从OpenClaw，怎么走到了Super Agent？
一种方式是分享经验，让别人也学会搭。另一种方式是把已经建设好的能力交出去，让别人先用起来。不是每个人都要先变成Agent建设专家，才能获得帮助。
Bot或者群聊入口，就很适合承担其中的联系和交流。但背后仍然需要有人维护专业能力，也需要实际能执行的环境。群里多了一个頭像，并不会自动解决这些难题。
我们内部做的HTalk，也有不少需求来自这里：尽量保留大家已经用顺的工具，把人、Agent和工作的背景接起来。具体用哪个产品不是前提，我更关心的是，能力能不能被找到、被使用，出了问题能不能继续找到人，新的反馈能不能回到维护者。
到了这一步，最开始“给我一个方便的聊天入口”，已经逐渐变成了“让我积累的能力，能够参与更多地方的工作”。
工作环境本身，也可以让Agent参与一起建设
不过，前面说的这些能力，总得有人建设。
资料怎么整理，工具怎么接，常做的事情怎么记住，哪里需要确认，什么结果算做好。过去这些事情经常要自己配置、查文档，或者等产品提供一个功能。
最近我更关注的变化是，Agent正在参与这一部分工作。
这里会用到两个大家非常熟悉的词。Context，是它做事时能够取得的背景；Harness，可以理解成让模型实际工作的那套安排，包括工具、记忆怎么用，任务怎么执行，遇到状况怎么处理。
如果一个Agent总做不好，缘由不一定是Prompt没写清楚。可能是读不到资料，拿了旧版本，也可能是工具没有接好。只加一句“你要认真一点”，通常解决不了这些状况。
我以前也经常在不满意以后加规则。后来更愿意让它先看实际过程：刚才用了哪些材料，哪一步出了问题，我们对“做好”的理解差在哪里。找到了，再决定是补背景、改說明，还是调整工具。
某海外 Agent 商品的 Mods 机制，让用户可以修改部分提示、工具行为和界面，也可以让 Agent 自己编写 Mod。DeepSeek Harness 的 Creator mode 则兼容通过对话创建插件，扩展工具、Skill 和界面。DeepSeek Harness官方介绍
这两类能力让我觉得，用户有机会不只是使用一个特定限制好的工作环境，还可以和Agent一起把它改得更适合自己。
比如一类任务反复要搬材料，可以试着把资料來源接起来；结果不方便看，可以调整呈现方式；某个做法已经反复用顺，就把它整理成后面能继续使用的能力。
最近看社区大家用DeepSeek Harness的养鱼文章，也有类似的感受。它展示的不只是给一个角色设定性格，还包括让Agent帮忙安装、配置、调试，把不同的能力和入口接起来。
建设用的Agent，和最后提供聊天或服务的机器人，不一定是同一个。但用户可以用自然語言表达想做什么，让一个有执行能力的Agent参与把它搭出来。
这也是我觉得“养”开始有点不同的地方。
能调整的不只是它说话的方式，还包括它取得什么背景、调动哪些工具、在哪个环境里做事。
这些能力并不是到“养鱼”才第一次出现，之前的OpenClaw也不是只有Prompt。只是现在，从表达一个想法，到实际修改环境，中间更多工作有机会交给Agent来完成，因为大家都已经在环境中通过Context积累跟使用过程的Coach，Agent已经不是当初的白板Agent。
当然，插件和程序依然是要在机器上执行的东西。來源、權限、可恢复的版本都要看，涉及账号、外发或付费不能因为“AI帮我装的”就省掉确认。改完以后，还得用实际任务看看有没有变好。
所以，年初大家主要在“养虾”，最近又开始“养鱼（DSH）”，大家也可以接着思考，有哪些区别？
用顺的Agent 还可以帮忙带一个新的
从这个角度再往前走，就到了我最近比较常用的一个办法。
自己的主Agent已经比较了解我，也和我一起做过不少事情。现在想分出一部分能力，交给一个新的Agent独立处理，能不能先让它帮忙带？
比如，我想让一个专门的云端Agent助手跟進日常事项，发现值得关注的变化。
我没有一上来就让它接管。而是先跟我已经用顺的Agent做几个例子，确认什么应该记、什么不能混在一起，再让新的Agent去做，回来一起检查。
过程中发现的难题都很具体。
它会把“已经记下来了”，理解成相关的人已经接手；也会没有注意到后面取消了安排，继续拿旧信息提醒我。纠正以后，又可能变得太谨慎，只敢列事实，把判断全交回来。
但我希望它补上的，恰恰是有依据的判断，不是再给我一张需要自己处理的清单。
这些时候，已经比较了解我的Agent可以去看方向Agent的会话，回到來源核对，再帮它调整、继续试。我主要看那些真正有分歧的地方：这个判断是不是我想要的，哪里还理解错了。
让成熟Agent帮我Coach新Agent
然后这个过程就自动起来了。
成熟Agent Coach 新Agent case
后面一轮演练，它把一场分享的正式日期信息，和准备工作的节奏联系起来，发现两边可能没有对齐。它没有直接说“已经误期”，而是意见先核实日期。
成熟Agent Coach 新Agent case
这就比只会照着狀態提醒，更接近我想要的了。当然，演练里能做出来，还需要在后续实际工作里继续看。
我说的Coach，大概就是这个意思。不一定要再搭一个很复杂的系统，可以先让已经用顺的Agent承担这个角色：帮忙准备、测试、查难题、修改，再把需要我判断的地方拿回来。
而且，带它的Agent也会判断错。我之前让Agent自动在我的环境里帮我做Jev对IM資訊分流实验，就纠正过它的测评标准：有人已经找了对应的負责人，不一定需要我再介入。它以为“更主动”就是更好，但那不是我的意思。
所以，这里面人并没有消失，只是不用亲自完成那么多配置、检查和反复操作。
还有一个要分清楚的地方：不能最后都是老Agent替新Agent完成工作，然后宣布“教会了”。还是要让新的Agent自己做，换个例子、换个会话再看。
如果准备给别人使用，也要把必要的专业能力和私人资料分开。不能为了让它像自己，就复制整份私人记忆；更不能默认自己的偏好，也适合所有使用者。
想做一个新助手的时候，现在我经常会先找那个已经用顺的Agent说：这部分事情，我想交给另一个Agent来做，你帮我一起把它带到能接手。
至少，不用每一次都从我自己打开配置页面开始了。
不同的商品 正在接近同一个议题
再回头看Bot、Working Agent，我觉得它们的关系相对就比较清楚了。
从Bot开始，深入以后，需要补工作环境和执行能力。从IDE、App等Working Agent开始，用顺以后，需要向外延伸，让人随时找到，也能和别人一起工作。
两條路并不一定会收敛到同一个界面，但需要解决的问题越来越接近。
比如Dots把自己的云端电脑、可连接的应用，与ChatGPT、Slack、Teams等联系入口放在一起。Grok Bot则把持续工作的云端环境、文件和记忆，与資訊、群聊和Bot之间的协作结合起来。具体權限和用法各有不同，但我理解，它们都在回应前面这些需求。Dots官方介绍、Grok Bot官方說明
还有一條路，是直接从个人生活出发。比如Muse介绍的邮件、出行和长期个人方向，不是先让使用者進入一个代码仓库，而是从日常事情开始。Muse官方介绍
背景的來源不一样，状况却有相似的地方：它需要知道我在意什么，手上有什么事，之前为什么这么判断，现在又发生了什么变化，还要真的有能力执行。
本文由News整理發布，僅供參考。
