作者卡兹克（公众号「数字生命卡兹克」）用一年时间，从”完全不懂开发的设计师”搭出了一套完整的 Agent 自动化系统，还顺手做出了百万月活的开源产品。这篇文章是他对这套系统的完整拆解。
全文围绕一个核心命题：在 Agent 时代，人的注意力是最稀缺的资产。他设计了”事件驱动中台 → Agent 执行 → CI 中台 → 飞书批奏折”四层架构，把一切能自动化的事交给 Agent，自己只保留最关键的那几次决策。
上周六的时候，DeepSeek发了他们一篇很长的技术文章，叫《Super-agent设计探索：迈向更自主的Agent系统》，细细读完了，非常棒的架构，对很多开发者来说，都非常非常值得学习。
其中里面最重要的一句话，我觉得就开篇的那句：“一个人通常只能同时跟进3到5个活跃的会话，在这种设计下，单任务的上限取决于模型能力，多任务的上限取决于人的注意力。”在整个Agent系统里，人的注意力是最宝贵的资产，同时也是最大的瓶颈。
其实历史上出现过无数次这种情形。1380年，朱元璋借着胡惟庸案，把中书省和丞相一起废了，从此六部直接对皇帝负责，天下大事，全部直通他本人。然后报应很快就来了，洪武十七年九月，给事中张文辅给朱元璋报了一笔账，从十四号到二十一号，八天时间，内外各衙门送上来的奏札一共1660件，里面要处理的事，三千多件。
平均下来，一天两百多份奏札，朱元璋要一个人处理400多件事。朱元璋是出了名的勤快，但这个强度，他自己也绷不住了，当场跟大臣们说了一句话，“朕一人处此多务，岂能一一周遍”。
翻译过来就是：我一个人，管这么多事，怎么可能每一件都照顾得过来啊。你看，皇帝的注意力，跟我们普通人的，其实也差不了多少。六百多年过去了，我们人类也步入了AI社会，每个人也都开始成为了自己的皇帝，只不过这一次，递奏折的不是六部九卿，是一个个Agent。
如何设计Agent的调度系统，解放自己的注意力同时，大幅提高生产力效率，尽可能让自己抽身出来，只做最关键的决策，就是未来我们每个人都要学习和思考的命题。这个特质，其实也叫：领导力。
所以，我也想用这篇文章，来斗胆给大家分享一下我自己这将近1年的Agent系统的成果和经验，以及我是如何让Agent自动化的去处理各种事务的，架构是什么样的，我又是如何尽可能的抽身出来跟Agent协同，只做最关键的判断的。
整体确实是我这种非专业用户自己这么长时间的探索和使用，以及我觉得可能也更加适合普通用户一些的流程，希望能对大家有用～
Agent自动化系统
首先还是分享一下我对Agent自动化的理解。
| ① 核心命题：人的注意力是 Agent 系统里最宝贵也最稀缺的资产，一切设计都是为了把它从琐事中解放出来。 |
| ② 系统四块：事件驱动的自动化中台 → Agent 执行 → CI 中台 → 飞书批奏折，逐级把决策权收回到人手里。 |
| ③ 中台价值：统一事件格式、统一调度、去重、单出口（只走飞书小卡）、数据沉淀，杜绝脚本满天飞。 |
| ④ 执行原则：用领导力思维把任务起点从”人”身上拿掉，只把需要拍板的事推给你，其余 Agent 自行干掉。 |
| ⑤ 落地选择：Agent 跑在家里的 Mac 上不上云，CI 也自建 Mac Mini，省钱、安全、跨境访问还更快。 |
现在大部分人用Agent的方式，其实都还是偏聊天的方式。打开Claude Code或者Codex，给它一个任务，看着它干，干完了你检查一下，再给它下一个任务。这个过程里有一个弊端，你会发现，所有事情的起点都是你，你只要不打开那个窗口，什么都不会发生，所以不管模型有多强，你能同时推进的事，永远就是你盯得过来的那几个窗口，DeepSeek说的3到5个会话，就是这个意思。
所以我们在用Agent的时候，一定要尽可能的是领导力思维，把这个任务发生的起点，从人的身上拿掉，用各种信号来去触发Agent进行工作，而不是必须等待你下命令。你可以想象你现在就像朱元璋一样，一定不是所有的任务都需要推到你的面前，且也绝对不是你不说话，底下的大臣们就不干活了，一定是大臣们遇见事情，能自己处理的就处理掉了，只有他们拿不准的，必须需要上升到你这进行决策的，才会推到你的面前。
这个就是我自己理解的Agent自动化系统最终极的意义。这就跟带团队一样，一个好的团队，从来不会什么事都跟你汇报，它会自行推进，只把需要你拍板的事拿给你，剩下的，自己去干掉就OK了，你需要给与的，就是充分的信任。
所以在这套理解下，我整个的系统架构和流程，是这样子的。
我唯一要做的事，就是最后一步，我称为批奏折。在飞书里面，我的AI助理小卡会给我弹一张卡片，让我确认，我只要点击就可以了。
点完以后，Agent就收到我的决策了，继续自己干活了。基本能最大化释放我的人力。顺着流程，我们一个一个模块说。
自动化中台
先说最核心的这个，Agent自动化中台。
在Agent的体系里面，既然我们要把人给拿出去，那在何时、在何种信号下触发Agent，让它进行工作，就变成了一个需要设计的命题。这也就是：事件。世间万物，任何的信号触发，我们都可以归纳为一个事件。
比如定时任务就是一个事件的搜寻行为，固定每分钟或者每小时去轮询请求，来发现事件，比如Webhook触发也是一种事件，比如我们收到一条消息、收到一份邮件、某个系统突然触发了告警等等。
定时去找的那种，Claude和Codex自己的应用里已经做得很好了，每天几点跑一次什么，设一下就行，我自己也有一大批定时任务，就放在它们的应用里跑。
甚至还有个很好玩的东西，是每一天下午，Codex都会从微信群的聊天记录、X、小红书、抖音等平台搜索大家对于AIHOT的最新讨论和反馈，然后汇总成一份报告给我，给我可行的评估建议，是否要去优化。
还有每周操控我的浏览器，去豆包、DeepSeek、千问、元宝、ChatGPT、Gemini等等平台，去问一遍我们的一些GEO问题，来判断AIHOT的GEO情况，等等等等。
然后AIHOT也开源了，每一天都有朋友在Github上提建议、提PR等等，Claude就会每天晚上6点扫一遍，然后处理问题还有PR。
