"专家"表示，未来几年每个人都会拥有个人AI助手。它将编写代码、帮助选择咖啡机、计算晚餐卡路里。听起来像是未来的事情...但它已经到来。只是我们没有注意到.
为什么助手还没有普及？
很长一段时间以来，我一直关注一个问题：人工智能公司打算如何说服普通人使用智能代理？设置、说明、自动化——所有这些都需要付出努力和参与。即使是我大多数的程序员朋友，在最好情况下也只是在使用聊天机器人。他们只是提问——然后得到回答。没有任何智能代理，也没有任何 Claude Code 或 Codex。而在日常生活中——人们甚至不会想到要使用人工智能。
总的来说：用谷歌、复制粘贴和一双巧手，就可以轻松解决所有问题。
其实开发者们早就找到了诀窍...
тихое внедрение
他们不强迫我们学习代理。他们只是慢慢地，一步一步地，将熟悉的聊天转变为特工— 并给我们时间适应。
如果你使用ChatGPT或Claude哪怕只是在浏览器中使用——你已经使用了个人代理。
可以反驳：“但我什么都没设置，没写指令，没按自己的需求自动化”。 正是如此运作的静默植入。代理自行获取关于你的信息。自行在内存中构建你的世界地图。耐心等待你连接下一个数据源。
最初——只是一个聊天。然后——是记忆。然后——是谷歌盘，以便将来阅读大型文档。然后——是GitHub，以便回复你的仓库。而随着时间的推移——突然提议直接在聊天中创建拉取请求，或者根据讨论结果生成一篇论文并提议保存到云端。
每一步——都很小，几乎难以察觉。但最终你会发现，你已经拥有了一个个人助手。 了解你的项目，记住你的上下文，并且能够采取行动.
它是如何从内部运作的.
建立了一个令人惊讶的层次分明的系统.
在整个平台的层面上负责个性化和用户指南。你只需一次性解释清楚如何与你沟通，什么对你重要，你的知识背景、工作风格、限制和偏好。之后系统会逐渐在每次新对话中考虑这些信息。
在项目层面会接入知识源和额外说明。
尤其需要注意的是： 文档不只是像大块文本那样插入到上下文中。它们被索引到向量数据库中，并成为助手搜索记忆的一部分。
实际上，这已经是你对话（web-UI中的项目）中的完整RAG。也就是说，系统不会同时将所有文档保存在内存中，不断出错并陷入不理解的状态，而是能够在真正需要时找到所需的片段。
实际上，在chatGPT或Claude中的对话和项目正在逐渐转变为第二个工作台, 没有它你们已经不想工作了.
文件库做类似的事情已经在所有对话层面上 随着时间推移，助手不再仅仅是回答生成器。它开始构建你的世界地图：项目、沟通风格、常规任务、工作流程、偏好、决策历史、过往讨论的背景。 正是这些逐渐将其转变为个人代理。
在具体对话层面 开始使用专门的 workflow 和行为场景，这些可以由自己配置，也可以在交流过程中“历史地”形成。
例如：
“如果我发送人的照片——进行工作室处理；如果照片没有人的话——创建商品卡片并保存到 Google Drive”。
或者：
«如果我在这个聊天中提问——不要直接回答，而是基于上下文形成一封信并交给领导».
而且最重要的是这里，甚至不是具体的场景。而是与计算机的交互模型本身正在逐渐变化。
以前人需要学习程序的界面： 按钮、菜单、命令、设置、流程、集成器。
现在程序逐步将用户学习为接口，或无明确描述的API：他的习惯、上下文、工作风格、意图和重复行为。对话逐渐不再仅仅是与AI交流的方式，而成为数字服务之上的操作环境：这在实践中有什么好处
工作流程（workflow）可以做得相当复杂：包含提示链、条件分支、调用连接的插件、处理文件、邮件、表格和仓库。所有这些都可以通过直观描述多阶段指令，并链接到文件库中的脚本实现。
而且其中许多功能已经在熟悉的ChatGPT或Claude内部直接运行——无需搭建单独的代理基础设施.
以下是一些目前已能实现的功能示例:
你输入:『分析这个任务』，系统已经了解你的项目、技术栈、代码风格和之前的讨论——因此给出的是具体而非抽象的回应.
你描述会议内容，助手会根据讨论结果起草邮件并准备发送。
你上传报告，系统会自动将其与之前的版本进行比较并高亮显示差异。
你问：“今晚吃什么？”，助手会考虑你的日常饮食、限制和卡路里目标。
有趣的是，大多数人进入这个代理模型不是通过学习复杂的框架和自动化，而是通过习惯。通过普通的对话。
如何开始？
将AI整合到您生活中的主要原则是评估它目前可以在哪里带来好处。从工作任务开始：编码、撰写文本、报告、给同事的邮件。不仅仅是聊天，而是作为一个具有复杂场景和聊天外行动的工作流程。
然后是更私人的事情：计划、健康、决策。
但重要的是要有界限：代理不应该替你做决定. 它是顾问——聪明、迅速、信息灵通。决定和责任仍然在你。
现在为代理设置个性化的人，一年后将以根本不同的方式工作，而那些至今仍认为这很复杂的人。差距将不在于知识——而在于他们能够解决的任务的速度、质量和数量。
如果主题对您来说有趣，我会在自己的Telegram上通过简短帖子、实验和实践案例继续探讨这类问题： “需要弄清楚 | 让LLM工作”。