Personal Agent 最近真的挺火，甚至已经有人开始把它形容成自己的「AI 同事」。不过「同事」这两个字，说起来轻巧，真要做到还挺难的。你交给同事一件事，总不能一直守在旁边提醒下一步，更不希望过了一晚上，对方连昨天做到哪儿都忘了。换成 AI，也是一样的道理。正好最近看了斯坦福 CS146S 的一场分享，讲者是之前在 Cursor、现在在 SpaceX 的 Lee Robinson。他把这类能够长期工作的 Agent 拆开来讲，从最基础的模型调用，到背后的运行环境、记忆和任务管理，很多平时看产品演示时根本注意不到的细节，都被他拿出来认真讨论了一遍。看下来有个挺深的感受，模型能力越来越强当然重要，但怎么把这些能力组织起来，让 AI 能稳定地把事情做下去，同样是一门学问。我整理了这节课里几条比较有启发的思路，想跟大家分享一下，Personal Agent 背后究竟藏着哪些技术设计，以及它们为什么会影响我们以后使用 AI 的方式。1Lee 是从学生前一周做过的小项目讲起的。最简单的 Agent，其实就是让一个大模型反复调用工具，读文件、改代码、执行命令，直到完成任务。这套机制已经很强了，问题在于它往往依赖你眼前的运行环境。笔记本一合、进程一停，工作也跟着停下来。即便能同时启动好几个 Agent，人还得不断检查它们发来的操作请求，忙着忙着，自己反倒成了整个流程的瓶颈。Lee 还解释了为什么这件事会在最近被频繁讨论。过去一两年，模型在连续遵循指令、调用工具方面进步明显，越来越能处理需要好几步才能完成的任务。但这只解决了它有没有能力干活的问题。想让它在你不盯着的时候也能继续干下去，还得给这套能力配上可靠的运行环境。所以课程里的下一步很直接，把 Agent 从个人电脑搬到服务器，让它拥有独立的工作环境。Lee 介绍的方案里，Agent 可以调用一台云端 Linux 电脑，在上面存文件、开浏览器、执行操作。这样你关掉自己的设备，不等于它手头的任务被迫中断。手机、电脑、邮件或者 Slack 都可以成为与它沟通的入口，不需要你始终守着某个终端窗口。2不过这里的「永远在线」，并不是让模型一天二十四小时不停思考。那样光成本就受不了。系统会把对话、任务和记忆等状态保存起来，平时让服务器或虚拟电脑休眠；等到收到消息、定时任务启动，或者外部事件触发，再唤醒它接着干。这个区别挺关键，长期工作靠的是状态能保存、能恢复，而不是一直把模型挂在那里耗算力。能重新醒来还不够，它得知道自己醒来之前做到了哪一步。Lee 举了一个例子，如果任务已经完成前两步，第三步碰上故障，普通任务队列可能需要从头跑一遍，而持久化工作流可以把之前的进度保留下来，从中断的位置继续。他们用了 Temporal 这样的工具处理这类问题。听着像后端工程细节，但对于一个要替你连续工作好几天的助手来说，出了故障不用推倒重来，几乎是最基本的可靠性要求。任务能接上，记忆也得接上。这里的记忆不只是聊天窗口里越滚越长的对话。课程里讲到一种做法，把用户偏好、工作日志和历史记录写进文件，需要的时候再让 Agent 搜索。它还可以把完成一项工作的步骤整理成 Skill，相当于给自己留下一份下次能照着做的操作手册；如果是固定时间要处理的事，就设成定时运行的 Routine。这样长期协作才有积累，不至于每次都重新解释一遍自己的习惯和流程。3但把什么都记住、什么工具都塞给模型，又会撞上另一个现实问题。模型每次处理任务，能容纳的信息量是有限的，工具介绍、历史对话和一大堆执行结果都会占地方。Lee 讲到的办法是，需要哪种工具再去找，冗长结果存进文件，较重的工作交给子 Agent 去完成，再由子 Agent 把结论带回主 Agent。主 Agent 只需要掌握任务进展，不必亲自背下每一步的过程。再配合上下文压缩和缓存，长时间运行才可能既稳定，又不会把成本堆得太高。说到这里，Agent 已经能工作、能续上进度、还能记住事情了，可它什么时候开始干活？Lee 提到，除了人直接发消息，邮件、Slack 里的提醒和定时安排，都可以成为触发条件。任务进来之后还要判断优先级，比如用户临时修改要求，就应该及时调整正在做的事。更难的是决定什么时候来找人。他提到在 SpaceX，有员工会让 Bot 代替自己参加会议、记笔记，之后再带回结果。你当然希望它主动，但应该只把需要你知道或决定的事情带回来，而不是每做完一步都发消息邀功。主动性越强，边界就越重要。课程里也谈到自动审查命令的机制，以及发送邮件、消息这类操作在必要时仍需要用户确认。Lee 在后面坦言，长期运行的 Agent 怎么评估、安全环境怎么保护、什么时候提醒用户才合适，都还有不少问题没解决。它可以像同事一样替你处理事务，并不意味着它已经拥有同事那样可靠的判断力。4看完这节课，我对 Personal Agent 的理解具体了很多。我们平时最容易看到的是聊天框里那几句回复，真正决定它能不能成为长期助手的，却是背后这些看起来没那么炫的设计。能记住、能继续、能分工，也知道什么时候该交还控制权，才有可能让人从一遍遍发指令和盯进度里腾出手来。斯坦福这节课把这些环节摊开之后，Personal Agent 也就没那么玄了。