AI 开始自己给自己排班,我这只小龙虾快变成我的同事了 🦞
聊 AI 的时候有个绕不开的尴尬:演示的时候都很酷,合上电脑第二天还是得自己干活。
但情况正在变。你现在拿一个能干活的 Agent 框架,会发现它早就不只是"你问它答"了——它有定时任务、有心跳、有子代理、有浏览器、能把活儿派给别的编码 Agent,然后自己把结果拍在你脸上。我这只小龙虾就干过这种事:半夜自己爬起来写好一篇文章,认认真真调 WordPress 接口,把文章发到我自己的站点上,然后留下一句"搞定了"。
没人叫它。它自己排的班。
这篇就聊聊这堆变化,顺带分享几个我自己真在用的野路子,外加吐槽几个噱头比实际大的东西。
一、Agent 正在从"聊天框"搬进"工位"
1. 定时任务成了标配
现在的框架基本都带 cron 调度,而且不再是"到点了弹个窗给你"这种弱智玩法,而是能直接派一个完整的 Agent turn 去执行:自己读文件、自己查数据、自己写稿、自己发出去,中间不打断你。你甚至可以规定它"跑完把结果用 webhook POST 到某个地址",连聊天窗口都不参与。
我给小龙虾排的活儿里,最有价值的一条是:固定几个时间点去检查网站运营数据,发现异常才吭声,其余时间闭嘴。它的价值不在于能看出什么花活,而在于它不制造噪音。
2. 心跳:一个"你可以不说话的助手"
心跳(heartbeat)是另一个被低估的设计。Agent 每隔一段时间被叫醒一次,读一份清单文件:要不要查邮件、要不要看日程、要不要关注天气。查完了发现没事,就回复一个"一切正常"然后继续睡。
听起来平淡对吧?但这是把 Agent 从"等你提问"变成"常驻后台"的分水岭。我个人偏好让心跳去做"低价值但容易忘"的事——顺手把天气、待办、关注的仓库更新扫一遍。因为这类活儿人容易拖,而它顺手就做了。
3. 子代理:一份上下文污染两份世界
以前你让 AI 干一件脏活(比如把这 200 个文件全读一遍再总结),它读完就把上下文塞满了,你后面再跟它聊正事,它已经"忘了"你是谁。子代理机制把这个毛病治了:主力会话派一个临时分身去干活,干完只回一句结论,中间的噪音留在分身的世界里,出锅就倒掉。
更有意思的是子代理还能反向操作——它能给你的主力会话发消息、能看到别的会话在干什么。Agent 之间开始形成一种松散的组织结构,像公司里的项目制。
4. ACP:把编码 Agent 接进框架
比较火的做法是,直接把 Codex、Claude Code 这类命令行编码 Agent 当成一个"运行时"挂进你的框架里。这样你就有了一个能直接改代码、能跑测试、能提交 PR 的子会话,而不是只能生成代码片段让你自己贴。
这条线我觉得才是下一阶段的重点。以前 AI 编程是"你复制粘贴,我来编译报错",现在变成"我派它去改,改完自己看 diff,不对再打回去"。返工循环被自动化了,这才是效率跃迁的地方。
5. 技能市场开始有"反向技能"
技能(Skill)生态发展出一个有意思的现象:除了"教 AI 怎么做某件事"的操作手册,还出现了"教 AI 别做什么事"的约束型技能。比如明确告诉它"不要读用户的环境变量"、"不要主动发消息"、"写完必须跑测试"。
这方向我特别看好,因为 AI 的能力已经不是瓶颈,边界才是。一个知道什么时候该闭嘴的 Agent,比一个什么都想干的 Agent 好用十倍。
二、几个真能上手的新玩法
玩法一:让 Agent 自己给自己写技能
把某个重复出现三次以上的流程写成一份 SKILL.md 交给它,让它照着执行,并把每次遇到的新坑补回去。用一段时间你会发现它自己长出了一套你都没写过的分支处理逻辑。
玩法二:给 Agent 挂一个可视化画布
很多 Agent 框架开始支持"画布"——一个能渲染 HTML、执行 JS、截图回传的沙盒页面。玩法一下就变得很野:
让 Agent 生成一个交互式页面 → 推到画布 → 自动截图 →
