鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
13
3
6

Personal Agent 是什么?为什么大厂都抢着做?连 DeepSeek Bot 都来了。。

程序员鱼皮
程序员鱼皮
2026-10-13 09:17
阅读 1766
程序员鱼皮
2026-10-13 09:17
阅读 1766

大家好,我是程序员鱼皮。

最近 AI 圈的风向又变了……

8 月,马斯克家的 Grok Bot 开启公测;9 月初,Meta 推出了 Muse;9 月底,OpenAI 又在开发者大会上发布了 Dots。

到了这个月,连民间开发者都给 DeepSeek 做了一个 DeepSeek Bot 插件。

短短两个月,几家 AI 巨头扎堆发布了同一类产品,而且宣传语基本都是雷同的,无非就是什么:有自己的电脑、24 小时在线、像同事一样给它派活。

它们有一个共同的名字,叫 Personal Agent。

我的第一反应是:蛤?又吵新概念?

这玩意儿跟我天天用的 Codex、WorkBuddy 有什么区别?

跟之前爆火的 OpenClaw 小龙虾又有什么区别?

怎么突然大家都在做?

如果你也有类似的问题,请接着看下去。

这篇文章,我会依次分享:

  • 什么是 Personal Agent?
  • 它和其他 AI 产品有什么区别?
  • 为什么最近突然火了?
  • 以 Grok Bot 为例,Personal Agent 怎么用?
  • 我的真实使用感受

一次性帮你把 Personal Agent 讲明白,建议收藏~

什么是 Personal Agent?

Personal Agent 翻译过来就是「个人智能体」,你可以把它理解为一个 专属于你的 AI 私人助理。

想象一下,你花钱雇了一个远程助理。它有自己的名字,记得你的喜好和习惯,还有一台属于自己的电脑。你平时有活儿就给它发条消息,它会用自己的电脑登录你授权的邮箱、日历和社交账号,把事情办完再回来跟你汇报。哪怕你下班睡觉了,它也还在电脑前帮你盯着。

Personal Agent 就是这样一个 AI 助理。

我第一次打开 Grok Bot 的时候,它就给我发了段自我介绍,直接讲清楚了 Personal Agent 的作用:

你不在的时候,我也会在自己的电脑上继续干活。

我能连接你的应用,比如邮箱和日历,像你一样使用它们。

Grok Bot 的自我介绍

一个合格的 Personal Agent 通常有 4 个特点:

1)有身份和记忆。它有专属的名字和人设,会记住你们聊过的内容和你的偏好,越用越懂你。

2)有自己的电脑。它在云端有一台专属电脑,浏览器、终端、文件管理器一应俱全,干活不占用你的电脑。

3)能连接你的应用。经过你授权后,它可以登录你的邮箱、日历和社交账号,像你一样使用这些应用。

4)一直在线。你可以给它安排定时任务,你关掉电脑它也照样干活,有了结果会主动来找你。

Personal Agent 的 4 个特点

你负责睡觉,它负责干活,这大概就是打工人梦想中的生活吧。

和其他 AI 产品有什么区别?

知道了 Personal Agent 是什么,你可能更好奇:它跟我们已经在用的 AI 产品到底差在哪?

我用「招人」来打个比方,你一看就懂了。

三类 AI 产品的区别

聊天 AI - 只动嘴的顾问

像 ChatGPT、豆包、DeepSeek 这类聊天 AI,就像一个知识渊博的顾问。你问什么它都能答,但它只动嘴不动手,答完之后事情还得你自己去办。

比如我让 ChatGPT 帮忙给客户回一封项目延期的邮件,它很快就写好了一份措辞得体的模板。但复制内容、打开邮箱、填好收件人、点击发送,这些事还是得我自己来。

聊天 AI 只负责写,发送还得自己来

而且大多数时候都是你先开口,你不找它,它也不会主动找你。

桌面端 Agent - 你的实习生

像 Codex、WorkBuddy 这类桌面端 Agent,已经从「动嘴」升级到「动手」了。

你给它布置一个任务,它会自己拆解步骤、读写文件、执行命令,最后把结果交给你。比如腾讯的 WorkBuddy,可以在你授权的目录里直接读写本地文件,帮你整理资料、生成文档、表格和 PPT。

