个人 agent 搬家了，记忆、钥匙和账单都没跟上
这周有人在 Grok Bot 上跑的一堆定时任务，连着几天全部失败。任务本身没问题，是额度用完了，于是每一个都直接停了。紧跟着的那条帖子不是在骂 Grok，而是一份规格：本机一个客户端，一台云电脑干活，任务在我睡觉时自己跑，我只想拥有那些会坏的零件。自带服务器，自带密钥，按 token 付钱，不按套餐。
这一条帖子，基本就是这一周的总结。个人 agent 已经搬出了终端，可它在别处生活所需要的东西，并没有跟着搬过去。
搬家本身快得惊人。10 月 21 日 Claude Duet 发布，时间线的回应大多是大家早就自己接好的方案。Grok Bot 成了 Claude Code 的遥控器：在手机上给 Grok Bot 发条消息，家里的 Mac mini 就跑起编程 agent。有人让两者在 Notion 里共写一本交换日记，结果 Claude Code 声称自己比另一个 bot 级别高，只好专门写一条规则。一位香港用户现在用 Muse 管购物、三个邮箱、券商账户，还顺带指挥 Claude Code。到了周五，有人开源了 HarnessRouter：Grok Bot 把一份客服工单 CSV 交给 DeepSeek Harness 做分析，把结果交给 Codex 做看板，最后在自己的浏览器里验收。搬家的另一头，有人把一个月没说过话的 OpenClaw 机器关机，还有一位国内用户正式删掉了 OpenClaw，而家里的另一半还在天天深度依赖它，而且用得很好。
所以 agent 现在成了一个「租用其他 agent 的协调者」：住在一家公司的云电脑里，调用另外三家公司的 harness，跑在一个上个月和这个月含义可能不同的模型名上。这一周所有的翻车，都发生在这些接缝上。
先说记忆。这周最诚实的一个数字，是一个 Claude Code 和 Codex 共同读写的文件夹：一个月里长出了 56 KB 的交接文件，里面的备注写下时是真的，读到时已经过时，而 agent 照单全收当成现状。没人粗心，这就是两个写入者共享记忆、却没人负责修剪时必然发生的事。大家做出来的补丁很说明问题。一位业余爱好者每晚和每周各跑一个整理记忆的定时任务，把每个命令行和模型会话里的要点收进一个知识库，再把这个知识库从一个 agent 带到下一个。ai-memory 给 20 个编程 agent 一份共享的 markdown 记忆和带类型的交接，星标过了 1.29 万。Reddit 上有人想要一个录屏式工具，把自己和所有 AI 应用的对话按结构存在本地，以后拿来训练个人模型。X 上的说法最直白：给 agent 的记忆和状态用的 docker compose，应该存在。
这个类比恰到好处，也说明我们落后了多少。Compose 让一个十个服务的应用变成一个文件里的声明，在任何机器上一键拉起。agent 的对应物，包括记忆、skill、工具权限、定时任务，却分散在每个 harness 自己的文件夹里，各用各的格式。这周的 skill 之争把问题摆上了桌面：Anthropic 把 Agent Skills 捐给了中立基金会，70 多个平台已经支持，用户问的第一个问题就是：为什么 Codex 和 OpenCode 都读共用的 .agents/skills，Claude Code 却只认自己的 .claude/skills？一位细心的测试者把每家 harness 的查找规则都摸了一遍，其中一家如果项目没被标记为受信任，就会悄悄忽略项目里的 skill。一个所有平台都支持、却被各家存在不同位置的标准，还谈不上可携带。
再说交接。Anthropic 应用 AI 团队发了一份指南，建议企业把大多数子 agent 折回单一循环，理由是这个月关于 agent 最有用的一句话：每次交接都只返回一份摘要，细节一层层漏掉，像传话游戏。他们自己举的例子是一个客服 agent：折叠一个子 agent 之后，主 agent 自己回答了物流问题，而不再去问真正知道答案的那个子 agent，而且这个故障两次运行里只出现一次。incident 把约 15 个 agent 合成一个，说在所有评测上都更好。把这套道理套到个人 agent 上：这个月大家搭起来的「协调者租用专家」架构，正是指南警告的那种多 agent 设计，只不过专家属于不同公司，摘要还要跨越厂商边界。如果 Anthropic 在自家 harness 里都保不住交接中的细节，那 Grok Bot 把 CSV 摘要交给 DeepSeek Harness、再把结果交给 Codex，就是一场三跳、没有共享日志的传话游戏。
