Personal-agent智能感的关键:定时任务与一位教练
personal-agent开发可能需要在意的两点
前情提要
最近在跟风开发personal-agent:Rally
大概长这样

可以部署云端,然后在windows或者Android客户端里对话,24/7运行,也能windows纯本地。它已经很成熟了,但我积攒了很多todo项,如果你有兴趣部署使用,可以再等几个版本。
Rally 基于Pi二开,架构是dsh的superagent,就是router、worker那个。
同类型项目调研是必须的,开源的体验了不少,dsbot最惊艳。
闭源的,dots、grok bot、muse,最喜欢muse,真的很厉害。 在一番询问(拷打)下,终于领会到其智能感的关键。
正文开始~
system prompt和工具的丰富度很重要,不过这不是本文重点。
主 agent 的注意力是满的 —— 关于长期记忆的维护
一个 agent 干活的时候,注意力全在当前任务上。指望它边干活边“自觉”记记忆、主动想点子,就像指望一个人边开车边写日记,不现实。
记忆这件事,靠自觉是靠不住的。靠的是一套流程:有人在你不注意的时候,把今天发生的事归纳、去重、归档,写进一个主 agent 随手能读到的地方。
所以问题不是“怎么让主 agent 更自觉”,而是“谁来替它反思”。
定时任务是骨架,教练是眼睛
我现在的答案是两样东西的组合:定时任务,和一位教练。
定时任务是骨架。没有定时任务,agent 只在你说话时存在,那就是个问答机器。有了定时任务,它才有了“不在场的时间”:夜里可以跑批处理,白天可以在随机的时间冒出来。时间本身就是结构。
教练是眼睛。它是一个上帝视角的模型,站在所有对话和任务之外,看你一整天在干什么。但有一个硬约束:它不能是 agent,只能是纯文字输出。不调工具,不产生副作用。便宜、可预测、零风险。文字进来,文字出去,只有主 agent 能拍板。
顺带一提,这也是我不喜欢 multi-agent 群聊的原因:每个人说的话都变成所有人的上下文,token 平方级涨,还没人能拍板。教练之所以是教练而不是另一个 agent,就是因为它不参与群聊,只写字。
教练就干两件事:
- 1夜里整理记忆。把最近 24 小时发生的事归纳、去重、归档。写进记忆库的时候要带结构:事实、推断、偏好分开,标上来源和时间,写之前先查重合并。不然记忆库越攒越脏。
- 1随机时间挖点子。点子必须从真实行为里长出来,不是凭空想的灵感。比如“用户两三天没上线了,要不要关掉那个定时任务?”“之前用户说要在维护某个项目,要不去看看他做得怎么样了,再给点建议?”有出处的点子才有分量,没出处的就是 AI 味的鸡汤。
对了,如果有初学者不太懂长期记忆的结构设计,给你一份极简但高效的记忆结构,用Json结构化存储即可:
## 用户画像
用户是谁、用户在哪...生俱来与长期不变的东西
## 偏好
用户喜欢xx、用户在xx上学、用户有xx...没错就是偏好,LLM真的懂什么是偏好的
## 波动
昨天用户说要关注WEP-56的博客- 确认用户关注了删
用户最近在看一个游戏的发布日期 - 游戏发布再删
...没错,波动的地方需要设置删除条件哦。以及注意波动区域的token成本点子怎么到你手里
教练挖出来的东西不直接发给你。它先推给主 agent,由主 agent 决定发不发、什么时候发、怎么说。主 agent 有当下的上下文,能添油加醋。教练只负责“注意到”。
这里有三条规矩。
一是上限和静默。每天最多一两次,睡觉时间不打扰。偶尔冒出来一下是惊喜,一直来就招人烦。
二是疑问句,不是命令式。教练的判断本来就是不确定的,它不知道你是不是真忘了那个项目、那个定时任务还要不要,问句就是在说“我不确定,你定”。命令式等于假装自己很确定,错了就很尬。问句也把决定权留给了主 agent 和你。
三是每天第一次打开时,主 agent 手里至少有一条候选。做法是记下你的打开时间,夜里教练跑完,主 agent 攥着一条等你上线。安静的日子实在没挖到好点子,兜底是一句昨日回顾,总比硬凑一条尬的强。
还有个联动:这位教练还是自我管理的眼睛。它能发现“你三次让普通 worker 干前端活了,要不要配个前端 role”,或者“这个 MCP 最近总失败”,反过来推配置。这么一来,它就不只是个记忆整理工,而是整个 agent 的复盘教练。
为什么这是关键
模型和工具决定了 agent 能干多少活,而智能感还来自另外一件事:它好像一直在看着、想着。
一个只在被叫到时才出现的 agent 是工具。一个会在你没说话时想起你、问你一句的 agent,才像伙伴。定时任务给了它“不在场的时间”,教练给了它“在想什么”。两样加起来,agent 才第一次有了“活着”的感觉。
WEP