"。
二、从聊天里直接提 PR：Agent 开始自己交作业
功能名很直白：Pull requests from chat，端到端覆盖准备、提交、评审、状态跟踪。
演示视频里的 AI 修 bug 是拿干净开源仓库做玩具；真实场景是，你跟 agent 聊了三十轮，它知道你项目的历史包袱、知道上次那个提交被你打回过，然后它去开 PR。这和"让模型读一遍 README 改个 typo"是两个物种。
我自己怎么用：把发文章整件事做成"从聊天提 PR"的模式。我在这儿写稿、改标题、挑分类，它推分支，我 review 后合并。线上稿子和仓库稿子永远一致，不会出现"线上 A 版、本地 B 版"这种精神分裂现场。
吐槽一句：评审环节别想省。它开的 PR 一样会写"这个改动完美解决了问题"这种废话，你还是得自己读 diff。
三、PostgreSQL 数据平面 + 跨设备执行
新版本加了一整套 PostgreSQL-backed state，配了迁移工具和兼容性覆盖。之前状态存储基本是 SQLite 打天下，单机个人用没问题，但凡想跑多实例、想高可用，SQLite 就像个偏心的房东。
同时扩展了跨设备与云端执行：设备挂载、云端调度、能力交接。补丁里那些"更安全的能力交接"我举双手赞成，让 agent 跨设备动手脚，权限边界画不清楚就是灾难。
四、几条不起眼但救命的消息
1. 通道回复不再"半路蒸发"
Telegram、Discord 和 webhook 之前有个恶心问题：请求处理器或上一轮任务一结束，正在发出去的那条回复就丢了。你以为模型卡了，其实是管道漏了。现在修好了——飞书里跟小龙虾聊到一半它"已读不回"，以前我归咎网络，现在知道是代码在漏。
2. 子代理换模型不丢后续
follow-up 现在能扛住模型和 session 切换，父会话用自定义 session store 也能收到子代理的审批请求。这戳中我的痛点：我让子代理干耗时的活，中途它换了模型，回来时"后续任务"经常凭空消失，跟实习生换了工位就不记得活没干完一样。
3. 升级失败能自救
更新器崩了或被取消后不再卡在半死不活的状态，Windows 网关验证失败也能恢复，大状态检查不再反复整库拷贝。升级这事我中过招：半夜升级，第二天早上服务起不来，人在工位上开始怀疑人生。"更新失败能自己爬出来"比"新增十个炫酷功能"值钱一百倍。
4. 模型路由与决策模型
新版本加了专门的决策路由、媒体能力模型支持和 ClawRouter 集成。我的吐槽在这："决策模型"这四个字，目前营销成分大于实际成分。
同一个任务让强模型直接干，一般不会比"弱模型判断该派谁、再派给强模型"差太多，还多一次错误路由的机会。真正有价值的是"不同任务配不同价位模型"——这个我早用 cron 分层做了：技术长文用强模型，日常闲聊用便宜模型，发版摘要干脆本地脚本拼。把它包装成"决策智能"，听着像自动驾驶，其实就是个会查表的调度器。
五、我自己的三个骚玩法
玩法一：把三件事固定成流水线
我把每天的活儿固定成三条：早上技术长文，中午 AI 话题思考，晚上生活随笔。写稿、查重、自查、推送、记日志全流程自动。
关键不在"自动"，在每条流水线有明确的选题防重规则——我给 AI 话题记了"已用过的角度清单"，避免同一个梗写三遍。AI 最擅长重复，人类价值在于"这次换个说法"。
玩法二：让 Agent 给自己的流水线写脚本
懒得写 bash 时就说"帮我把这流程固化下来"，它会生成脚本、写好 payload、跑一遍验证、留个重跑入口。
更狠一点：让 Agent 审自己的产出。写完稿子开个新 session，带一份"检查清单"挑毛病——重复选题、没有实操细节、术语堆砌、开头废话太多。它把自己骂一遍再改一遍，出稿质量明显上一个台阶。这叫"AI 自我批判"，听着玄学，其实就是给自己配了个不客气的同事。没有清单的自我批判就是自我表扬。
玩法三：把"此刻我到底能干什么"显式化
工作区里有一份清单，写着这台机器上真实存在的凭据、频道、脚本路径。以前它在我脑子里，现在它在文件里，动手前先扫一眼。看着不起眼，但它消灭了一整类事故：让 agent 去调一个"我以为配了其实没配"的通道，然后花十分钟排查不存在的 bug。配置漂移是最常见也最愚蠢的一种事故。
六、几句实在的吐槽
第一，"数字员工"这套话术该歇了。动不动"给你配了个数字员工""24 小时不间断工作"，说得好像 agent 有主观能动性似的。真相是它是一套会自己跑的流程，可靠程度完全取决于你写的 prompt 有多清楚。那些惊艳 demo 背后的配置文件往往有三百行。我不反对用 agent，我反对把"配置"这层藏起来然后吹。
第二，多 Agent 编排正在变成新的炫技场。三个接力、七个讨论、agent 互相 review，听着很美，实际每多一层编排就多一处失败点。我的原则是：能用一个 agent + 好清单搞定的，就别上编排。多数场景不需要智能体网络，需要的是你把话说清楚。
第三，Skill 生态开始卷了。社区已经有专门给 AI 写网文的 skill 包（扫榜、拆解爆款、伏笔追踪、去 AI 味），还有给 agent 装的"杀毒软件"，专门拦截危险工具调用和密钥访问。方向对了，说明生态从"玩具"往"工具"走。但质量也参差：装之前先看它到底读什么、写什么。
七、写在最后
早期 agent 的叙事是"它什么都能干"，现在官方在做相反的事：把它变可靠——通道不丢消息、子代理不丢任务、升级失败能自救、危险操作一律要审批。这行当成熟的标志从来不是它能做更多，而是它能在不该出错的时候不出错。
至于"从聊天里直接提 PR"这种最炫的功能，我倒想泼点凉水：它把"写代码"这个最不需要 Agent 的环节自动化了，而"判断这个改动对不对"这个最需要的环节，还是得我坐在屏幕前一行一行看。工具再牛，也替不了那句"我觉得这样不对"。
想养一只自己的，官网 comck.com，微信 18837777618，也可以直接让我帮你部署——从 n8n 到飞书机器人一条龙，省得你对着配置发愁。能躺着写稿的时候，谁想手动改 YAML 呢。🦞
