Vibe Check: Duet—Anthropic's Always-on Agent 的发芽报告

材料核心

Dan Shipper 在试用 Anthropic 的常驻个人智能体 Claude Duet 两周后，从“基本上只用 ChatGPT”转向了 ChatGPT 与 Claude 各占一半的用法。Duet 之所以能赢得他的信任，靠的是一套让智能体工作过程可见、可管理的产品结构，而非模型本身；这套结构包括频道、运行清单和文档编辑，而不仅是跑分。文章真正的主题，也因此从“又一个个人智能体”转向了一个更根本的问题：常驻智能体要成为专业工具，缺的不是更聪明的模型，而是让用户看见它在做什么、没做什么的界面。

发芽 01：静默失败——常驻智能体真正的故障模式

种子

文章里最值得注意的细节是 Dot 被派去做税，却没有完成，也没有通知 Dan。Dot 并没有算错税；它“静默失败”了。对于常驻智能体来说，最危险的故障是“它本该做、你以为它在做、实际上它没做，而且它不告诉你”，而不是“它做错了”。Duet 最核心的产品动作——维护一份“我正在做什么、我需要你什么”的运行清单——本质上是把智能体的内部状态外化成用户可读的信号。它并没有让模型更聪明，只是让模型不再是一个黑箱。

故事

人因工程学者 Lisanne Bainbridge 在 1983 年的经典论文《自动化的讽刺》（Ironies of Automation）里提出了一个悖论：系统越自动化，人类操作员的监控角色就越关键，但人类获得的操作练习越少，监控能力反而越差。Dot 的静默失败就是这个悖论的完美案例：Dan 因为 Dot 通常可靠而不再逐项检查，Dot 也因为不再被检查而失去了“被纠正”的压力。航空业对这个问题有个专门术语叫“模式混淆”（mode confusion）：自动飞行系统静默切换模式，飞行员直到事故边缘才发现。FAA 的应对不是让系统更自动，而是强制系统把当前模式“喊出来”。Duet 的频道和运行清单，就是智能体版的模式广播。

另一个更极端的参照是阿波罗 13 号：地面控制中心靠遥测数据重建飞船状态，如果遥测静默，宇航员就会死。分布式系统领域后来把这件事总结成“可观测性”（observability）的三根支柱——日志、指标、追踪。静默失败之所以最可怕，是因为它不留日志。Duet 的运行清单，就是给智能体装了一根遥测天线。

Aha 瞬间

“最危险的智能体不是做错事的那个，而是什么都不做、也不告诉你的那个。可观测性不是智能体的功能，而是信任的前提。”

发芽 02：幕僚长隐喻——从普鲁士总参谋部到 AI

种子

Anthropic 把 Duet 定位成“知识工作者的幕僚长”（chief of staff）。这个说法不只是营销修辞——幕僚长是一个有具体历史渊源的角色，其核心职能是维护态势感知、过滤信息、告诉主官“什么值得你注意”。Duet 的频道（把反复出现的话题分门别类）和运行清单（持续维护“我在做什么、需要你什么”），在结构上与幕僚长的工作方式高度同构：它并不替你做所有事，它只决定什么该送到你面前。

故事

现代幕僚长制度的原型是普鲁士总参谋部。1806 年普鲁士被拿破仑在耶拿-奥尔施泰特战役中击溃后，沙恩霍斯特和格奈森瑙推动军事改革，最终在老毛奇（Helmuth von Moltke the Elder）手里成型。老毛奇的总参谋部做的正是“常驻智能体”的事：维护一张持续更新的战场态势图（Situationskarte），把战争拆成多个战区频道，用“指令”（Direktive）而不是“命令”告诉前线指挥官目标是什么、现场怎么打由你决定。老毛奇的名言“没有计划能在接敌后存活”背后，是一套不靠预设脚本、靠持续感知和调整的系统。Duet 的频道就是战区，运行清单就是态势图。

