今年 2 月，我写过一篇工程文章 通过桌面录屏实现自动化 RPA 的最佳实践：用录屏捕获屏幕画面和鼠标键盘事件，让多模态大模型理解操作序列，再自动复现。为了验证可行性，我自己写了实现——光录制模块和关键帧提取就是几百行代码，文末我还特意提醒：这条路离可用产品有距离。
六个月后，8 月 11 日，SpaceXAI 把这个机制直接做成了正式产品 Grok Bot。每个 Bot 拥有一台独立的云端 Linux 虚拟机，学会一个流程不需要任何配置：你像平常一样操作一遍，Bot 在旁边看着、记下来，下次它自己干。想用，先买 $200/月的 SuperGrok Heavy 订阅，或者 $120/人/月的团队版。
媒体标题都在喊「马斯克终极大招」「数字同事上岗」「硅谷炸锅」。但我想聊一个被忽略的部分：Grok Bot 最狠的不是「能干活」——能干活这件事，Claude Cowork 能做，OpenAI 也能做。真正狠的是 跟班学习 这四个字。它第一个会干掉的市场，不是聊天框，不是 Office，而是 RPA 行业。
上周发完 一切皆插件：DeepSeek Harness 的野心与收敛鸿沟，一位带研发团队的读者给我发消息：「十次修改能不能收敛，你说取决于 eval。那我们让团队多写点测试用例，是不是就能收敛了？」
「多写点测试」是标准答案，也是错误答案。
它错在把 eval 当成一个纯的工程问题——好像数量上去了，收敛自然就来。但真正决定收敛的，不是 eval 有多少，而是 eval 集长什么样。而 eval 集长什么样，取决于一个更不好量化的东西。
品位。
前天写 一切皆插件：DeepSeek Harness 的野心与收敛鸿沟 时，我说 DeepSeek 开源的不是工具，是运行时。当时主要看的是官方页面和仓库门面。这两天陆续有人把整个仓库拉下来逐包分析，翻出来的东西比我想的更硬。
其中有一份源码深扒（作者 @Ai 学习的老章，文末有出处）把 200 多个包从启动配置翻到 Agent Loop、事件管线、上下文压缩，再加上我自己读了一遍官方架构文档，发现「一切皆插件」这句话真正站得住，靠的不是插件数量，而是三个很容易被忽略的细节。
这三个细节，恰好是「运行时」和「工具」的分界线。
前两天，一个问题把我问住了。
有人问我：DeepSeek 说「一切皆插件」，一切核心都可以替换——模型可换、循环可换、连会话日志都是插件。那么，什么东西是不可替换的？ 是不是只有人和人的协作？再往深一层，是不是「信任」不可替换？
我盯着这个问题想了很久，因为它恰好戳中了我这两天写 一切皆插件：DeepSeek Harness 真正硬核的是三个细节 时一直绕不开的东西。
一切皆插件——注册即副作用，卸载即回滚。整个系统的设计哲学只有一句话：没有什么是不能拿掉的。
但真的什么都可以拿掉吗？
答案是否定的。有一样东西，不管架构怎么解耦、日志怎么追加、插件怎么热插拔，它既不能被替换，也不能被快速恢复。
那就是信任。
上周有两个消息放在一起看，特别有意思。
一条是：AI 客服已经能独立处理大部分标准咨询，有的团队把人工坐席砍了一半以上。另一条是：AI 医生还在辅助写病历的阶段，离独立诊断隔着十万八千里。
同一种技术，同一个十年，为什么差出这么多？很多人的答案是「医疗数据难搞」「监管严」——都对，但都只是现象。现象背后有一个可以算的东西： AI 重构一个行业的速度，是有公式的。 这个公式不仅能解释客服和医疗的差距，还能告诉你自己的行业排在队里的第几个。
昨晚刷到一篇实测文，作者用 DeepSeek Harness 做了一个叫 MacDynamicIsland 的原生 macOS 应用——刘海、菜单栏、悬浮胶囊三个入口，快捷笔记、剪贴板、截图置顶全都有。时间线是这样的：