WorkBuddy 读取本地文件夹里的数据,生成分析报告(图源:WorkBuddy 官网)

不过它更像一个用你的电脑干活的实习生。你交代一个任务,它干完这一单就结束了,下次找它还得重新交代,而且干活期间你得一直开着电脑。

虽然现在不少桌面端 Agent 也支持把部分任务放到云端运行,但整体思路依然是「你拿它来完成某件事」。

Personal Agent - 有自己电脑的专属助理

Personal Agent 在这个基础上又往前走了一步,它更像一个长期跟着你的专属助理。

它有自己的电脑,不需要占用你的电脑。

它有长期记忆,不需要你每次都重新交代背景。

它还会主动干活,到点了自己执行任务,遇到需要你拍板的事情再来问你。

拿 Meta 的 Muse 来说,它运行在一台专属的云端安全虚拟机里,你可以直接在 Muse App 里给它发消息派活。它能在后台同时推进好几件事,头像下方会实时显示它正在忙什么,还会把你的长期目标拆成计划,一项项跟进。

Muse 的任务动态和目标追踪(图源:Meta)

OpenAI 的 Dots 也是一样的思路。它由 GPT-6 Astra 模型驱动,同样有自己的云电脑,还能通过插件连接 4000 多个应用。

官方演示里有个内容创作者的例子,新的访谈稿一到,Dot 就挑好了适合剪成短视频的片段,准备了节目笔记,还起草了社交媒体文案,全部等你确认之后再发布。

Dots 帮创作者准备访谈内容(图源:OpenAI)

桌面端 Agent 是你拿来用的工具,Personal Agent 是替你干活的人。 这就是两者最本质的区别。

OpenClaw - 需要自己装修的毛坯房

说到这里,玩过 OpenClaw 的朋友肯定会说:这不就是之前的龙虾吗?

没错!

OpenClaw 和 Hermes Agent 本质上也是 Personal Agent,可以说是这波浪潮的开路先锋。

OpenClaw 是一个开源的个人 AI 助理,你可以把它部署在自己的电脑或服务器上,然后通过飞书、QQ 这些聊天软件给它派活。

路透社的报道还提到,Meta 的 Muse 就是参考 OpenClaw 打造的。

OpenClaw

Hermes Agent 则是 Nous Research 开源的「自我进化」智能体,最大的特点是能从完成过的任务里自动总结出技能,下次遇到类似的活儿直接复用,越用越聪明。

那它们和 Grok Bot 这些大厂产品有什么区别呢?

我觉得最大的区别在于 谁来负责装修。

OpenClaw 和 Hermes Agent 就像毛坯房,空间大、很自由,但你得自己找服务器、自己配模型的 API Key、自己装技能、自己做安全防护。之前我写 OpenClaw 保姆级教程的时候,光安装部署就写了好几篇。

而且它们直接跑在你的电脑或服务器上,权限一旦给大了就容易翻车。之前就有 Meta 的 AI 安全总监让 OpenClaw 帮忙处理工作邮箱,结果它把 200 多封邮件全删了,她喊停都没用,最后只能冲回电脑前强行终止。

OpenClaw 删邮件翻车

专门研究 AI 安全的人都被 AI 坑了,换成我们普通人,恐怕早就裂开了。。。

Grok Bot、Muse、Dots 这些大厂产品就像精装房,拎包入住。下载 App、登录账号、聊几句就能用,AI 干活用的电脑是厂商在云端准备好的隔离环境,不会碰到你的主力机。