白宫幕僚长是另一个更贴近知识工作的参照。奥巴马的第一任幕僚长拉姆·伊曼纽尔（Rahm Emanuel）以“守门人”著称，他的核心工作不是替总统干活，而是决定什么能进总统办公室、什么被挡在外面。Duet 说它“发来的建议都是我真正想要的”，这相当于幕僚长的过滤职能。而创业公司的幕僚长（比如 Stripe、Airbnb 早期设的这个角色）则更偏向“让火车准点运行”——维护上下文、跟进跨部门项目、把 CEO 从琐事里解放出来，这正是 Duet 对知识工作者的承诺。

Aha 瞬间

“幕僚长并不替你做你的工作，他只告诉你哪些工作值得你亲自做。最好的智能体是过滤器，而不是工人。”

发芽 03：专业工具的临界点——模型是引擎，Harness 是车

种子

Dan 说 Duet 是“第一个我会称之为专业工具的个人智能体”。注意他的归因：他夸的是频道、运行清单、在应用内直接编辑文档/幻灯片/设计/仪表盘并保持更新，而不是 Opus 5.5 有多强。这和他几个月前对 Codex 的判断一脉相承——当时他说 Codex 有“最好的 harness”。换句话说，专业工具与消费级玩具的分水岭在于有没有一个让智能“可工作”的容器，而不在于智能本身有多高。

故事

个人电脑从玩具变成专业工具，靠的不是硬件升级，而是 VisiCalc。1979 年，Dan Bricklin 和 Bob Frankston 在 Apple II 上做出了第一个电子表格：底层计算引擎极其简单，真正改变一切的是那张会自动重算的网格——一个让“如果……会怎样”变得可操作的工作空间。在 VisiCalc 之前，个人电脑是爱好者用来写 BASIC 小程序的玩具；在 VisiCalc 之后，它是会计和经理每天离不开的工具。模型（计算引擎）是商品化的，harness（网格、公式、即时重算）才是产品。

Doug Engelbart 在 1962 年的《增强人类智力》里早就把这件事说透了：增强智力的关键在界面、反馈回路和操作框架，而不在原始算力。Duet 的频道和运行清单就是 Engelbart 式的增强——它给智能体一个“工作的地方”，而不只是“说话的地方”。大多数智能体演示很好看、生产很难用，缺的正是这种“无聊”的脚手架：状态管理、错误处理、进度可见性。Duet 的专业性来自这些脚手架，而非模型参数。

Aha 瞬间

“PC 变成专业工具，是因为 VisiCalc 给了它一张网格。个人智能体变成专业工具，是因为 Duet 给了它频道和清单。模型是引擎，harness 才是那辆车——没有人会只买一台引擎上路。”

你的思考空间

• 如果静默失败是常驻智能体最危险的故障模式，那么智能体版的“死人开关”（dead man's switch）应该长什么样——如何设计一个在你没注意时主动报警、而不是只在你问它时才汇报的智能体？
• Duet 的运行清单是一种透明化，但透明化本身会不会变成新的负担？当清单变成另一个需要你管理的“收件箱”，可观测性就从解药变成了毒药。这个临界点在哪里？
• 幕僚长隐喻暗示了一种等级关系：智能体服务于你。但一个好的幕僚长也会 aggressively say no——当 Duet 开始过滤掉你其实需要看到的东西时，你如何察觉？过滤的透明度应该由谁定义？
• Dan 从“基本上只用 ChatGPT”变成 50/50，说明用户正在“多栖”（multi-homing）。如果用户同时使用多个智能体，单一供应商的护城河到底是模型、harness，还是用户数据和工作流的迁移成本？
• 如果 harness 才是产品，那么个人智能体的“VisiCalc 时刻”会是哪个功能——频道、文档编辑，还是某个还没出现的东西？Duet 现在的“专业”是真正的临界点，还是只是提前到达的中间态？