但定时任务轮询有个天生的问题，就是不及时，同事提了一条意见，线上突然报了一个错，你总不能等到第二天早上的定时任务再去看对吧。这种事件，必须一发生，Agent马上就被叫醒，这就得靠Webhook，有事的时候，那边的系统主动推一条消息过来。
而找上门来的事件，来源五花八门，飞书消息、飞书机器人、邮件、各种系统的告警，每一种长得都不一样。并且因为模型的能力不同，擅长的任务也不同，为了最大化性价比和省Token，所以事件触发以后，要叫醒的Agent、模型、推理深度也都不一样。
比如有的事件要叫醒Claude Code用Claude Opus 5.5 high推理去处理，有的要叫醒Codex用GPT-6.1 Terra xhigh去浏览器搜索一些正常拿不到的数据，有的又是要推给GPT-6.1 Sol xhigh去修复BUG等等等等。
如果每接一种事件，都单独写一套脚本，去接这个来源，去叫醒那个Agent，做三五个还行，做到十几个、几十个，一定会乱成一锅粥的，你再也无法管理了。所以，为了以后不乱，我就自建了这个中台，专门用来管所有的事件触发，后来把定时任务也纳入进去了，全部打通。
它本身是一个很小的独立服务，部在线上一台轻量服务器上，有自己的网址和数据库。它干的事也很简单，所有的事件，都先发到这里，由它统一决定交给哪个Agent，统一去叫醒，统一把结果收回来，真需要我来决策的时候，再通过飞书告诉我给我弹一张卡片，我来决策。
它的第一件事，就是给所有事件定一个统一的格式。不管从哪来，发到中台的都是一条很短的消息，里面只有几样东西，从哪来、什么类型、对象是谁、一句话摘要，再加一个回到原处的链接。比如虚实中台发来一条feedback.new#12，就是同事给虚实中台又提了一条新意见，编号是#12。
格式统一了，后面就好办了，中台收到事件以后，去查规则。所有规则都写在一个叫rules.json的文件里，比如同事意见这一条，是这么写的。{“name”: “中台意见”,”when”: {“source”: “virxact-hub”,”types”: [“feedback.new”, “feedback.followup”, “feedback.decided”]},”to”: “m5-claude”,”cwd”: “~/code/work/virxact-hub”,”skill”: “hub-feedback”,”ask”: “按其中“被 Agent 自动化中台叫起来的”一节处理。”,”group”: “hub-feedback”,”parallel”: 3,”tell”: “needed”}
翻译成人话就是，对产品新意见、同事的补充、还有我拍过板的决定，都交给M5上的Claude Code，在虚实中台的代码目录里，用hub-feedback这个skill去处理，给Agent的指令就一句，按skill里对应的那一节办，每条意见单独开一轮，同一条意见同时只跑一轮，最多三条一起跑，做完了，只在需要我决策的时候才告诉我，否则就不需要推到我这边。
然后是叫醒Agent，这里有个技术上的小问题，Webhook能把消息推到中台，但中台推不到我的Mac上，我的Claude和Codex都是部在本地的，因为我的两台Mac都在家里和办公室的内网里，外面根本连不进来。
所以我们反过来做，每台Mac上都跑着一个接单程序，一直挂在中台上等活，一次最长等50秒，有活立刻接走，没活就再挂上去接着等，这样Mac不用暴露到公网上，速度也跟实时推送也差不多。
它的好处，我觉得有这么几个。第一，接一种新的事件，变得特别简单。不用再写一套新脚本，在rules.json里加一条规则就行。我跟Agent说一句，它改完文件、过了检查，几分钟就生效。
第二，换Agent也特别简单。哪类事交给谁，就是规则里的一行字。今天交给Claude Opus 5.5，明天想换成GPT-6.2 Astra，改一行就行，以后出了更好用的模型，可以随意替换。
第三，去重。自动化跑起来以后，同一件事被发好几遍，是常态，比如网络抖一下，来源那边以为没发出去，就会再发一遍。同事提完意见，又补了一句话，又贴了一张图，这又是好几条事件。如果每来一条就叫醒一次Agent，同一件事就会有好几个Agent同时在干，这个Agent改一遍，那个Agent又改一遍，最后绝对是乱的要死的，所以就让自动化中台做统一去重，非常省心。
第四，所有消息，只有一个出口。不管哪个Agent、哪个任务要找我，都只走一条路，就是小卡，我在飞书里的AI助理。而且每条规则都写清楚了，只在必须需要我判断和决策的时候才说，不会这个脚本发一条，那个机器人发一条，把我的飞书刷屏，尽最大可能保护我的精力。
第五，数据沉淀。因为所有的事件都从中台过，所以每一件事都留了底，什么时候来的、从哪来的、交给了哪个Agent、它最后的结论是什么、有没有需要我留意的、后来又是怎么解决的，全都记在中台的数据库里，点开任何一件任务，还能直接跳到当时Agent干活的那个会话，看它到底干了什么。这些东西攒久了，就是非常完整的数据沉淀了，哪条流水线最忙，哪个Agent干得最多，哪类事老出问题，一眼就能看出来，以后要换模型、改规则，也有数据依据。
并且还有一个符合我自己爽感的东西，就是所有的自动化任务，我一眼就能看清，可能我确实受种田游戏影响颇多，所以对这种自动化的可视化有深深的迷恋，玩《戴森球计划》的时候，最喜欢看的就是那种密密麻麻的自动化流水线。
所以，我甚至还做了一个有趣的网页，来把我们的流水线像游戏一样展示出来，并且跟现实世界时间和天气完全打通，现实下雪，那这个自动化小镇里也会下雪。渲染了一个视频，给大家看看～这个中台就是让每个事件一发生，就能自己找到该干活的Agent，只把真正需要我的那一小部分，递到我面前。
Agent执行
在触发了事件之后，接下来就是Agent领任务和执行了。
首先我想说一个巨大的前提，就是我们并不是无限Token，即使我开了200刀的Claude会员，猛用下来3天就能用完近90%。
且几个主流模型所擅长的能力点，确实不太一样，各有优劣，所以才会涉及到调度，就是为了整体性价比最优。目前我是200刀Claude会员+100刀的GPT会员，基本够用。