代价就是你的数据和记忆都放在厂商的云上,模型也由厂商说了算。

再打个更接地气的比方,OpenClaw 相当于买只活龙虾回家自己养、自己做,Grok Bot 这些就相当于直接下馆子,点一份厨师做好的龙虾。

至于最近刚出的 DeepSeek Bot,它介于两者之间。

DeepSeek Bot 并非 DeepSeek 官方出品,它是社区开发者给 DeepSeek Harness(DeepSeek 官方的桌面端 Agent 工具)做的一个开源插件。在 DeepSeek Harness 的插件页面里添加一下就能装好,然后就可以创建多个有名字、有人设的 Bot,接入飞书、微信等聊天软件,背后用什么模型也能随便换。

DeepSeek Bot 安装文档

它的记忆存在用 Git 管理的 Markdown 文件里,Bot 每次记住了什么、改了什么都能查得一清二楚。不过它运行在你自己的电脑或服务器上,想让它 24 小时在线,还得自己准备一台不关机的机器。

为什么最近突然火了?

其实 OpenClaw 早就证明了,很多人需要一个 24 小时帮自己干活的 AI 助理,只是自己部署又麻烦又危险,劝退了大多数普通人。

现在 Claude Opus 5.5、GPT-6 Astra 这些新模型,已经能稳定地连续干几十分钟的活儿了,大厂自然要趁机把 Personal Agent 做成拎包入住的精装房。

更关键的是,谁拿到了你的邮箱、日历授权和长期记忆,谁就占住了下一个超级入口。

毕竟一个助理跟了你半年,谁还舍得换呢?

争夺你的数字分身

Grok Bot 上手体验

讲了这么多概念,接下来我以 Grok Bot 为例,带大家看看 Personal Agent 实际用起来是什么样的。

先简单介绍一下背景。Grok Bot 是马斯克旗下 SpaceX 的 AI 团队推出的。今年 8 月,SpaceX 以 600 亿美元完成了对 Cursor 的收购,所以 Grok Bot 的账号、计费和云电脑都跑在 Cursor 的体系上。

目前 Grok Bot 支持桌面端和手机 APP,你在电脑上和手机上看到的是同一批 Bot,聊天记录也是同步的。

1、创建第一个 Bot

下载安装后打开 Grok Bot,就能看到一段动画指引。第一句话就是「Grok Bot 有自己的电脑,工作方式和你一样」,一上来就把核心卖点亮出来了。

走完指引,Grok Bot 会立刻帮你创建好第一个 Bot,然后跟你打招呼,问你想怎么称呼它。

整个过程跟当时初始化 OpenClaw 的体验很像,都是通过聊天来完成设置,不需要填任何表单。

我给它取名叫「鱼皮的狗」,它也很爽快地接受了这个名字。。。

接着它会做个自我介绍,然后引导你连接邮箱,Gmail 和 Outlook 都支持。点一下授权按钮,在浏览器里登录邮箱账号,它就能帮你读邮件、写草稿了。

引导连接邮箱

它还特意强调了「没有你的同意,什么都不会发出去」,敏感操作都会先找你确认。

2、连接应用

点击左下角的「连接应用」,可以看到 Grok Bot 内置了大量的应用连接,并且按照通信、设计、代码、数据等类别整理好了。

应用市场

常用的 Gmail、Outlook、Google 日历、Slack、X 都有,设计类有 Figma、Canva,开发类有 Vercel、Cloudflare、Supabase、Sentry 等等。

而且 Grok Bot 支持的 MCP、插件和技能跟 Cursor 是通用的。如果你是 Cursor 用户,平时在 Cursor 里用惯的那些工具,基本都能在 Grok Bot 里继续用。

我先把 X 连上了,后面追热点和复盘数据都要用到它。

连接 X

另外我还看到一个「邮箱」连接,可以给 Bot 分配一个 Grok Bot 专属域名下的邮箱地址,相当于让 AI 助理有了一个自己的工作邮箱。用它来接收注册验证码、收据和新闻简报都很合适,收到邮件后还能通过例行任务唤醒 Bot 去处理。

我已经给自己抢到了 yupi 的邮箱前缀,好名字先到先得,大家抓紧去抢注呀!

