Người đại diện của tôi quản lý email, SMS, WhatsApp, Telegram và hầu như mọi thứ để tự động hóa cuộc sống cá nhân của tôi.
Mọi người cứ hỏi tôi cách tôi sử dụng các tác nhân trong đời thực. Ý tôi là những thứ nhàm chán thực sự khiến một ngày trôi qua: đọc WhatsApp và Telegram, tìm email của ai đó, tìm kiếm trên web, viết nháp phần giới thiệu, cập nhật tài liệu trong Google Drive, tạo sự kiện trên lịch, kiểm tra ai vẫn cần câu trả lời, và làm tất cả những việc đó trên cùng những công cụ lộn xộn mà tôi đã sử dụng.
Câu trả lời của tôi đơn giản một cách đáng thất vọng. Tôi sử dụng Codex như một người điều hành trên dữ liệu cuộc sống thực tế của mình. Nó có các công cụ. Nó có các trình kết nối dữ liệu. Nó có các kỹ năng. Nó có một nguồn chân lý. Nó có đủ quyền hạn để hoạt động cục bộ, và đủ các cổng phê duyệt để nó không làm tôi xấu hổ trước công chúng.
Về cơ bản đó là thiết lập. Các công cụ, trình kết nối dữ liệu, kỹ năng và gu thẩm mỹ.
Tôi đã từng làm nhiều việc này hơn trong Claude Code nhưng tôi đã chuyển thiết lập sang Codex vì hiện tại GPT-5.5 là mô hình tốt hơn cho loại công việc này. Việc chuyển từ Claude Code sang Codex không thực sự là câu chuyện chính. Câu chuyện là một khi một mô hình đủ tốt, đòn bẩy thực sự đến từ việc kết nối nó với thế giới mà bạn đang sống.
Phần quan trọng là tác nhân có thể di chuyển qua các ranh giới. Cuộc sống cá nhân của tôi không chỉ nằm trong một ứng dụng. Nó được phân chia giữa Gmail, WhatsApp, Telegram, iMessage, Google Drive, Lịch, Notion, các tệp cục bộ, các file PDF ngẫu nhiên, các phiên trình duyệt và một bảng tính danh bạ có giá trị hơn nhiều so với vẻ ngoài của nó.
Một Ví Dụ Giao Tiếp Thực Tế
Vài ngày trước, một người bạn đã gửi cho tôi một tin nhắn WhatsApp. Cô ấy đang giúp một công ty khởi nghiệp AI ở San Francisco đang phát triển nhanh tuyển dụng tại Pháp và muốn kết nối người quản lý tuyển dụng của họ với một nhà tuyển dụng mà tôi biết. Tôi không nhớ email của nhà tuyển dụng đó. Tôi không biết tin tức gây quỹ mới nhất về công ty khởi nghiệp. Tôi cần tìm kiếm WhatsApp, tìm kiếm Gmail, tìm email của nhà tuyển dụng, tìm kiếm trên web, hiểu tại sao công ty khởi nghiệp lại đáng tin cậy, viết nháp email giới thiệu, bao gồm hai liên kết công việc, hiển thị bản nháp cho tôi, gửi email sau khi được phê duyệt, và sau đó nhắn tin cho bạn tôi rằng mọi việc đã xong.
Đó thường là hai mươi phút chuyển đổi ứng dụng khó chịu. WhatsApp sang Gmail sang Google Tìm kiếm sang Gmail một lần nữa sang WhatsApp một lần nữa. Đó không phải là công việc khó khăn, nhưng chính xác là loại công việc đốt cháy sự chú ý vì mỗi bước là một sự chuyển đổi ngữ cảnh nhỏ.
Với tác nhân, tôi đã yêu cầu kết quả đầu ra. Nó đọc luồng WhatsApp, tìm kiếm Gmail để tìm email của nhà tuyển dụng, nghiên cứu tin tức gây quỹ và tin tức gần đây của công ty khởi nghiệp trên web, viết nháp phần giới thiệu, chờ tôi phê duyệt, gửi email, và sau đó nhắn tin cho bạn tôi rằng phần giới thiệu đã hoàn tất. Phần người dùng phải làm chỉ mất khoảng mười giây. Tác nhân đã làm phần công việc kết nối (trong vài giây!)