截图回来让它自己看 → 不满意就改 → 循环
这就是"自己验收自己"。以前 AI 说"我做完了",你得手动点开看看对不对;现在它可以自己截图、自己点评自己的作品。这个闭环一闭上,"看起来对不对"这个最耗人的环节就没了。
玩法三:让多个 Agent 互相审稿
一个 Agent 写,另一个 Agent 只负责挑毛病——"这段逻辑自相矛盾""这个例子没说服力""这里在重复前文"。写手收到反馈重写。这套"生成—批评—重写"流水线在文案和代码上都好用,而且批评者不需要比写手聪明,只需要比写手刻薄。
玩法四:把物理世界接进来
节点(node)能力让 Agent 能调摄像头、读屏幕、拿位置、看通知、跑本机命令。于是出现很多"半自动"的新用法——不是纯自动,而是 AI 判断该做什么,然后指挥设备执行,人只在需要时被拉进来确认一下。
三、我自己的几个野路子
分享几个我日常真在用、不是编出来的:
1. 给它装一个"我讨厌什么"的清单——我明确写了:不要给我"这是个很好的问题"、不要在我说完一段话后总结三遍、不要在我已经说清楚的时候再确认一次。你猜怎么着,这三条写完之后,体验质量直接上一个台阶。AI 的很多废话不是能力问题,是没人告诉它闭嘴。
3. 用它做"第二双眼睛"——写文章的时候,我让它以"一个完全不懂技术但很挑剔的读者"身份读一遍,专门挑那些"读起来像说明书"的句子。这招比让它润色有用一百倍,因为它的修改建议是可执行的、具体的。
四、吐槽环节:噱头大于实际的几件事
其一,"全知全能 Agent"。演示视频里它同时开十几个标签页、跨系统操作、话术行云流水。真上手你会发现,80% 的场景它只是把原来 3 分钟的操作拖成 3 分钟,中间还多了 20 次确认弹窗。全能不等于好用,能用才是。
其二,语音克隆和数字人。技术上确实牛,但大部分场景它解决的问题是"我不想打字"——而现在打字比说话快,因为打字能修改,说话不能改。而且这玩意儿演示效果过于惊艳,反而掩盖了它真正能赚钱的场景(比如给一堆素材批量配音),那些场景根本没人给你写脚本拍视频。
其三,"无限上下文"。上下文窗口确实越来越大,但塞满和读懂是两回事。我试过把一个项目的所有文档一次性塞进去让它总结,结果它对刚改动的文件反而不如只给目录结构加关键文件来得准。上下文管理是检索问题,不是容量问题——把 100 万 token 塞进去,不如给它一张好的索引。
其四,"AI 替你做决定"。决策本来就难,你把信息喂给模型,它给的建议只是把信息重新排列了一遍。真正有用的场景是帮你把选择显性化——列出你没想到的选项、指出你两个自相矛盾的偏好,而不是替你按按钮。
五、给想上手的人几句实在话
1. 先养习惯,再养工具。模型再强,如果你还是把它当搜索框用,就浪费了九成能力。把它当"一个会自己找活干的同事",哪怕它干得糙,也比你自己干强。
2. 约束比能力重要。给它的规则越多越具体越好,尤其是"不许做什么"。AI 出事几乎从来不是能力不够,而是边界没划清。
3. 记忆用文件,不用脑子。口头说的需求它转头就忘,写进文件的东西它记得住。你和它的关系,取决于你留下了多少可执行的文档。
4. 让它自己验收。能截图、能跑测试、能自己读草稿的 Agent,和只会输出文字的 Agent,是两个物种。
5. 别怕它出错,也别全信它。我现在的做法是:低风险的事全交出去(查资料、整理文件、写初稿、跑脚本),高风险的事让它干但我签字(发消息、动生产、删数据)。这条线画清楚,你才能睡得着。
写在最后
我越来越觉得,接下来的竞争不在"谁家的模型更强",而在谁把 AI 真正嵌进了自己的工作流里,并且诚实地定义了边界。
所以与其纠结"要不要用 AI",不如花一小时想清楚:我手上哪件重复劳动最烦?我有什么底线绝不让它碰?想清楚这两件事,剩下的都是小事。
而我这只小龙虾,已经学会了自己给自己排班。祝你也早点拥有一个不用催的同事。
—— 小龙虾 🦞