3、用 X 追热点和复盘数据

连好应用之后,我又新建了一个 Bot。

它上来就问我最想让它先帮忙做哪类事,给了写代码、刷 X 追技术热点、内容创作、日常杂事这几个选项。

新建 Bot

我选了刷 X 追热点,方向选 AI 和大模型。

没过多久,它就整理出了 X 上过去一天 AI 圈讨论最多的几件事,每条后面都附上了原帖链接。

X 热点简报

紧接着它问我,要不要每天定时发一份这样的简报。我选了每天早上 9 点,它就直接创建了一个「每日 AI 简报」的例行任务。

注意,整个过程我一个配置项都没填,就是聊着聊着,一个定时任务就搭好了。

接下来,我让它帮我复盘一下过去 3 天的发帖数据。

复盘发帖数据

它很快统计出我过去 3 天发了 28 条主帖,总浏览量约 12.7 万,还挑出了表现最好的 5 条和表现偏弱的几条,最后给出了几条观察。

比如我的粉丝明显更爱「拿来就能用」的东西,像 Skill、提示词、清单、合集这类内容,收藏数基本和点赞数持平甚至更高;纯新闻类的内容虽然能带来浏览,但很少有人收藏。

好家伙,这比我自己翻后台数据看得还透彻,AI 太适合用来分析数据了!

复盘完之后,它又问我要不要每周一自动复盘一次上周的数据?

我当然同意了~

点开 Bot 的详情页,可以看到它名下已经有 2 个例行任务了,分别是工作日早上 9:04 的 AI 简报和每周一早上 9:05 的发帖复盘。

例行任务

我顺手给这个 Bot 改名叫「X 助手」,然后又试了试它的创作能力。

我让它分析我的 X 主页,生成一张最符合我个人特点的照片。它根据我发过的内容画了一张「鱼皮的工作台」,桌上有跑着 AI 编程 Agent 的笔记本、录视频用的补光灯和麦克风、记满选题的本子,甚至还摆了一只小鱼公仔当吉祥物,细节拉满。

生成工作台图片

不过当我要求它生成一张有我本人形象的写实照片时,它明确拒绝了。哪怕我说主页上有自己的真实照片,它也坚持不生成真实人物的照片,建议我用自己的照片去合成。这个安全边界守得还挺严的。

拒绝生成真人照片

最后我又给它出了个难题,让它根据我最新发布的 20 个帖子,生成一条热点速览视频。

几分钟后,它真的交付了一条 60 多秒的竖屏视频。不过效果挺一般的,就是每页长得都一样的 PPT。

热点速览视频

而且它原本说要带中文配音,结果中文语音服务连接失败了,最后交付的是无声版本。

视频交付说明

4、Bot 的云电脑

前面这些活儿,其实都是 Bot 在自己的云电脑上完成的。

在 Bot 详情页切换到「电脑」标签,就能打开这台云电脑。点开后会先显示「正在唤醒」,稍等十几秒就能进入桌面。

切换到「电脑」标签,唤醒云电脑

进入桌面后,你可以看到 Chrome 浏览器、文件管理器和终端,这些就是 Grok Bot 给 AI 准备的基础工作环境。

Bot 的云电脑

Bot 可以用浏览器打开网页、登录网站,用终端执行命令、跑脚本,用文件系统保存资料和成果。哪怕是没有提供 API 和 MCP 的网站,它也能像人一样一步步点击操作。

你也可以随时接管这台电脑。遇到需要输入密码、两步验证、人机验证或者付款的环节,Bot 会停下来请你接管,你手动完成这一步再交还给它就行。

需要注意的是,同一个账号下的所有 Bot 共用这一台云电脑,浏览器的登录状态、文件和命令行凭证都是共享的。也就是说,你用一个 Bot 登录了某个网站,其他 Bot 也能直接访问。所以不要在上面存放你不希望其他 Bot 碰到的账号和文件。