Đây là mô hình sát thủ. Tác nhân không phải là "trả lời một câu hỏi." Nó đang hoạt động trên các công cụ của tôi để hoàn thành một quy trình công việc nhỏ trong thế giới thực (hay còn gọi là "công việc cần làm")
Ví Dụ Về Biển Số Xe
Một ví dụ khác thậm chí còn nhàm chán hơn, đó là lý do tại sao tôi thích nó. Tôi có một biển số xe mới cho chiếc xe của mình. Tôi đã gửi ảnh và ngữ cảnh cho Codex. Nó đã cập nhật tệp Markdown thông tin xe mà tôi lưu trong Google Drive, thay đổi biển số xe, thêm ghi chú đăng ký, giữ nguyên VIN, bảo hiểm, chủ sở hữu và địa chỉ hiện có, sau đó tải tệp lên lại Drive.
Riêng việc đó đã hữu ích, nhưng phiên bản tốt hơn là những gì xảy ra tiếp theo. Tác nhân có thể sử dụng tự động hóa trình duyệt để đi cập nhật cùng một thông tin ở mọi nơi khác: FasTrak, ứng dụng đỗ xe, cổng thông tin bảo hiểm, các biểu mẫu liên quan đến DMV hoặc bất kỳ ứng dụng web nào khác không có API sạch sẽ. Đối với các hệ thống sạch sẽ, nó nên sử dụng API hoặc CLI. Đối với các hệ thống lộn xộn, nó có thể sử dụng trình duyệt và nó rất tốt! Tôi cũng hiện đang sử dụng Computer Use từ Codex.
Đây là mục đích của các tác nhân cá nhân. Không phải là quyền tự chủ ấn tượng. Mà là sự liên tục hành chính. Tôi đã luôn sợ chế độ Openclaw yolo trong nền. Tôi đánh giá cao việc được kiểm soát.
Google Drive Là Nguồn Chân Lý Của Tôi
Quyết định kiến trúc quan trọng nhất tôi đưa ra là tập trung thông tin cá nhân có giá trị trong Google Drive. Trong nhiều năm, rất nhiều kiến thức của tôi sống trong Notion. Tôi thích Notion như một không gian làm việc của con người, nhưng tôi không thích nó là nguồn chân lý chính cho một tác nhân. API hoạt động, nhưng không gian làm việc quá linh hoạt: các trang lồng nhau, cơ sở dữ liệu, thuộc tính, quyền, định dạng, backlink và rất nhiều cấu trúc gốc giao diện người dùng dễ chịu cho con người và khó chịu cho các mô hình.
Vì vậy, tôi đã sử dụng Notion API để xuất thông tin có giá trị và chuyển nó vào Google Drive. Tôi không cố gắng bảo tồn hoàn hảo không gian làm việc Notion. Tôi đang cố gắng làm cho thông tin có thể đọc được bởi tác nhân. Hầu hết thông tin hữu ích trong Drive là Markdown hoặc CSV, vì những định dạng này dễ dàng cho tác nhân tìm kiếm, so sánh, chỉnh sửa và tải lên lại mà không cần nghi thức. Google Drive đã trở thành nguồn chân lý vì gogcli cung cấp cho tác nhân một bề mặt dòng lệnh đơn giản cho Gmail, Drive, Lịch, Tài liệu, Trang tính, Danh bạ và Tác vụ.
Đây là một điểm bị đánh giá thấp. Bạn không nên tổ chức kiến thức của mình chỉ cho giao diện người dùng của con người. Bạn nên tổ chức nó cho đường dẫn công cụ của tác nhân. Các tác nhân thích các ID tệp ổn định, văn bản, bảng, Markdown, CSV và các lệnh trả về JSON. Nếu tác nhân có thể tìm kiếm nó, tải xuống, chỉnh sửa, tải lên và trích dẫn nguồn gốc của nó, thì dữ liệu đó là hữu ích.