目前主要是几个模型：Claude Opus 5.5，它是我们的主力开发，AIHOT的自动化开发、同事对公司中台提的意见这类比较复杂、需要一定主观能动性且能做决策的活，基本都是它在干，我现在几个核心项目的代码，大部分也都是它写的。
GPT-6.1 Sol，它主要管我们所有项目的运维，告警、每天早上的系统日报、各种到期的复查等等，出了问题它就去查，查到BUG或者问题就直接修了，在做这种活上效果非常好，性价比也极高。
GPT-6.1 Terra，专门干浏览器&电脑操控的活。它能直接操控我MacMini上那个登录好各种账号的Chrome，前面说的每天去各个平台搜大家对AIHOT的讨论，每周去各家AI问一遍GEO问题，这些没有接口、正常拿不到的数据，全靠它去处理的。
我自己如果日常主动触发的任务，用的也都是Claude来进行任务的处理，其实我也经常能看到很多人用Grok或者是一些其他的弱一点的模型来指挥Claude，我觉得还是有点不太对，因为做决策和做管理的模型，它一定得是智力和主动性最强的，你不能用笨逼来指挥聪明的，这样会乱套的。
同时，我自己是有两台MacMini的，一台新买的M5 Pro，一台是去年买的M4的Mac Mini。
M5 Pro是我的主力日常用机，而我的Agent自动化任务基本都是运行在M4那台机器上的，两端通过局域网互通，基本都在本地，没有上云。主要是我基本是独立开发，我的代码仓库、发布权限、飞书身份，还有那个登录好各种账号的Chrome，全都在这两台Mac上。
要是把Agent放到云上，就得把这些登录和权限，在每一家云上都复制一份，既麻烦，又不安全。而且很多国内的东西，海外的云端Agent根本就没法用，他们大多跑在海外，跨境访问我们在北京的服务器，动不动就慢就超时。浏览器类的任务更别说了，像微信这种，换成云上虚拟机里的浏览器去打开，直接就给你崩了。
再加上两台Mac本来就是现成的，一直开着也无所谓，功耗也极低。日常需要用M5 Pro电脑操控M4，直接Agent操控或者UU远程就行了，方便快捷。
然后我觉得在Agent自动化执行里面，还有一个蛮重要的东西，是skill。我们每个自动化任务，基本上都配着一个专属的Skill，Skill其实过了这么久了，大家也都知道本质上它就是一个沉淀下来给Agents用的SOP，里面附带着一些规则、参考还有脚本之类的。
比如每周日早上我有个大扫除的定时任务，就搭配了一个专门的Skill，写的就是把这一周合进来的屎山找出来删掉，同一件事写了两遍的、为个案打的补丁、停用了却没拆干净的、变成流水账的文档，能删的直接删掉，再上线。
这样的好处就是清晰、可控、可管理，你想对这个任务的详情进行修改，直接去改Skill就可以了，不用去改这个Agent执行本身的逻辑，尽可能解耦，可管理。
CI中台
Agent把代码写完、提交上来以后，就到了第三块，CI中台。
CI这个词，可能很多不写代码的朋友没怎么听过，大概意思就是，代码写完以后，自动帮你审查、测试、上线的那一整套流水线。这块之所以要单独拎出来做一个中台，原因很简单，量太大了。
GitHub自带的CI，用的是它自己的机器，每个月我开了会员也才3000分钟的免费额度，超了就得另外交钱，而我们的量实在太大了，光AIHOT一个项目，整个10月已经合进去了将近一千个合并请求，平均一天二三十个，每一个还要来回跑好几遍检查，那点额度根本扛不住。
我之前算过，按照我们提交PR的数量，如果还是用Github的CI体系的话，每个月光超额费用就得交50美金以上。所以干脆在家里的那台老的M4的MacMini上自己自建了一台CI中台，机器是现成的，不用另外花钱，而且性能强多了，还在北京，跑得比GitHub自己的CI快多了。
这一块，如果你有Linux的机器来做CI其实会更好，我的Mac是ARM的，所以其实是模拟的环境，但是我觉得也够用了。然后因为项目多，Agent多，所以这个本地CI我就升级了一下，也变成了中台，供我所有的项目使用。
流程大概是这样的。
不管是Claude还是Codex，Agent的活，干到提交代码、开一个合并请求，就结束了，它自己不能上线。后面所有的事，全部交给CI中台，一共五步，审查、检查、合并、发布、核实。
第一步，Agent审查，这个我觉得是整套系统里最值得说的一块。我们几个项目的代码，现在基本都是Claude在写，但每一个合并请求在合进去之前，都要先过一遍Codex的审查，用的就是前面说的GPT-6.1 Sol，GPT模型在审查这块还是牛逼的。
之前也遇到过无限审查和挑错的情况，Codex能审个10轮磨磨唧唧，所以学习了Anthropic自己那篇《How the Claude Code team does code review》，他们Claude Code团队就是每个改动合并前都审一遍，但是最多审3次。
最近两周，四个项目，一共审了298个合并请求，Codex报了333条问题，306条在合并前被修掉了，其中最严重的那一档有51条。并且审查也有几条规矩，比如Codex是只读的，只能看不能改，连不了网，也读不到任何钥匙。只报真会出错的问题，不报代码风格，不然它能给你挑几十条「可以写得更好」，能给你打回去能改到天荒地老。
成本也不高，一次审查中位数两分多钟，大概占那次任务5%到15%的Token。第二步，检查。审查过了，就开始跑完整的检查，类型检查、全部测试、构建，还有数据库只能加不能改这类硬规矩，有一条不过，就不能合。
这些检查，就跑在前面说的那台M4的MacMini上。每个任务都开一台全新的虚拟机，跑完连机器带身份一起删掉，Agent写的代码，从来不会直接在我的Mac本机上跑。
第三步，合并。审查和检查都过了，GitHub自动合并，而且这两项是写死在GitHub上的规则，没审过、没检查过的代码，不管是哪个Agent、哪个工具，都合不进主干。
第四步，发布。合进主干以后，GitHub会自动启动发布流程，活照样派给那台M4单独开一台专门发布的虚拟机来跑。第五步，核实。合并进去、发出去，依然没有结束。M4上的交付程序会等GitHub上的发布流程全部跑完，再去线上问一遍，现在跑着的版本是不是已经包含了这次的改动，确认真的上线了，再把结果写回GitHub，这一轮才算结束。