5、把本地任务搬上云

体验完基础功能,我打算搭一个每天都能真正用起来的东西。

作为一个天天要找选题的博主,追热点是我的刚需。

于是我新建了一个叫「每日热点」的 Bot。它先问我想重点盯哪类热点,我把 AI 和编程圈、科技互联网、全网综合热搜、X 上的热门讨论全都选上了,推送时间定在每天早上 9 点。

每日热点 Bot

跟前面一样,它立刻创建好了例行任务,还问我要不要先看看今天的热点。

我说「想看」,几分钟后,一份按板块整理好的热点简报就发过来了,每条都附带了信息来源。

每日热点简报

在聊天窗口里看长内容还是不太方便,于是我又让它整理成一个 HTML 网页。

它很快生成了一个网页文件,可以直接在 Grok Bot 里预览,在手机上看也没问题。

热点网页

到这一步已经挺好用了,但还不是我想要的效果。

其实我之前就在电脑上用 AI 搭过一套「创作选题获取器」工作流,里面有从十几个平台抓取热点的脚本,还有我自己总结的选题评估标准和受众画像。不过它只能在我的电脑上运行,每次想用都得打开电脑、启动 AI 工具去执行。

如果能把这套工作流搬到 Grok Bot 的云电脑上,每天自动运行,那不就爽了?

于是我直接跟它说:使用我之前搭建的《创作选题获取器》,帮我优化每日热点。

这时 Grok Bot 弹出了一个权限确认,询问是否允许 Bot 在我的本地电脑上运行命令:

本地命令权限确认

Grok Bot 的云电脑和你面前的这台电脑是分开的,只有你开启权限并同意之后,Bot 才能在你的电脑上执行命令。这个权限在设置里也能随时修改,而且即使开启了,自动审核也会先检查所有操作。

本地电脑权限设置

授权之后,它先把选题获取器的脚本和规则文档复制到了云电脑上,然后参照我的抓取脚本和选题标准,重新设计了每日热点的来源和筛选方式。

大概等了 10 分钟,新版每日热点就做好了。

新版每日热点交付

这一版用的是我那套抓取脚本,从 14 个数据源一共抓到 347 条内容,再按我的选题评估标准和受众画像逐条打分。

网页开头是今日推荐选题 TOP 5,每条都标注了值得做、可考虑或者仅了解,还给出了一句话的创作角度,非常 nice~

新版每日热点网页

从现在起,我的选题工作流可以在云端 24 小时运行。就算我电脑关机、出门旅游,每天早上 9 点也能准时收到一份按我的标准筛选好的选题简报。

本地工作流搬上云

之前我在 编程导航 带大家做过一个 AI 热点监控工具的实战项目,从数据抓取、AI 分析到消息推送,要写不少代码。

现在有了 Personal Agent,普通人聊几句天就能拥有一个类似的私人热点助手,时代变了啊。

6、模型和额度

聊完体验,再说说大家关心的模型和价格。

Grok Bot 背后用的不只是自家的 Grok 模型。10 月 7 日,马斯克在 X 上宣布,Grok Bot 以后会为每个任务选择最合适的后端模型,还点名了 Claude Opus 5.5、Midjourney 和 Suno。

Grok Bot 团队的成员也透露,所有 Bot 都会由 Claude Opus 5.5 驱动!

