花两千踩坑四大Personal Agent，我3个提示语把33%成功率救回来了

这篇文章应该是我今年最希望被打脸的。

两周前我把全部Personal Agent都试了，Google Muse、Grok Bot、OpenAI Dots、Manus Cue，一口气全冲了。

花了两周时间，测了12个我日常在用的自媒体平台，也做出了现阶段我认为最合理的Personal Agent使用组合。

先说结论。

如果是觉得Personal Agent有了一台云电脑，就可以完全不依赖本机、每天躺在手机上看AI干完所有事，大概率是会失望的。我就明说了，除非能做到把你所有服务的账号密码API全记住了，不然就会陷入一个不可能三角。

在我付了每月100刀的Muse、200刀的ChatGPT Pro、40刀的Manus、100刀的Grok之后，兜兜转转一圈，我成功委托出去的平台占比是，

33%。

非常可观的折腾对吧。。。

我是真的希望有人来打我的脸。告诉我是我用的方式不对，告诉我有更好的方案。

但就目前来说，33%，这就是我花了三百多刀和两周时间拿到的真实数据，我后面也会把提示语都放出来。

你拿着这套提示语，配一个云端Personal Agent加本机的Codex，能覆盖着12个平台的后台数据自动采集，每天一份结构化日报，邮件自动分拣加草稿回复，Computer Use+视频类视觉采集，全能跑。

OK，现在我从头捋这两周到底发生了什么。

从Personal Agent开始，大部分所谓的生活服务我们其实用不上的。我自己用得最多的最值得我每天花额度的需求可以被归成数据采集。一类是 API，不受我们随身电脑开不开机的影响。一类是Computer Use，agent操作软件操作浏览器完成一系列动作。

所以有一台云电脑的好处就是，我们可以把数据采集交给Personal Agent做，拿手机一看，一天的活就干完了。

听起来很好，我花2000那么爽快也是为了这。

但马上就会面临两个选择。要么用毕生记忆力把那些没有API的账号全登进云端，还要留意关掉一些安全设置，不然第二天就会因为location变化掉线。要么就像Dots和Grok Bot那样连接控制本地电脑，用Computer Use去获取信息。

先说四个选手谁能打。

Muse真的是第一个被淘汰的，莫名其妙就被封了，还有一个操作是用Gemini的Spark去开通 Muse，但后续用还是会卡。Google的东西真的不太适合用来采集国内平台的信息。

Grok Bot和Manus Cue都没有控制本地Computer Use的能力，这一点我尤其希望被打脸。Grok用的是命令行交互，Computer Use压根不生效。

所以我的答案目前是Dots。

但我真不是在夸Dots，Dots的问题太多了。

它有一个非常烂的机制。它不能像Grok Bot那样分多个agent，让不同任务交给不同agent，多个agent共享一个电脑。Dots 所有的对话都发生在一个对话框里。

起初我以为右侧那个最终活动面板会记录它每一次对话的执行结果。

实际上并不会。

点开后的情况更糟。左上角有个云端图标，大概率意味着这个对话只能在网页端的ChatGPT打开。也就是说，如果我要用Computer Use查看执行过程，甚至只能一个个点开，根本没有一个地方能看到所有任务的运行状况。

更离谱的是，Dots一次只能把一台云电脑和你的本机连起来。你哪怕有50台电脑，一个账号最多也只能绑定一台。切换功能倒是有，我有3台电脑都能加进去，但必须互相切换，没法同时连。

这就又又又涉及到一个我觉得Dots做得特失败的环节。

最理想的状态，一定是当它遇到账号没登录、获取不了信息的时候，能够直接复用我本机的所有登录状态。这样我什么都不用动，不用担心异地登录或者登录态失效，也不用记各种各样的登录信息。

但这完完全全行不通。

我让它自己总结一下为什么每次操作都不成功。

所以如果按照我们现在跟Claude Code，跟Codex对话养成的那种多任务习惯，放在Dots上面，它会被这些任务冲垮。

所以要把 Dots 做成一个能长期跑定时任务的 Personal Agent，第一步是让它每次回复都给我一个进度表。不然多个任务同时跑，完全不知道哪些干了哪些没干。

- 定时任务只在我授权后创建，创建后读回任务ID和下次运行时间。

有了这个之后，至少每次打开对话能一眼看到哪些任务在跑哪些卡住了。

好了，吐槽完了。

聊聊这两周我到底摸到了什么真正有用的东西。

要说云端Personal Agent带来的最大惊喜是，我双手双脚投邮件十票。

没错，就是邮件。

我真的建议大家，把自己用到的所有获取信息的服务，都给Gmail发一份。超级有用。

哪怕像Grok的定时任务发给Gmail并不是一份完整的报告，这都会让你立刻感觉到，平时有很多被忽略掉的没有养成习惯去看的细节。包括我自己之前其实不太会那么及时地读到Supabase的数据库警告，可能隔两三天才去检查一下。