最后执行开发任务的本地Agent，看一眼GitHub就知道最终状态是什么样了。五步走下来，从Agent把代码交过来，到真正上线，中位数两三分钟，速度极快，体验极佳，全程不需要我管，并且上线的质量大大提高，几乎很难会有BUG或者返工的情况。
并且因为有了CI中台，所以未来我们做任何项目，都是完全可以复用这一整套流程的，非常的省心加愉快。
在飞书上批奏折
能自动解决的，Agent都自动解决了。那最后能推到我这边的，一定是需要我做的决策或者是大事。我也不喜欢Agent通过什么DOT、Grok Bot之类的所谓Personal Agent来去找我，我觉得会有点麻烦，于是就直接跟飞书打通了，我的AI助理直接给我推一个卡片，我就能第一时间看到。
并且还可以直接做选择。
这个感觉，其实讲道理，跟皇帝批奏折真的没有什么区别。朱元璋那会儿自己是一个人硬扛，到了他的子孙，慢慢摸索出了一套办法，叫票拟和批红。奏章送上来，先交给内阁，大学士把建议的处理意见写在一张小票上，贴在奏章上面，这叫票拟，皇帝看一眼，同意就用红笔批下去，这叫批红。
这样确实是最省心的方式。所以我的决定卡片，就是Agent给我写的票拟。我只做判断，只要点击就行，然后在之前等着我审批的Agent就会接着往下干，卡片也会自己改成结论，比如今晚临时发生的，有个龟儿子进了AIHOT的飞书群，把推送机器人也移除了，然后自己退群了，我都不知道还有这个漏洞，然后因为报错，就触发了整个自动化工作流，给我推了一条卡片。。。
但卡片做的这个交互方式即使有用，但是最重要的就是到底什么事情应该推到我的面前。之前其实踩过很多坑，甚至有的时候一天给我推几十条，严重影响我的注意力。所以现在必须先问我的就那么几类了，比如删数据、停服、花钱、对外发消息、改产品方向、新建或轮换密钥、修改权限等等，剩下的，Agent就自己全权做完上线。
而且我定过的事，Agent不会问第二遍。我们的仓库里，有一份文件就叫「卡兹克定的事」，只记我亲口做的决定，带着原话和日期。然后还有一份「定了不做的事」，我拒绝过的，Agent以后再碰到，直接照着回答，不会再拿来烦我。
最后还有一个小东西，是我完全没有交给Agent的，每一个，我一定都亲自看，然后把有价值的，亲自发给Agent，让它去做后续的执行。这就是用户反馈。我每天都会收到一些用户直接的反馈内容，我特别感谢他们。
只要是我觉得能做的，每一个我都会复制粘贴，让Agent来去解决。然后解决完以后，给对方的邮箱发一封真诚的回信反馈。可能这也是最后的一种仪式感吧。写在最后上面就是我整个走Agent自动化的一些探索和技巧啦。
我肯定没有那么专业，只是想跟大家分享一下，我自己的一些经验和玩法，因为这确实是我最近用的非常爽的方式。万一呢，万一真的对一些人有用，真的能帮助到大家呢，那也真的是一件非常开心的事了。
想一想这一年，还真的有一些魔幻。一年前，我是一个完全不懂开发的设计师。一年后的今天，我搭了我自己的Agent自动化系统，做出了百万月活的公益产品，还开源了，拿到了9000 star的好成绩，也看到无数的反馈，说帮到了他们。
我还给公司搭了公司的中台：我花了5天时间，对公司进行了一场AI化改造。也在用Agent的方式，去迭代整个公司。每一天，我都在开发中、在创作中学习，一年前，我连CI是什么都不知道，半年前，我甚至连CDN是什么都不知道，但是不妨碍我，现在都知道了。
这可能，就是学习的快乐吧。希望今天这篇内容，能对大家有用。也愿我们，永远对世界，保持好奇。结语把注意力留给真正要做的决策，把其余一切都交给 Agent——这大概就是普通人能用 AI 放大自己的最现实路径。
文章来源：公众号「数字生命卡兹克」 @数字生命卡兹克。折腾了整整1年，毫无保留地分享一下我这套Agent自动化系统。
- 作者卡兹克分享自己一年搭建的Agent自动化系统，用事件驱动中台、Agent执行、CI中台和飞书批奏折四层架构，把人的注意力从琐事中彻底解放出来。
- 这套Agent自动化系统的核心是自动化中台：所有事件先统一格式，再按规则决定交给哪个模型、叫醒哪台Mac，只把必须拍板的事推给飞书小卡。
- 在Agent执行层，作者用Claude Opus负责复杂开发、GPT负责运维和浏览器操控，并坚持让本地Mac跑Agent而不上云，兼顾安全、成本与跨境访问速度。
- CI中台把代码审查、检查、合并、发布、核实五步自动化，Codex只读审查、每个改动合并前先过三遍，中位数两三分钟就能从提交走到上线。
- 飞书批奏折是人与系统的交接点：Agent只把删数据、停服、花钱、改方向这类关键决策推给你，点一下卡片就继续干活，把注意力留给最重要的事。
- 整篇文章围绕一个判断展开——人的注意力是最宝贵的资产也是最大瓶颈，自动化的一切设计都是为了把这块资产用在刀刃上。
- 作者用领导力思维重新定义自己与Agent的关系：把任务发生的起点从人拿掉，让系统自行推进，人只做最关键的那几次判断。
- 对中台来说，统一事件格式、去重、单出口和数据沉淀是五大价值，既避免脚本满天飞，也为日后换模型、改规则留下可复盘的依据。
- 文章还给出了可复用的落地细节：rules.json写规则、接单程序反向长连Mac、定时任务与Webhook双通道触发，以及每天自动大扫除的Skill。
- 这是一份从零到一的Agent自动化实践笔记，不堆术语，只讲一个设计师如何把重复劳动交给机器，自己退到只需批奏折的位置。
文章来源：公众号「数字生命卡兹克」 @数字生命卡兹克。折腾了整整1年，毫无保留地分享一下我这套Agent自动化系统。
收藏从未停止，学习从未开始
说的是我
Read later means never read again
动画表情
是我 ，其实没完全看懂，但是不明觉厉
回复 越：连续，主动，高效
，持久。我整理了一张图
你在你的agent中建个项目，让它总结、记录、学习、掌握这篇文章；跟它说，萃取这篇文章的经验，记忆住，有需要时记得提醒我并拿出来用，就行了，它会帮你解决后面的事。
忍不住给你也点赞
救命你在点我
Is’t me,Learning continuously, not learning to understand, not doing