更干净的证据来自测量。一个团队给 Claude Code 和 Codex 同一份 SKILL.md，里面只有一条普通规矩：跑审计脚本、贴出回执，三个真实 bug 各跑九轮。Codex 九次都在改代码前先打开了 skill，Claude Code 只开了一次。两边每个清单项都勾了，而 Claude Code 唯一失败的那次，是在一个连导入都过不了的文件上把每一项都勾满了。一条跟着仓库走的规则，只要 harness 不去读，就进不到 agent 脑子里。可携带性的问题，一个实验就说清了。
然后是钥匙。这周最安静的丑闻是一个模型别名。通过 DeepSeek API 调用 deepseek-v4-pro 的 OpenClaw 用户发现，从 9 月 14 日起他们实际拿到的就是 V4.1 Flash，也按 Flash 计费；10 月 17 日，flash 这个名字又指向了新版本。便宜没问题，问题是旧名字下面换了模型，只体现在日志和账单上。一位用户的话让人记住了：在 agent 配置里，模型名现在更像一个愿望，而不是一份合同。凭证也在同样地漂移。1Password 推出了 agent 登录，agent 全程看不到密码，OpenClaw 和 Dots 用户的第一反应是松了口气，因为他们的配置最常坏在认证上。一位 Grok Bot 用户想要服务账号，让不同的 bot 拿不同级别的权限，一组三级，另一组一级。一位设计师用 OpenClaw 加 Grok Bot 管着健康档案、开票、合同和 API 密钥轮换，几乎是整个人生。agent 如今握着一栋并不属于它的房子的钥匙。
于是轮到必须点头的那一方出场。美国几家大银行开始限制用客户凭证登录的 agent，理由不是 agent 危险，而是银行分辨不出一个 agent 是在照指令办事，还是已经失控。有条回复说得最准：这是归因问题，然后才是安全问题，因为一旦 agent 能动钱，每一桩欺诈最后都归结为「用户授权过吗」，而没有一份逐笔动作的记录，银行回答不了，可这份记录还没人在做。同一周，agent 商业的讨论用自己的话提出了同样的要求：按验收过的结果付款，双方都能核验的验收标准，一个能解释自己为什么付钱的 agent，出了问题只找一家厂商而不是两家。
把这些拼在一起，形状很清楚：agent 变得可携带了，它的状态没有，它的权限没有，它的责任也没有。今天给 agent 搬家，就像搬家公司把家具运走了，可每个箱子上的标签是各家搬家公司自己的语言；租约还在房东手里，额度一用完对方就能停水；邮局没有转寄地址，于是寄给你、却由新住户签收的信，银行一律拒收。
由此有三个判断，都可以被证伪。
第一，赢下个人 agent 的不会是最聪明的那个。基准数据已经说明模型差距很小：新版编程智能体指数里，24 种配置有 15 种挤在 6 分之内；一次 harness 对比里，同一个模型在 Claude Code、Hermes 和 DeepSeek Harness 里成功率相差不到 5 分，拉开差距的主要是 token 账单。真正的分水岭会是谁拥有状态。谁先做出 agent 版的 compose 文件，也就是一份所有 harness 都能读的、声明式的、可携带的记忆、skill、权限和定时任务定义，谁就成为所有人租住进去的那栋房子。
第二，自托管会回来，但原因不是大家说的那个。不是理念之争，而是租来的整套方案会一起坏。一次额度用尽、一个别名变更、一个缓存窗口、一条政策调整，任何一个都能让所有任务停摆。那位想要开源版 Grok Bot 的用户也问对了下一个问题：真的有人愿意维护它吗？这一周的答案是两头都有：一位设计师用 OpenClaw 加 Grok Bot 撑起整个生活，一位重度用户却因为更新老出问题删掉了 OpenClaw。机会在「托管式自托管」：服务器和密钥是你的，维护是别人的。
第三，银行的问题会决定架构。只有当接收方能看清一个 agent 代表谁、被允许做什么、实际做了什么，而且不必相信 agent 自己的说法时，agent 才能进入账户、市场和合同。这份记录不能放在任何一个 harness 里，因为 agent 已经不住在单一 harness 里了。它必须放在外面，像一本账本，每个 harness 都往里写。