Lớp dữ liệu cá nhân của tôi đơn giản một cách đáng xấu hổ. Google Drive lưu trữ các tài liệu quan trọng, hầu hết là các tệp Markdown và CSV. Danh bạ sống trong một Google Sheet được phản chiếu dưới dạng CSV. Các bản xuất Notion đổ vào Drive. Các hướng dẫn cục bộ sống trong AGENTS.md. Các kỹ năng sống dưới dạng tệp Markdown trong các thư mục. Nguồn chân lý không thanh lịch. Nó dễ đọc.
Rất nhiều năng suất cá nhân chỉ là kết nối qua dữ liệu này. Một sự thật nằm trong WhatsApp. Một sự thật khác nằm trong Gmail. Địa chỉ email nằm trong Danh bạ. Ngày tháng nằm trong Lịch. Tài liệu nằm trong Drive. Tác nhân trở nên hữu ích khi nó có thể vượt qua các ranh giới đó mà không yêu cầu tôi làm cầu nối.
Một trong những khoản đầu tư tốt nhất của tôi là tạo một tệp contact.csv với số điện thoại, email, linkedin, v.v. của tất cả những người tôi biết.
Các Công Cụ
Các công cụ cốt lõi được thiết kế một cách nhàm chán. Tôi sử dụng gogcli cho Google Workspace, wacli cho WhatsApp, imsg cho iMessage và SMS, Browser Use hoặc tự động hóa trình duyệt cho các ứng dụng web, và AppleScript hoặc tự động hóa giao diện macOS khi không có giao diện nào tốt hơn.
Hệ thống phân cấp rất đơn giản. API và CLI là tốt nhất. Các tệp cục bộ rất tuyệt. Tự động hóa trình duyệt có thể chấp nhận được. Tự động hóa màn hình là phương sách cuối cùng.
Hệ thống phân cấp này quan trọng vì các tác nhân chỉ đáng tin cậy như bề mặt công cụ của chúng. Yêu cầu một mô hình nhấp xung quanh một trang web đôi khi là cần thiết, nhưng đó không phải là con đường hạnh phúc. Một lệnh như gog gmail messages list hoặc wacli messages list --json dễ dàng hơn nhiều cho mô hình để kiểm tra, thử lại và suy luận.
Đây là lớp công cụ trông như thế nào trong thực tế:
Không có thứ nào trông giống như khoa học viễn tưởng. Đó là vấn đề. Tương lai của các tác nhân cá nhân bắt đầu như một đống lệnh cho phép mô hình vận hành các công cụ bạn đã sử dụng. Bạn muốn giảm thiểu tối đa các lớp trừu tượng giữa các mô hình và API.
Các Kỹ Năng
Các công cụ cho tác nhân đôi bàn tay. Các kỹ năng cho nó thói quen. Một kỹ năng chỉ là một sổ tay hướng dẫn vận hành nhỏ cho tác nhân biết cách thực hiện một nhiệm vụ định kỳ theo cách tôi thích nó được thực hiện.
Kỹ năng inbox-zero của tôi là một ví dụ điển hình. Nó hướng dẫn tác nhân liệt kê các tin nhắn hộp thư đến Gmail thông qua gog, phân tách tự động lưu trữ khỏi cần xem xét, cho tôi xem các email quan trọng, trích dẫn nội dung, đề xuất lưu trữ hoặc trả lời, viết nháp câu trả lời, chờ phê duyệt rõ ràng, gửi trong luồng gốc, giữ nguyên tất cả người nhận, chỉ lưu trữ sau khi gửi, giữ câu trả lời ngắn gọn, không bao giờ đề xuất cuộc gọi trừ khi tôi yêu cầu và ký tên là "Nicolas."