怎么让你抢先了
回复 liu（Sol）：所以一定要找个项目，哪怕你只是想学做一个天气预报和当地民生的分析，或者只是跟随一个股票信息分析，都要好很多。说白了，你不投入真金白银和时间下去，连被骗懊恼火大惊喜的过程都不会有。要做到卡兹克这样的，你就算全套搬过去，你的生产环境和应用也不是想当然的，就免去成本的付出。说白了，你不花钱去经历没有用的，至少花个两三万吧。
行动从未开始
有ai之后 感兴趣的文章看看 不感兴趣但感觉有用的直接扔给ai 鞭策ai学 相当于自己学了
会信息爆炸的，人的精力有限。我很早也部署过真没精力一直关注。哪怕是过滤精华的信息也太多了
非常非常要提醒的是，普通人一定要谨慎采用这种多流转然后带中台后台的 Agent 系统。
我最近半年也在折腾这个，最终形成的东西，跟昨天 DSH 发布的架构和卡神发布的架构很相似。实际上，都会有一个调度层、执行层，还有一个审核层。
实际上普通用户的工作体量是有这三层架构已经完全够用了。卡神文中所说的 CI 中台，在我这里退化成一个独立的 repo worker。而普通人如果没有那么强的模型，一个独立的事实审核层是非常有必要的。
非常需要注意的是，根据 Claude Code 的最新研究，这个架构并不是要形成一套流水线式的子 Agent 系统。实际上，每一个 worker 就是一个独立的工作点。到底是单 Agent 加多 skill，还是多子 Agent，取决于 worker 工作的性质划分。
就跟现实人类架构的三五分级一样，你关注的多条线，实际上最多也就 3~5 个会话。
对于普通用户来说，只要关注两个点：不需要消耗更多的 token，和不可回退的红线。
而每个 worker 怎么具体执行的话，就可以各种抄袭了。
收起
具体落地的业务场景是什么呢？之前一聊起来就是处理任务，发送指令，现在是自动化，但是自动化的业务介入点和体现的价值什么。在商业上是否有正向roi，不然的话只是配置出来他会跑，或者收益是负的也不行
回复 产品之路：这就是AI生产线，所谓生产线，都是给现有需求配的，工业时代需要衣服，就做制衣生产线，AI时代要写代码就做代码生产线。不管是物理的还是AI的生产线，本身都可以定制到任何生产型业务上，roi取决于你有没有能变现的需求和业务，不取决于生产线
回复 周 子 焱：太宏大了，到现在除了动漫，生图生视频这种。其他在 B 端行业的落地，要不就太宏大了，要不就是点状的。
回复 产品之路：可以从，把某个岗位员工的某固定工作替代开始，梳理出输入和输出。然后，把它们串联起来。用主管管员工的逻辑。最后加上工作汇报和审批就行了。最终形成： 员工♻️员工↔️主管↔️你的大体流程。这就是自动化了。其中审批，在上面流转环节都存在。ai 主管负责的是派发任务和自动审批，你负责审批主管做不了的决定。
回复 怪才：这个落地点倒是可以考虑，就类似于重新搭建流程引擎
我是程序员，最近已经不自己写代码了，都是AI写的。业余时间做了个公众号，希望以后失业的话能解决下温饱问题
您好，AI写的代码可靠吗？我是一名普通的研究生， 会用它来进行仿真实验，建议用哪个大模型？
回复 执月临₁₂₃：科研无脑上GPT
回复 数字生命卡兹克：好滴
回复 数字生命卡兹克：卡神，现在google账号太难注册了吧，我没账号怎么用上gpt呀
回复 执月临₁₂₃：直接买成品号吧
回复 陌童.：买成品号之后，这个号以后是不是就是自己的了？还是说只能用一个月呀
回复 执月临₁₂₃：其实不是很难注册，建议多折腾折腾
回复 客服小祥：我一直卡在那个手机二维码扫码那块，不知道是什么问题
回复 执月临₁₂₃：当然，永久归你用啊，只要你不乱搞封号
回复 陌童.：乱搞是咋样的，我之前买了个gemini成品号，之后现在那个google账号需要我重新验证了，也是需要相机二维码扫码的，等于是那个Gemini成品号废了
回复 执月临₁₂₃：其实挺好注册的，境内的手机号就可以用
回复 执月临₁₂₃：我之前也卡在手机扫码发短信那步，教你一个方法，绕过发短信的步骤，用Chrome浏览器里的注册流程，不会触发让你发短信给某个需要验证的号码段，就能直接注册成功
回复 Jeona：嗯，但是我卡在手机扫码那块了
回复 You、Andヾme：是在Chrome浏览器注册吗，我用电脑试过这样注册，还是需要我扫码验证，不能是🪜问题吧
回复 执月临₁₂₃：我在我的手机上下载的chrome浏览器，在APP端注册/登陆那里注册的，可以直接跨过发短信那个流程
回复 You、Andヾme：怎么下载呀，我不是苹果手机，然后用🪜打开网页Google不让我下载呢
回复 执月临₁₂₃：谷歌浏览器APP本身应该在国内的APP商店里可以直接下载吧，只是里面的邮箱需要挂梯子
回复 You、Andヾme：我华为里边的荣耀市场搜不到谷歌浏览器
回复 执月临₁₂₃：华为啊，那没辙，华为系列和部分荣耀旧机型被制裁，不支持谷歌GMS服务，所以用不了
回复 You、Andヾme：我刚刚下载了应用宝，可以下载谷歌浏览器了，然后是不是就开梯子进入谷歌浏览器注册就好了？
回复 执月临₁₂₃：我是这样搞的，你可以试试
回复 You、Andヾme：好的我去试一下
更多回复
这样的前提是Agents是可信的，否则你无比脆弱的基础设施将暴露在阴晴不定的外部供应商面前，开源本地化部署将是趋势，所以发这个的是Deepseek，之前有个国外团队发了个类似的根本没人看。
越来越感觉到一个很重要的点，AI时代每个人都应该搭建一套属于自己的Agent自动化系统，他是独属于你自己的，依托于你自己的工作流，卡神的分享很棒，我们学习后也应该搭建一套属于自己的自动化系统去提效
如果要搭，那就不是普通人用的AI了。只是一个好用点的工具。
用 AI 补齐能力短板，用行动力把想法落地成 9000 star 的开源项目，这种学习能力和探索精神让人佩服
强烈推荐给大家北哥
什么开源项目有链接吗
和super-agent类似的思路吗
那还是差的有点远，人家是原子弹，我是二踢脚
回复 数字生命卡兹克：那和grok-bot的思路会不会很相似呢？卡神之前也测评过，有什么不同之处嘛～
super-agent指的是deepseek吗?