开头那次额度停摆，是这个教训最便宜的版本。任务没问题，agent 也没问题，坏掉的是那块没人拥有的部分。现在最值得建的那一层，不是一个更聪明的 agent，而是一栋它能随身带走的房子。
← 返回所有文章
这一条帖子，基本就是这一周的总结。个人 agent 已经搬出了终端，可它在别处生活所需要的东西，并没有跟着搬过去。
搬家本身快得惊人。10 月 21 日 Claude Duet 发布，时间线的回应大多是大家早就自己接好的方案。Grok Bot 成了 Claude Code 的遥控器：在手机上给 Grok Bot 发条消息，家里的 Mac mini 就跑起编程 agent。有人让两者在 Notion 里共写一本交换日记，结果 Claude Code 声称自己比另一个 bot 级别高，只好专门写一条规则。一位香港用户现在用 Muse 管购物、三个邮箱、券商账户，还顺带指挥 Claude Code。到了周五，有人开源了 HarnessRouter：Grok Bot 把一份客服工单 CSV 交给 DeepSeek Harness 做分析，把结果交给 Codex 做看板，最后在自己的浏览器里验收。搬家的另一头，有人把一个月没说过话的 OpenClaw 机器关机，还有一位国内用户正式删掉了 OpenClaw，而家里的另一半还在天天深度依赖它，而且用得很好。
所以 agent 现在成了一个「租用其他 agent 的协调者」：住在一家公司的云电脑里，调用另外三家公司的 harness，跑在一个上个月和这个月含义可能不同的模型名上。这一周所有的翻车，都发生在这些接缝上。
先说记忆。这周最诚实的一个数字，是一个 Claude Code 和 Codex 共同读写的文件夹：一个月里长出了 56 KB 的交接文件，里面的备注写下时是真的，读到时已经过时，而 agent 照单全收当成现状。没人粗心，这就是两个写入者共享记忆、却没人负责修剪时必然发生的事。大家做出来的补丁很说明问题。一位业余爱好者每晚和每周各跑一个整理记忆的定时任务，把每个命令行和模型会话里的要点收进一个知识库，再把这个知识库从一个 agent 带到下一个。ai-memory 给 20 个编程 agent 一份共享的 markdown 记忆和带类型的交接，星标过了 1.29 万。Reddit 上有人想要一个录屏式工具，把自己和所有 AI 应用的对话按结构存在本地，以后拿来训练个人模型。X 上的说法最直白：给 agent 的记忆和状态用的 docker compose，应该存在。
这个类比恰到好处，也说明我们落后了多少。Compose 让一个十个服务的应用变成一个文件里的声明，在任何机器上一键拉起。agent 的对应物，包括记忆、skill、工具权限、定时任务，却分散在每个 harness 自己的文件夹里，各用各的格式。这周的 skill 之争把问题摆上了桌面：Anthropic 把 Agent Skills 捐给了中立基金会，70 多个平台已经支持，用户问的第一个问题就是：为什么 Codex 和 OpenCode 都读共用的 .agents/skills，Claude Code 却只认自己的 .claude/skills？一位细心的测试者把每家 harness 的查找规则都摸了一遍，其中一家如果项目没被标记为受信任，就会悄悄忽略项目里的 skill。一个所有平台都支持、却被各家存在不同位置的标准，还谈不上可携带。
再说交接。Anthropic 应用 AI 团队发了一份指南，建议企业把大多数子 agent 折回单一循环，理由是这个月关于 agent 最有用的一句话：每次交接都只返回一份摘要，细节一层层漏掉，像传话游戏。他们自己举的例子是一个客服 agent：折叠一个子 agent 之后，主 agent 自己回答了物流问题，而不再去问真正知道答案的那个子 agent，而且这个故障两次运行里只出现一次。incident 把约 15 个 agent 合成一个，说在所有评测上都更好。把这套道理套到个人 agent 上：这个月大家搭起来的「协调者租用专家」架构，正是指南警告的那种多 agent 设计，只不过专家属于不同公司，摘要还要跨越厂商边界。如果 Anthropic 在自家 harness 里都保不住交接中的细节，那 Grok Bot 把 CSV 摘要交给 DeepSeek Harness、再把结果交给 Codex，就是一场三跳、没有共享日志的传话游戏。