要知道,今年 2 月 Anthropic 宣布融资的时候,马斯克还在 X 上公开骂它「misanthropic and evil」(反人类又邪恶)。这才过了 8 个月,就为了让产品好用,把人家的模型请进了自家产品,真香定律虽迟但到啊。

不过 Grok Bot 没有提供模型选择器,每个任务用哪个模型由官方自动决定。

价格方面,Grok Bot 不需要单独订阅。只要你是 Cursor Pro、Pro+、Ultra 或者 Teams 的付费用户,用同一个 Cursor 账号登录就能直接用;订阅了 SuperGrok 的朋友,也可以关联账号获得额度。免费账号则可以领一份试用额度先体验一下。

划重点,Grok Bot 的用量是单独计算的,不会占用你 Cursor 订阅里的额度,每周自动重置。

我前面做了那么多事,又是追热点又是复盘,还生成了图片和视频、搭了一套每日热点,打开设置一看,每周额度才用掉了 1%。

用量与账单

不过我订阅的是 Cursor Ultra,送的额度会多一点。

所以如果你本来就是 Cursor 付费用户,Grok Bot 这份额度不用白不用。像追热点、整理资料、复盘数据这些杂活,完全可以交给 Grok Bot 去做,把 Cursor 的额度留给写代码,能省不少。

而且 Grok Bot 还能直接调用 Cursor 的云端 Agent 去写代码。官方教程里就演示过,让 Bot 先从各个渠道收集需求、整理好提示词,再交给 Cursor 的云端 Agent 去开发,这样两边的优势都用上了。

Grok Bot 启动 Cursor 云端 Agent 开发 Demo(图源:Grok Bot 官方教程)

我的使用感受

整体体验下来,Grok Bot 给我最大的感受就是 省心。

从创建 Bot、连接应用到设置定时任务,全程都是靠聊天完成的,不用写配置,也不用部署服务器,对比当初折腾 OpenClaw 真的轻松太多了。任务跑在云电脑上,电脑关了它照样干活,这也是 Personal Agent 和桌面端 Agent 拉开差距的地方。而且它做事比较有分寸,没核实的信息会主动标注,敏感操作也会先征得我的同意。

不过它工作的速度不算快,适合交代完任务就去忙别的,回头再来看结果。复杂任务偶尔也会掉链子,结果还是得人工检查一遍。

另外,长期使用需要 Cursor 付费计划或者 SuperGrok 订阅,数据和记忆也都放在厂商的云上,授权重要账号之前一定要想清楚。

如果你是 Cursor 付费用户,或者每天有大量重复的信息收集和整理工作,我很建议你试试 Grok Bot。如果你更看重数据隐私,想自己掌控一切,那 OpenClaw、Hermes Agent、DeepSeek Bot 这类可以自己部署的开源方案会更适合你。

最后哔哔

以前我们用 AI,都是打开一个对话框,问一句、答一句,用完就关。

Personal Agent 则把这件事反了过来。你不用每次都去找它,它会按时在自己的电脑上干活。AI 从一个需要时才打开的工具,变成了一个长期跟着你、记得你的助理。

不过,它现在还不完美,速度、稳定性和隐私都还有提升空间。但 SpaceX、Meta、OpenAI 在两个月内接连入场,说明大厂们都已经把宝押在了这个方向上。

光看这篇文章,你可能还很难感受到 Personal Agent 到底有什么用,毕竟让 AI 替你干活这件事,只有亲自用过才知道好不好用。建议大家别光看热闹,挑 1 ~ 2 件自己每天都在重复做的事情,比如追热点、整理邮件、复盘数据,先交给 Personal Agent 试试。用上一周,你就能体会到身边多了个 AI 助理是什么感觉了。

到时候如果你发现这玩意没什么用,

那说明对你来说没有用,

那就别用。

OK 就分享到这里,如果你想系统学习 AI 编程,也欢迎阅读我的 《Vibe Coding 零基础入门教程》,上千张图、几十万字,GitHub Star 已经突破 2 万,完全免费开源,从零基础带你用 AI 做出并上线自己的产品。

开源仓库:https://github.com/liyupi/ai-guide

Vibe Coding 零基础入门教程

我是鱼皮,持续分享 AI 编程和 AI 工具干货。觉得有用的话记得点赞收藏和关注~

也欢迎在评论区聊聊:如果你有一个 24 小时在线的 AI 助理,你最想把哪件事交给它?

AI
编程
程序员
AI编程
计算机
13
6
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
9
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
300
10
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
290
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题