回复 小强 QYX：可以看看我公众号的文章，刚发了这个工具
回复 小强 QYX：这篇文章的第一句话不就有这个单词吗
回复 xyz：人的memory还不如agent，看到后面前面就忘了😭
再声称自己不专业就不礼貌了两三年前或许可以这么说，现在卡神毫无疑问是ai应用专业人士
codex怎么读微信群聊天记录？
每天自动化的把我的微信聊天记录直接解密导出就可以读了。。。。
回复 数字生命卡兹克：这个有点厉害啊，那看来是离线解密？好东西分享分享
回复 数字生命卡兹克：求分享
回复 。：git上有skills ：wechat-chat-radar
回复 卓然666的灵感日记：谢谢
回复 数字生命卡兹克：咦这个好用啊，求带
回复 。：WORKBUDDY也可以我是用它，GPT套餐少，贵我就没用它，只要可以操作电脑的都是可以的。
介绍个黑产，咸鱼上有这个模拟的Api
回复 Stephen：鹅鹅鹅
到最后，人只知道做了什么，却不知道怎么做的了。自己是甲方还行，只要是正收益都能接受。如果自己是乙方，或者就是个打工的，很多时候会多做很多不必要的事，而且自己又解释不了。这时候甲方或者领导一问一麻爪。
是的，使用AI越多，AI的黑盒特性也就越来越明显
哇 真的非常有参考意义 请教: Codex怎么获取微信群消息
每天微信聊天记录自动导出，Codex自动分析
回复 数字生命卡兹克：这个怎么做，微信感觉好难突破
回复 李莉：蹲
回复 数字生命卡兹克：如何自动道出微信记录啊
回复 李莉：都有开源的，还真是信息差
回复 数字生命卡兹克：QQ的聊天内容获取比微信还难…………有方案能解决吗？
回复 爱冒险大王：盲猜，用gpt 6.1 terra的computer use弄个定时任务，直接操控电脑微信导出
回复 数字生命卡兹克：想听，细说，是用computer use吗？
回复 You、Andヾme：拿到微信存储的数据进行解密，computer use 可以辅助配合去把一些没拿全的多媒体文件补齐。我目前是这么做的。
有用到本地模型和云端模型的混合吗？有些敏感数据只想用本地模型
开发流程这块没有本地模型，目前全云端
可以本地部署一个Deepseek V4.1 FLASH 1017。敏感任务走本地就行。
回复 数字生命卡兹克：好的，多谢~toB的要考虑到本地和云端结合，请教下卡神有好的方案吗
回复 天涯有崖：本地这块我真不太了解，我只玩过个人向的RTX Spark，也才128G内存，ToB的我还真不太了解
回复 数字生命卡兹克：轻量服务器的维护和数据储存归档卡神是怎么弄得啊
作为一个平时要顾家带娃的普通用户，我已经用了快3个月的200刀的ChatGPT，在初期也是各种折腾，从第一个APP用心打磨，到后面各种idea如涌泉般的爆发，往往早上一个想法，下午到晚上就能开发完，巴不得一天干18个小时，但是渐渐的发现，精力的确跟不上了，其实，最可怕的还不是精力的问题，是发现一个月忙下来，看似很忙，真正有效的产出其实很有限，甚至有点空虚和无力感。于是，半个月前我把200刀换成了100刀，我不再为了消耗token而coding，我渐渐的只专注做一个我认为最重要的事情，我不再关注token百分比（原来还写了个额度管理程序，从Mac到iPhone到iWatch小组件），我惊讶的发现我的效率变得非常高，我给自己的定位就是，做一件事，做好一件事，并且做完后可以随时停下来。
我觉得我只是站在一个普通人的视角，我不希望我被一整套系统推动的让我无法停下来……游戏已经越来越没有时间玩了，收藏的剧也越来越多了。
同感，AI很容易让人沉浸在创世主的愉悦中，最后却发现很多就是自娱自乐
同感
是的，第一个月是很兴奋的
卡神出品并属精品，ai的灯塔来了
青天来了
卡神早，不对，卡神晚安！看了你宝贵的Agent部署规划，我觉得很棒，但是转念一想 做这些的价值是什么，是Agent体验尝试还是实打实解决问题，能有些价值方面的量化变化数据就很好啦
不是说了解决注意力问题么？人一天时间就这么多，全部自己做决定那Ai效率太低了。
终于有贴近普通人视角的agent内容。
其实注意力还是容易分散的，而且我更好奇的是卡神是怎么保持知道agents更新到什么程度了。因为其实会越来越不知道做的过程，只看到结果了（除非做的过程也只是重复劳动）
我只关注重点的里程碑，还有需要我做决策的东西，以及每一天都会给我输出一个Agent工作日报，我大概瞄两眼就都清楚了
回复 数字生命卡兹克：明白 感谢。其实我们会更关注自己要什么（目标不断上移）
老干妈事件出了后，AI、Agent替换人的这种已经开始影响到哪些可能连电脑都不用，更不知道AI的人了。作为AI从业者，你提到的“一个人通常只能同时跟进3到5个活跃的会话，在这种设计下，单任务的上限取决于模型能力，多任务的上限取决于人的注意力。”我也深表赞同，同时体会到模型的足够强大后给人的给各种驾驭工程的冲击。适应变化的人终归是少数。愿以后人和AI能有个和谐的平衡点。
有些想法是一样的，但是那句话太对了，现在ai使用者的瓶颈是人的注意力。我是一个一直只用Claudecode桌面版的人，受限于平台和钱财，一直没搞自己的工作台，想知道各位ai工作的工作台基于什么软件
我主要就是Claude Code和Codex，没有做自己的啊
博主是自己开发
回复 gh5cdf5cd44093：那就要费很多力气在非本职工作上
回复 数字生命卡兹克：我大概能理解你的结构，我只是不太爱用飞书这种作为交互的终端
回复 鲸落：飞书我也基本不用来交互，只是拿来推卡片让我能第一时间看到点信息的，主要我们公司都在飞书上协同，所以对我们比较友好
回复 数字生命卡兹克：那应该我可以做到很多类似的东西，非常感谢你的分享
回复 数字生命卡兹克：感觉机器人这步是不是也可以用qq机器人 我不怎么用飞书办公，qq机器人给我同步信息贴合我的场景
这个内容感觉是提炼了 deepseek 那个开源项目架构内容然后又输出成小白也能看得懂的自动化流程科普。
这下国内大伙儿的水平又往前迈了一步
不是，这个流程我两个月前就在搭了…
回复 数字生命卡兹克：这不就是实践+理论的最好写照嘛，作为 AI 爱好者，看到这篇内容太幸福了
太强了，卡神，之前收到你的领导skill启发，也搭了这么一个中台雏形，现在可以参考改进了。
有个问题请教，设定的工作规则和skill，但是模型老是不遵守，还是会经常出错，建了个复核skill做复核都没用，这个应该怎么解决？
用好一点的模型
回复 数字生命卡兹克：用好一点的模型
来的太及时了，周末在十分苦恼，因为注意力带宽有限。
因为agent的出现导致精力一直被主观分散，所以在考虑自己和AI的配合策略，这篇文章正是及时雨！
这些完整的逻辑是一步步迭代长出来的，无法拿来直接用，大家只需要在自己项目中有需求就去叠加落地就行了，混个思路
赞赞赞👍👍👍。个人飞书还好。请问公司的飞书权限，你是怎么分配呢？大家都可以自主做应用么？
当然可以，权限有顶层数据控制，其他还好
关键点是可控吗..
