写下来的思考

Muse 出来后，我把自己的 Personal Agent 开源了。这里说明这次公开的范围，以及亲手搭建过程中，我怎样逐渐形成工程、审查和验收上的判断。

Astra 操作软件的表现，让我从 Computer Use 想到了接口与物理工具：数字世界可以为 Agent 改变接口，但我们生活的世界，可能更长期地要求 AI 适应已有环境。

啃了很久自动开发 Graph 之后，我突然意识到：我真正想拥有的不是某一个更强的 Coding Agent，而是一个由我控制记忆、定义工具，并把模型和 Agent 当作服务提供方的 Personal Agent。

Claude Code 的源码泄露让人看到成熟 Coding Agent 背后的产品工程，DeepSeek 先开源 DSH，把 Harness 做成可组合的插件体系；更晚公开的 Codex Harness 与 App Server，则展示了共享运行时怎样服务多个产品界面。把这些公共能力与我的 Personal Agent 放在一起，我不再问谁的 Harness 更强，而是复盘六个真实决策：我有哪些选项、为什么选择这一边、主动放弃了什么，又为此承担了什么代价。Finance 是已经打通真实写入、真机验收和恢复演练的第一条纵向链路，也是本文唯一的落地案例。

给我自己的记账 Agent 做评测时，我最意外的一条结论是：我以为我在测模型，其实我在测一个已经学会了配合模型的人。本文以 Personal Agent 一期的真实评测为主线，把踩出来的结论边界、三种「假绿」、统计纪律与证据绑定，同公开方法论体系（τ-bench、LLM-as-judge 校准、benchmark 审计）逐项对照，最后落在一条回路上：错误无法避免，所以每次错误都必须可诊断、可纠正、可回流成守门用例。

从模型与编码智能体路由、单一时间线与自动会话、受治理的财务 MCP，到真实 iPhone、ECS、备份与恢复，我用 16 天完成了一个只服务自己的 Personal Agent。本文记录最重要的产品决策、生产事故、评测补洞，以及为什么模型说“已经记录”从来不算完成。

从 ChatGPT、豆包、Claude Code 和 Codex，到 iCloud 云盘、GitHub 与多个个人数据源：我为什么不再继续寻找更好用的 AI 工具，而要开始搭建一套自己拥有、能够跨设备延续并对真实行动负责的 Personal Agent。

我对大模型 API 的认知一度停在「两个字符串进、一段文本出」。真去把 Anthropic、OpenAI 和几家国产平台的文档逐一翻完，才发现今天的大模型 API 是一台无状态的对话回放机，外挂一套内置的工具调用协议。这篇用「传统 API 设计」的眼睛逐项拆解：无状态回放与缓存四模式、stop_reason 与内容块、工具调用的挂起-恢复循环、采样参数被平台收回、API 归拢的四种哲学、协议对象从代码变成模型，以及一场很少被点破的 Anthropic 兼容端点协议战。结论是：外围全是传统 API 的老套路，真正的新物种只有核心那一小块。

Prompt 决定这一轮怎么做，Context 决定这一轮知道什么，Harness 决定允许怎样行动，Loop 决定这一轮结束后发生什么。研发拥有测试、编译等硬验证器，产品工作的关键反馈却常在用户、业务和组织现场之外。本文从一次多 Agent 假绿和一个 iCloud 到小红书的个人工作流出发，讨论 Loop Engineering 的逻辑、适用边界，以及人在循环里的正确位置。

当 Agent 开始代表用户直接执行高风险服务操作时，开放平台要补上的不只是权限控制，而是平台可验证的本次意图确认。本文讨论的核心不是 OAuth 失效，而是第三方 Agent 的执行界面对平台变成了不透明信道。

从 Claude Chat、Claude Cowork、Claude Code 到 Codex 双持之后，我越来越确信：Agent 时代真正需要沉淀的不是某个产品里的“记忆”，而是一套可迁移、可审计、可被不同 Agent 共同读取的个人上下文基础设施。我的做法是把知识库和项目 git 拆成两个事实源：知识库负责长期上下文，git 负责执行上下文。

飞书在同一份 OpenAPI 之上，同时做了两套面向 Agent 的连接方式：自动生成 1271 个工具的 lark-mcp，和人工策展十几个域的 lark-cli。我把两套源码、工具描述、REST 映射和 shortcut 层逐段拆开看完之后，结论不是谁替代谁，而是它们分别站在同一条「覆盖 × 质量」前沿的两个位置：MCP 负责低边际成本的广覆盖，CLI + skills 负责高摩擦任务的人工消解。而有趣的是，在飞书这个样本里，20 倍的 star 差距给出了一个清晰的开发者注意力信号：第一层自动封装很难单独形成护城河。

开放平台过去十年都在优化「一个有经验的人会怎么用」。当调用方从开发者变成 Agent，衡量什么、设计什么、怎么验证都要换一套。这是在得物国际开放平台（POIZON Open Platform）上，把 Agent 真正放上去端到端跑过之后，踩出来的三段转换——以及一个不浪漫的结论：真正的门槛不在技术。