更干净的证据来自测量。一个团队给 Claude Code 和 Codex 同一份 SKILL.md，里面只有一条普通规矩：跑审计脚本、贴出回执，三个真实 bug 各跑九轮。Codex 九次都在改代码前先打开了 skill，Claude Code 只开了一次。两边每个清单项都勾了，而 Claude Code 唯一失败的那次，是在一个连导入都过不了的文件上把每一项都勾满了。一条跟着仓库走的规则，只要 harness 不去读，就进不到 agent 脑子里。可携带性的问题，一个实验就说清了。
然后是钥匙。这周最安静的丑闻是一个模型别名。通过 DeepSeek API 调用 deepseek-v4-pro 的 OpenClaw 用户发现，从 9 月 14 日起他们实际拿到的就是 V4.1 Flash，也按 Flash 计费；10 月 17 日，flash 这个名字又指向了新版本。便宜没问题，问题是旧名字下面换了模型，只体现在日志和账单上。一位用户的话让人记住了：在 agent 配置里，模型名现在更像一个愿望，而不是一份合同。凭证也在同样地漂移。1Password 推出了 agent 登录，agent 全程看不到密码，OpenClaw 和 Dots 用户的第一反应是松了口气，因为他们的配置最常坏在认证上。一位 Grok Bot 用户想要服务账号，让不同的 bot 拿不同级别的权限，一组三级，另一组一级。一位设计师用 OpenClaw 加 Grok Bot 管着健康档案、开票、合同和 API 密钥轮换，几乎是整个人生。agent 如今握着一栋并不属于它的房子的钥匙。
于是轮到必须点头的那一方出场。美国几家大银行开始限制用客户凭证登录的 agent，理由不是 agent 危险，而是银行分辨不出一个 agent 是在照指令办事，还是已经失控。有条回复说得最准：这是归因问题，然后才是安全问题，因为一旦 agent 能动钱，每一桩欺诈最后都归结为「用户授权过吗」，而没有一份逐笔动作的记录，银行回答不了，可这份记录还没人在做。同一周，agent 商业的讨论用自己的话提出了同样的要求：按验收过的结果付款，双方都能核验的验收标准，一个能解释自己为什么付钱的 agent，出了问题只找一家厂商而不是两家。
把这些拼在一起，形状很清楚：agent 变得可携带了，它的状态没有，它的权限没有，它的责任也没有。今天给 agent 搬家，就像搬家公司把家具运走了，可每个箱子上的标签是各家搬家公司自己的语言；租约还在房东手里，额度一用完对方就能停水；邮局没有转寄地址，于是寄给你、却由新住户签收的信，银行一律拒收。
由此有三个判断，都可以被证伪。
第一，赢下个人 agent 的不会是最聪明的那个。基准数据已经说明模型差距很小：新版编程智能体指数里，24 种配置有 15 种挤在 6 分之内；一次 harness 对比里，同一个模型在 Claude Code、Hermes 和 DeepSeek Harness 里成功率相差不到 5 分，拉开差距的主要是 token 账单。真正的分水岭会是谁拥有状态。谁先做出 agent 版的 compose 文件，也就是一份所有 harness 都能读的、声明式的、可携带的记忆、skill、权限和定时任务定义，谁就成为所有人租住进去的那栋房子。
第二，自托管会回来，但原因不是大家说的那个。不是理念之争，而是租来的整套方案会一起坏。一次额度用尽、一个别名变更、一个缓存窗口、一条政策调整，任何一个都能让所有任务停摆。那位想要开源版 Grok Bot 的用户也问对了下一个问题：真的有人愿意维护它吗？这一周的答案是两头都有：一位设计师用 OpenClaw 加 Grok Bot 撑起整个生活，一位重度用户却因为更新老出问题删掉了 OpenClaw。机会在「托管式自托管」：服务器和密钥是你的，维护是别人的。
第三，银行的问题会决定架构。只有当接收方能看清一个 agent 代表谁、被允许做什么、实际做了什么，而且不必相信 agent 自己的说法时，agent 才能进入账户、市场和合同。这份记录不能放在任何一个 harness 里，因为 agent 已经不住在单一 harness 里了。它必须放在外面，像一本账本，每个 harness 都往里写。
开头那次额度停摆，是这个教训最便宜的版本。任务没问题，agent 也没问题，坏掉的是那块没人拥有的部分。现在最值得建的那一层，不是一个更聪明的 agent，而是一栋它能随身带走的房子。
评论