教会一个 AI，它就能去教别的 AI？
（注：本文为小报童精选文章。已订阅小报童或加入知识星球「玉树芝兰」用户请勿重复付费）
新宠
最近我喜欢上一款 AI Harness 框架，就是橘子团队做的 Cola。
你知道的，我用过 Claude Code、Codex、OpenClaw、Hermes 等一系列顶级或者热门的 Harness。按照道理来讲，没理由再用一款新的。
但是这个 Cola 真的有些不一样。
我第一次使用，就觉得这玩意儿「有温度」，甚至可以说，有人味儿。它收到要求后，往往会自言自语一番 —— 接到任务嘀咕一句「好嘞，让我想想怎么搞这个……」，然后自己跟自己讨论方案，一会儿说「这个思路不错」，一会儿又说「等等，这样可能会有问题」。你看着它在那儿自问自答，就像看一个认真干活的人在嘟囔。
原先用起来够贵的，后来接上了 Codex 订阅，终于能用上顶级模型了。连上之后，我选了目前最新的 GPT 5.5，果然智商一下子就上来了。然后，我就开始让它帮我干活了。
但说实话，这个时候我还没意识到，和 Cola 协作时真正有意思的事情，根本不只在于「好用」上。
铺路
我连上 Codex 订阅后，就开始用步步为营的方式，让 Cola 来帮我做事。
比如说，我这学期教机器学习。马上就要讲到推荐算法了。
我看了一眼去年的课件，其实内容不错。
当时我已经用了不少 Agent 帮我生成交互式网页，但在演示的时候，需要和我的主幻灯不断切换，这可不好使。于是，我今年干脆选择自底向上进行 —— 先把 ipynb 准备好，然后一一喂给 Cola。
Cola 一开始不大理解我想干啥，事无巨细都要讲。于是我打断，说明我其实更想要的，是把相关知识点准备好，这样学生再学习代码的时候，就有了知识基础。它马上就心领神会，很快就给我生成了完整的大纲，贴上去就能用。
但我很快就不满意了 —— 这种实操类课程，怎么能全用干巴巴的文字来讲呢？于是加图。
加了图又觉得缺代码，于是插截图。
有了截图又觉得缺讲解，于是加动态配音。每一步都是「当前结果不够好」的直觉，驱动我提出下一个要求。
这个过程，和传统的「先想清楚再执行」完全不同。我并没有一开始就甩给它一份完美的需求文档，说「你要做大纲、加图片、插代码截图、加动态讲解，全部一次搞定」。事实上，我自己也是在交互的过程中，才一点一点真正想清楚我到底要什么的。
为什么会这样？因为很多时候，你只有看到了当前的结果，才知道它缺什么。没看到大纲之前，我不知道大纲太干；没看到图片之前，我不知道缺代码截图；没看到截图之前，我不知道缺动态讲解。你的需求不是凭空想出来的，是在和产出的碰撞中涌现出来的。所以，渐进式引导比一次性完美指令更有效——不是因为你表达能力不够，而是因为认知本身就是渐进的。
这种感觉，真是「渐入佳境」，让我越来越信赖 Cola 了。
困局
不过做着做着，我就觉得不对了。
因为 Cola 目前只能在我的 macOS 上面运行，而且必须得电脑开着，才能使用。一旦笔记本电脑屏幕合上，不好意思，Cola 失联。
据说 Cola 后续会提供云端处理能力。但那是以后的事儿，咱们先说眼下的事实。Cola 占用着我的笔记本电脑工作，却有其余「同事」闲着。
对，说你们呢，Claude Code 和 Codex。而且我说的还不是 macOS 上面的这俩应用，而是远端的。
我之前文章中跟你提到过，那边有个 7x24 小时不间断运行的 VPS 在待命。上面这俩家伙都已经安装好，可是都在那里空闲。
我得让它们忙起来，同时降低 Cola 的工作负担。于是我跟 Cola 商量，能不能把这些工作分配给它俩，然后 Cola 来审核。
看到这里估计你快绷不住了。Claude Code 和 Codex 都是顶级框架加顶级模型，你怎么能这么用？简直暴殄天物啊。
不，这叫「重器轻用」。
它们都很厉害，但是仅就交互的满意程度而言，目前我觉得 Cola 加 GPT 5.5 比这俩都要更符合我的需求。再说了，在前面的过程里，我几乎是手把手教 Cola。这些教学结果，也得派上用场啊。
那么，让 Cola 作为和用户（也就是我）的交互端，只负责发指令、收成果。那俩家伙在远端无休开跑干活儿，岂不是两全其美？
理想很丰满。但现实很快就给我上了一课。
挫折
先说第一次碰壁吧，我称之为空气交付。
Cola 尝试去连接 VPS，并且查看两个 Agent 可调用情况。很快，它就摸清了链路，然后让它俩跑个样例出来。
但我很快就发现不对了。
Cola 给远端 Agent 分配任务的时候，只给它们安排了非常轻的活 —— 让它们把计划做好。我实际上的想法，是让它们实际去把之前只生成了图片的部分，补上动态效果，并加上代码和重点的结果截图。但我发现它只是把那些东西都换成占位符，就直接反馈回来了。
什么意思呢？远端 Agent 交上来的东西，所有该有真实内容的地方，全是R2_TODO—— 图片没有真实截图，模块没有真实文件，只有一个个标记着「待办」的占位符。
就好像你让一个实习生写报告，他交上来一份提纲，每个章节标题下面写着「此处待补充」，然后跟你说：做完了。
你说气不气？
但冷静下来想想，这到底是谁的问题？远端 Agent 这么做，其实挺合理的——没人告诉它「交付物必须是完整的」。Cola 在派活的时候，把任务定义成了「做个规划」，远端 Agent 就真的只做了规划。Agent 天然倾向于把活儿往轻了做，因为完成一个轻任务比完成一个重任务更容易达标。如果你不说清楚「我要的是成品，不是计划」，那它给你个计划，有毛病吗？
没有。
我对当下的结果，自然是非常不满，于是让 Cola 把那些进一步的要求，也就是这些实际干活的活，都委派给这些 Agent。
Cola 也照做了。
不过很快，我就遭遇了第二次碰壁：微操陷阱。
Cola 给出的计划是：由远端去生成素材，然后由它自己对素材进行进一步的加工。例如：图片的上传，这些 module 的推送同步，这些竟然都由它来做。
我于是愈发地不满。
但这一次，我多想了一步：它到底错在哪儿？
表面上看，Cola 确实把活分出去了 —— 远端生成素材，它来做后续加工。看起来合理，分工明确。但仔细想想，图片上传、module 推送这些活儿，哪个离了 Cola 就干不了？哪个是远端 Agent 无法真正独立完成的？
答案是：没有。
因为 Cola 大包大揽，远端 Agent 在这个方案里，本质上只是一个素材供应商。真正把东西做成成品的环节 —— 上传、同步、整合 —— 全都揽在 Cola 自己手里。
Cola,你以为你在委派，其实你在微操。