作者很克制，特意声明这不是一次公平对比——Codex 接手时已经有了完整的项目基础，问题边界也被前面的试错磨清楚了。我认同这个声明。但这条时间线里藏着一个比「谁更强」重要得多的信号：从 0 到 1 只花了 2 小时，从 1 到 1.1 却花了 1 小时还没做完。
而 DeepSeek 对这件事的态度，就写在它刚开源的 Harness 里。
这周二，我开了一场 AI 钉钉的战略沟通会。
会开完了，按惯例，事情应该到此为止——大家听完、散场、各自回去干活。但这一次我盯着会后那张评估问卷的回收数据，突然意识到一件事：这场会从头到尾，没有一个环节是「用完就扔」的。
HR 在会前一周就用 AI 表格收集了同学们的问题，其中大家最关心的是千问办公和钉钉的关系；我基于这些真实问题，用千问办公读我的个人 wiki，生成了一份沟通会叙述稿，自己调整之后做成 PPT；会后，HR 又用千问办公加 AI 表格技能，基于沟通内容生成了一张调研问卷，回收数据，再用千问办公对整场会的效果做了评估。
一场内部沟通会的完整生命周期——从「同学们关心什么」到「这场会到底有没有效」——全部跑在 AI 工具上，而且每一环的输出都是下一环的输入。
我觉得这很 AI native。但真正让我停下来想的，不是用了多少工具，而是另一个问题： 一场会开完，它留下的东西，到底是资产还是损耗？
上周的战略会上，有人问了我一个问题：如果 Agent 真的能替人完成工作，那工作软件公司以后卖什么？
这个问题听着抽象，我换个问法：货架电商时代，平台卖的是货架和流量——商家买排名，用户搜索、比价、下单。那当 Agent 替人买东西的时候，平台卖什么？
电商其实已经在回答这个问题了，因为它正在路上。而我把电商这二十年的演进，和工作软件的演进摆在一起看，发现它们在走同一条曲线。
先说结论： 过去平台争夺的是「人」；AI 时代平台争夺的是「人的意图」和「Agent 的行动」。
最近有人问我一个问题：我们的数字员工有形象、有声音、有名字，为什么用起来还是像客服？
这个困惑我见过很多次。团队花几个月做数字人形象、克隆音色、写人设 prompt，发布 demo 惊艳全场——结果一周后，员工们还是回去找真人办事，理由出奇一致：感觉在跟客服说话。
这让我想起去年银行业的一份白皮书——工商银行金融科技研究院联合华为、北京金融科技产业联盟发布的《大模型驱动的数字员工 3.0 建设应用》。它用三个要素定义数字员工： 拟人化、自主化、共享化，甚至给出了拟人化的设计规范——姓名、人格特征、语言风格、人物形象，一条一条都写清楚了。但白皮书没有回答一个更棘手的问题：这些设计做完，活人感到底从哪来？
我的答案可能有点反直觉： 活人感不是设计出来的，是长出来的。 拟人化给的是皮肤，而让一个同事显得「活」的，从来不是皮肤。
上周一个做 Agent 集成的工程师来问我：「我的 Agent 前十步表现很好——读文档、列计划、写代码，都很干净。但到第 30 步左右就开始胡来：调错 API，覆盖自己刚改过的文件，甚至重复执行已经做完的操作。我是不是该换个更强的模型？」
我问他：每次都栽在同一个地方吗？他想了想说，不是，但跑得越远越不稳。
我说，那多半不是模型的问题。 它是走出了灯光照亮的地方。
无独有偶，今年 YC Startup School 上，主持人 Diana Hu 向 Jeff Dean 提了几乎一模一样的问题：「Agent 在前 10 步都很棒，到第 50 步就开始晃了。你觉得今天的瓶颈是什么？」Dean 的回答，是我见过对这个现象最准确的解释。