自动化+可控，可控和可追溯太重要了…
AI 技术开发上，卡神的确是非专业人士。但从 AI 应用和科普上来说，绝对专业无疑！
AI自动化本质就是把自己的工作当作开公司，Agent 就是员工。所以我当然就是领导啦。
我的工作的确不涉及很多要让agent自动跑的数据，但我依然让它们分管不同大类。这样方便沉淀和提炼经验。将来有些环节开发出自动化能力之后也能容易串起工作流。
龟儿子把群机器人踢出去这个事，你拉bot进群的时候得把那个只允许群主移出bot的勾带上。。。。。。。。。。
之前忘了，一直没注意
很赞！请问整套的Agent编排是用DIFY做的吗？
没啥编排，纯粹的规则唤起，这年头，模型的智力已经不需要做所谓的编排了。
喂给我的main agent学习了，现在我最大的痛点就是每天系统巡检报错和改错需要批的奏折太多，根本批不过来
AI届活菩萨，先打卡收藏点赞，另外想问问，搞这套东西，硬件方面有什么要求吗？9600X+850主板 5060显卡，硬盘只有1T 能不能上这套啊？
没有任何要求，我就是两台普通的MacMini，我还有台5080的主机，但是功耗太大，以至于在自动化上过于吃亏。。。
卡神，你们的知识库是通过什么方式输入给ai的
飞书
回复 数字生命卡兹克：你是用codex的cli么？
领导只喜欢做选择题，不喜欢做填空题
好东西,但AI自动化的时候总是问你要各种这那的权限导致任务卡住,不审批根本推进不下去,该如何处理呢
直接默认完全权限，从来不需要审批
自动化启动agent，是会每次默认开启新会话，还是搜索历史会话继续啊？感觉一个会有上下文重新注入的token问题，一个会有上下文长度的问题
默认新会话，用规则和流程专属skill解决上下文问题，能保证Token最优
回复 数字生命卡兹克：规则和流程skill有推荐么
卡神，CI平台用的啥，jenkins，还是其他开源，还是自己用cc撸的。
自己撸的
怎么读取的微信群呀，用企微会话存档么？
我盲猜的哈，因为微信本身不支持自动化定时导出，所以应该是用了gpt 6.1 terra的computer use，弄个定时任务，每天定时去导出加密版的聊天记录到电脑上，然后用GitHub上开源的WeChat聊天记录解密工具去解密
逆向解密微信聊天记录，博主在留言中回复过了
@元宝 用费曼学习法 1.先说文章结论 2.文章相应论点核心内容(前有序号） 3.文章总结 4.启示及未来行动指南 5.奥卡姆剃刀总结
用费曼学习法拆一下这篇文章：
1、文章结论：把人从Agent执行链里抽出来，只保留”批奏折”式的决策，才是真正的Agent自动化。
2、核心论点：
一、人的注意力是系统瓶颈，多任务上限取决于人而非模型。
二、用事件驱动替代聊天驱动，信号触发Agent自行工作。
三、自建自动化中台统一接收事件、去重、派发、回收。
四、按模型特长分工调度，性价比为先。
五、CI中台接管审查到上线全流程，质量反而更高。
六、飞书卡片做”票拟+批红”，只把关键决策推给人。
3、文章总结：作者用一年时间搭了一套”事件触发—中台调度—Agent执行—CI上线—人批奏折”的闭环，把自己从重复劳动里解放出来。
4、启示与行动指南：先盘点你每天被哪些重复事务占用注意力，挑一件用事件触发+自动执行+人工把关的最小闭环跑起来，再逐步扩展。
5、奥卡姆剃刀版：让Agent自己干活，人只做拍板。
展开
@元宝这属于loop engineering还是graph engineering？
更接近 event-driven 的 graph engineering。核心是那个中台做事件路由，把不同来源的信号分派给不同 Agent 节点，再收敛到飞书这一个出口，本质是张有向的处理网络。当然里面也嵌了很多 loop（定时轮询、CI 的五步流水线），但主骨架是 graph 而不是单纯的循环。
同样可能都是vibe一时兴起，有的人越做越好变成了更强的自己，有的人却除了贡献账单和咒骂ai，在我看来很大的区别就是那种对未知事物的好奇和拿下结果后对知识的吸纳和总结，卡神一直都是一个用好奇在驱动，然后从结果不听反哺自己的人，所以，活该你成功，哈哈哈👍👍👍
谢谢卡神，之前发过的一个关于公司服务器共用 skill 的可以分享一下进一步吗？
就是我们的公司中台，可以看最后关联的改造公司那一篇
这东西的效率真的会更高吗？
当然
Agent 对效率的提高取决于原来的工作量的。如果原来的工作量无需自动化，自己都能及时跟进完成，那么加入 Agent 提效肯定是有限的，因为大部分 Agent 的设计最后还是要人工复核的。但如果原来的工作量已经比较大，而且重复的工作很多，设计一些走个自动化的流程，肯定是有明显的效率提升的。
卡神，最近拜读您的佳作，就像一盏灯塔!我是毫无代码基础的小白，但是agent的发展激发了我的创造欲，太棒了!