之前的Gemini都不支持批量读批量回复邮件这样的操作。但邮件真的是所有Personal Agent都支持的功能，还能直接给我们带来完全不一样体验的。

我基本上已经完全不需要自己写邮件了。

因为agent读取相关邮件之后，会先生成草稿和对应链接，按照我的沟通习惯预估应该怎样回复。然后在本地的 Codex 里，我看日报看到随时可以下发一个回复指令，请求是排队完成的，完全不会耽误其他任务的执行。

第二个让我觉得真的很牛的发现，用飞书文档做中转。

既然Dots控制本地codex这条路搞不定，那我就让Dots每次做完日报存成飞书文档，这样它可以发我的邮箱通知，而且本机的Codex就能直接读取到一个每天都在更新的飞书文档，里面放点视频啊图片啊也能被读到。

我一开始还想了个很神的路径，让Dots去控制本地的Codex，Codex去读UU远程的CLI，再连接另外两台Mac mini获取信息。

左脚踩右脚直接上天。

完全行不通，完全的完，完全的全。

那本机用Codex跑Computer Use采集多平台数据这块，我花了很长时间调教出一套我叫「六道门」的验证逻辑。每次采集一个平台，必须过六关才算成功，不然就标记失败，下次重跑。

硬约束：只读，不点发布/删除/设置。 遇到二次验证或CAPTCHA，立即停该平台并标记BLOCKED。

这个提示语的好处是，你不需要手动检查Codex有没有真的跑成功。六道门每一关都会自动验证，在最后的日报里一目了然哪些成功了，哪些挂了，为什么挂了。

OK，聊聊这个日报最终长什么样。

做成报告形式，是因为多台机器是以定时任务完成Computer Use的，一定是个异步过程。我又不想每天手动把每台机器挨个点开。报告会开始就会告诉我今天出了什么问题。

因为这条链路已经很复杂了。每台机器上都得设定时任务，还接入了Computer Use。虽然两台Mac mini不太会被打断，但本机有一些任务还是会妨碍到流程。作为定时任务，它不能因为某些部分失败了整个报告就不出。所以我希望报告开头能准确告诉我今天哪个环节出了问题，让这个系统越做越好。

邮件之后紧接着就是所有电脑的自主操作数据。

用Computer Use有一个好处，有些平台登录去看自己后台的运营数据几乎没受什么限制，全部都可以拿到对应数据。我很在意的一个点是，电脑上有多个Agent，有我们自己记录的to-do，备忘录和定时任务，加上前一天agent 没完成的任务，这些问题多了之后其实就变成了一个无限优化问题。

所以我还让报告加了一步，全部告诉我，前一天所有agent运行的任务完成了多少，有哪些值得继续对话，有哪些是昨天干了一半没干完的。

除了数据采集，用这个日报来做AI选题简直完美。

以前做选题，可能就是总结今天发生了什么，选热度前10的去考虑值不值得做。但我们肯定希望内容有一条完整的故事线，所以用主体维度去做新闻收录就不一样了，我们能够快速知道新闻来自哪家公司、跟踪到什么阶段。

Personal Agent在数据收集上很方便，能读取对应链接的全文，做新闻验证也很好用。我知道一件事发生了，但信息源不够完善，它正好戳中了我很关心的领域，那就让 agent 做更深一步的收录。

这些信息还能关联到我具体正在做的项目目录，让选题跟生产真正串起来。

最后放一下日报的核心提示语。这份是让Dots在云端跑的，负责每天把API能拿到的信息源全部融合成一份报告。

- 不用「值得关注」「引发热议」，用一句话说清每条新闻是什么、谁做的、对我有没有用

大功告成，

进度追踪，本机采集，云端日报，加起来基本就是我现在这套Personal Agent组合的全部核心配置。

希望大家都能有一份不需要折腾的就可以拿到的AI日报，也算是我对这两周折腾的一些回馈。

后面我还在考虑要不要把能公开的信息源做成一个类似 AI News Radar 的项目，把数据完全公开，就像今天的提示语一样。

说实话，33%。

这个数字让我挺沮丧的。花了两周，砸了三百多刀订阅费，四个产品逐个测过来，东拼西凑，给自己拼了一个复杂程度堪比鲁布·戈德堡机器的工作流，Dots采集信息存到飞书，飞书通知发到邮箱，邮箱触发Codex读取，Codex 再调本机Computer Use去跑另一轮采集。

最后Personal Agent能稳定干活的场景也只有三分之一。

但我又没法完全悲观。

因为两个月前，这个数字是 0%。

所以我是真的希望被打脸。

因为实际使用下来，Personal Agent在现阶段更多的还是本地Agent的补充。

并不是说有了一台云电脑就可以把所有东西全部交出去的。

不过33%怎么说也是个开始了。

希望半年后回来看这篇文章，

这个数字已经到了99%。

到那个时候我一定再写一篇打脸了。

@ 作者 / 卡尔

最后，感谢你看到这里如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论

如果想第一时间收到推送，不妨给个星标

如果你有更有趣的玩法，欢迎聊聊

更多的内容正在不断填坑中……