机械操作耗尽精力？dothething：一款全自主本地 AI 代理，替你接管系统控制与网络任务

人跟机器打交道，最熬人的往往不是那些需要灵感的创造，而是机械重复的繁琐切换。你大概也经历过这样的日常：为了整理一份报告，要在浏览器里开上十几个标签页，把检索到的信息提取下来，转身去终端里敲几行命令处理格式，最后再挨个保存进本地文件里。这两年市面上固然涌现出了一大批标榜“智能代理”的工具，但它们多半还是个需要人守在屏幕前随时投喂指令的对话框；一旦任务稍微跨越了单一环境的边界，那些原本信誓旦旦的代理便立刻乱了阵脚，只能老老实实地吐出一堆指导步骤，让你自己动手去跑。

这就叫人十分疲惫：我们本意是想雇个跑腿的，结果却招来一个光说不练的顾问。

dothething（简称 DTT）大概就是为了终结这种尴尬而生的。它是一款跑在本地终端里的全自主 AI 代理；按照它自己的口号，“你把事情描述清楚，它去把事情办妥”，也就成了。这并不是一句虚张声势的空话。与那些被束缚在沙盒里的网页端助手不同，DTT 直接接管了大量的底层工具链。当你用普通的自然语言交代完任务后，它会在后台自行规划步骤，动用本地的 SearXNG 实例去检索网络，调用伪装浏览器去爬取页面乃至默默绕过验证码，接着在你的系统里读写文件、运行 shell 命令，甚至通过自带的邮件模块去收发信息。

它不用你一步步盯着。像个老练的工程师一样，它自己制定计划、评估结果；如果中途卡壳了，要么换个工具继续试，要么明确告诉你究竟卡在了哪一个环节。

不过，这里头最棘手的问题其实在于大模型的上下文消耗。一个代理如果在复杂的系统环境中不断试错，不出几轮，积累的无用日志就会把模型的记忆撑爆，账单数字也会变得极其难看。

DTT 的处理机制倒是颇为务实：它在工具调用的反馈链路上加了一层过滤。比如，当你让它提取一大批文件信息时，它不会傻乎乎地把几十万字的原始输出直接塞给主控模型，而是先让相对廉价的模型做一次精准浓缩，再把提炼后的干货递回给负责决策的“大脑”。加上对提示词缓存的深度利用，这种设计硬生生把冗长任务的运行成本压了下来。它还内置了并发编排模式，能把一项大工作拆给十几个平行的子代理同时开工。

倘若你实在担心它跑脱缰了，大可设一条死线，比如“花到五美元就强行停下”；它便会乖乖地把当前状态存档，留着你下次随时唤醒接管。

我总怀疑，那些热衷于给大模型套上拟人化外壳的产品方向是有些偏航的。我们需要的，就是一个不知疲倦、能把手伸进各个系统接口里的自动化引擎，而不是一个成天问你“接下来该怎么办”的聊天伴侣。DTT 把调度、缓存、容错与命令行缝合在了一起；它允许你随时敲击键盘介入干预，也允许你干脆把窗口晾在一旁去做别的事。

把那些占据了人类大半天时间的脏活累活，利落地塞进后台，然后静静地交出一个结果，这才是真正管用的路数。

https://github.com/fluffypony/dothething