谢谢你！有用就好！
注意力确实是稀缺的，从互联网诞生这个问题越来越突出。
老哥 我想听你分享Claude不封号的经验不知道有没有
请教下，中台（不是CI中台）用的是什么模型？
中台是纯规则，没有任何模型
回复 数字生命卡兹克：所以是用codex写了个中台规则？做成一个脚本？
dsh这套东西不好说，优点有（任务上下文不会互相污染），但缺点也多（记忆问题，费token问题，速度问题），这套结构之前市面也有很多相同结构的方案，dsh做的更细了，有用，但是限定场景（有上下文持续价值，需隔离）。这次的价值在于deepseek把这套架构在更大的聚光灯下讨论了，是个好事。
router应该就是很薄的一层， 像jev一样，做决策派发作用。能真正自动化工作流。
卡神你是几点睡的，我们有时差吗？每天那么早发文章
我还没睡。。。
回复 数字生命卡兹克：卡神关注一下大睡理论，保护好自己的睡眠
有了它，卡佬已经突破每日24小时限制了
我目前的经验是，幻觉太严重。
写程序做项目必须是我自己拆分需求确定逻辑后，AI 执行，并且实时跟进。不然幻觉太严重。
不知道有没有实际跑过这个系统的没有？
我觉得这大概率还是模型的问题，Claude和GPT能大幅提升体验
老师可以试试clip2md插件，电脑和移动端都可以用，支持的链接比官方插件多。能把文章视频链接和pdf等文件一键转成md，并自动同步飞书
正在为这个精力不足而发愁呢，卡神就把枕头送来了
上限是人的注意力，我倒觉得是token自由，如果ai换不来钱，不敢开太多坑
卡神那么高强度使用ai
魔法肯定很稳吧 是自己搭建的还是用的哪个？ 可以分享吗谢谢啦
本地Mac上的Agent是如何与飞书中的AI助理打通的？是通过Lark CLI么？
是的
有了AI之后，我一直在追逐效率，追逐产出，追求让AI不间断的工作，追求让它产生更大的价值，根本无法停下来
学习了
哈哈哈 批奏折给我逗笑了 有创意不过这不就是loop engineer吗？
其实是的，只不过我把全链路都写出来了
我们一个真的靠写代码谋生的公司都还没这个意识卡总都已经在用了
AI时代真的是一条新的起跑线了
普通人根本扛不住这个token消耗
要想想怎么能使用token创作出能变现的内容或产品就能扛住了
回复 Erick_：是，但是没那么好找到没那个商业思维，也总在担心很多事，商业化还要考虑安全性，合法性
感谢分享！卡兹克的这个分享，对我最重要的是内容底层的这个pattern，我拿去让我的codex学习，然后开始捞出我的每日重复的工作流里值得替代的部分，然后用一个已经发生并闭环的case做复现和替代……
我一直想看你的这方面分享，今天终于看到了，大赞！
求问渲染视频中的音乐是怎么生成的，这个品质已经到了相当高的程度
我自己用suno跑的
回复 数字生命卡兹克：感谢卡神的回复！能请教下提示词或者出一期最新的suno教程什么的嘛，应该会对很多创作者有帮助
回复 約束の地：这个可能不太会写了，AI音乐关注的人太少了之前写过几次，数据太差…
我去，卡神这篇要做的东西居然和我一个业余的搞了几个月还出不来的东西神似……这下学下来我感觉过几天能搞定了那我再问深一层：落地的时候要怎么做？写成skill？
想请教一下卡神，没有飞书也可以搭建这个系统吗
可以，就是个消息通道而已
这应该是智能时代落地应用划时代的一篇文章卡神太牛了
第三个去重其实专业的叫法叫幂等哦
我用的zcode现在群聊机器人通道有点不稳定，卡神有好的推荐吗，国内agent+飞书群聊 主要就是办公场景
大家的方向都有点相似，解决智能体＂主观能动性＂的问题
先收藏 本周研究
很受启发，目前我也在做类似的探索，石化行业，希望做整个企业经营模型，衔接主要是做中短期经营决策支持和复盘，取了一部分标准化的供应链和生产信息做了个数据库，用codex和workbuddy联合搓了个知识底座（没办法，生产环境不能用国外产品），目前预测部分在震荡期准确率还是突破不了65%，复盘结果还不错；预计应该是整个架构还是有问题，在折腾的时候没经验总是打补丁
认真读完了 想着待会也是拉下来试试 刷到最后才发现还没开源
这个东西开不开源已经没什么意义了，代码极其简单，思路最重要，你完全可以根据这套东西来去魔改和复刻。
之前也跟朋友一起做了一个orchestrator agent，但是claude跟codex似乎都判定为蒸馏，并行太多进程，都封号了
这么大的数据量，用的时候会不会缺失、不准的情况？
不会，都是流程化的
回复 数字生命卡兹克：
这才是普通人应该看的内容。不过好像能把这一套做起来的也不是普通人了
哈哈哈哈哈哈卡神做公司和做agent都是认真的，有这样前沿的领导在也是一种幸福
能用claude了？求途径
我就喜欢看大佬装逼
反正我不懂，今天就把这篇文章扔给 Deepseek 了。DSH 直接把这个给我干进去，一天的进度抵我好几天的活。非常强大，这个文章。
请教一下，如何测试自己搭建的智能体的能力、稳定性、执行任务偏差、主观性，这跟使用的大模型、系统提示词哪个影响度高？
一定要少用claude -p，感觉是anthropic封号的主要原因，虽然他们自己不肯承认…
好的需求与问题本身也同样重要, 所以您是怎么避免这种现象：真正想解决的是 X，却先假设了方案 Y，只问“怎么实现 Y”，导致 AI 围绕 Y 努力、绕一大圈才发现 Y 并非解决 X 的好办法。
现在AI的执行力确实很强，但是如果问题描述的是很表象的话，很容易变成屎上雕花了。
想问卡神，对微信和小红书一类的信息提取用的什么工具，我对自己微信的风控要求特别高，不想威胁到账号
大家早上好
看到卡神需要频繁的让 AI 操作浏览器，我发现了一个非常好用的开源的浏览器。BrowerOS neo ，专门为 AI 操作浏览器优化并封装很多好用的工具。