Đó không phải là một kiến trúc ưa thích. Đó là một quy trình. Nhưng quy trình là sản phẩm và... nó chỉ là hướng dẫn văn bản.
Nếu không có kỹ năng, tôi phải làm lời nhắc mỗi lần. Tôi phải nhắc tác nhân không gửi mà không có phê duyệt, không bỏ người nhận cc, không đề xuất cuộc gọi và không ký tên bằng một chữ ký công ty kỳ lạ nào đó. Với kỹ năng, tôi nói "chạy inbox zero," và quy trình làm việc đã chứa gu thẩm mỹ của tôi.
Thói quen quan trọng là tôi cải thiện kỹ năng mỗi khi tác nhân mắc lỗi. Nếu nó đề xuất một cuộc gọi khi tôi ghét các cuộc gọi, tôi thêm quy tắc đó. Nếu nó quên giữ nguyên người nhận cc, tôi thêm quy tắc đó. Nếu nó lưu trữ quá tích cực, tôi thắt chặt phân loại. Tác nhân trở nên tốt hơn vì quy trình trở nên tốt hơn.
Đây là cách các tác nhân cá nhân trở nên cá nhân. Không phải bằng cách có một giọng nói dễ thương. Bằng cách tích lũy gu vận hành.
Thiết lập kết hợp lại vì những sai lầm trở thành hướng dẫn.
Các Cổng Phê Duyệt Là Sản Phẩm
Tôi không muốn một tác nhân mù quáng trả lời mọi người. Tôi muốn một tác nhân chuẩn bị công việc, cho tôi xem bản nháp và hỏi vào đúng thời điểm. Đối với hầu hết các quy trình làm việc giao tiếp, vòng lặp là: đọc ngữ cảnh, viết nháp câu trả lời, cho tôi xem, chờ phê duyệt, gửi, xác nhận.
Đôi khi tôi để nó gửi trực tiếp khi rủi ro thấp. "Nói với Hugo là tôi sẽ ở Seattle vào tuần tới" không cần một cuộc họp hội đồng quản trị. Nhưng một email nhà đầu tư, một phản hồi của khách hàng, một lời giới thiệu hoặc bất cứ điều gì có sắc thái xã hội nên được viết nháp trước.
Đây là sự khác biệt giữa hữu ích và đáng sợ. Quét chỉ đọc là một cấp độ tin cậy. Viết nháp là một cấp độ khác. Gửi là một cấp độ khác. Xóa, thanh toán, ký hoặc thay đổi cài đặt tài khoản là một cấp độ hoàn toàn khác. Tương lai không phải là "tác nhân làm mọi thứ." Tương lai là "tác nhân làm công việc tẻ nhạt và hỏi vào những thời điểm thích hợp."
Quy Trình Làm Việc Sát Thủ Là Tôi Đã Bỏ Lỡ Điều Gì?
Quy trình làm việc sát thủ không phải là email. Đó là phân loại hộp thư đến cuộc sống. Cứ vài giờ một lần, tôi muốn hỏi, "Tôi đã bỏ lỡ điều gì?" và yêu cầu tác nhân quét WhatsApp, Telegram, Gmail, SMS, Lịch và các thay đổi Drive có liên quan. Sau đó, tôi muốn nó cho tôi biết ai cần trả lời, điều gì khẩn cấp, điều gì cũ, điều gì có thể bỏ qua, điều gì nên trở thành một sự kiện trên lịch và điều gì cần tìm kiếm tài liệu.
Đây là nhiệm vụ tác nhân hoàn hảo vì nó nặng về ngữ cảnh, lặp đi lặp lại, đa công cụ và đầy những quyết định nhỏ. Con người ghét làm bước đầu tiên. Các tác nhân giỏi các bước đầu tiên. Phán đoán vẫn thuộc về tôi.
Kết quả không phải là cuộc sống của tôi trở nên tự động. Kết quả là tôi không còn là người đào bới thủ công qua năm ứng dụng để khám phá ba điều quan trọng.
Danh Sách Kiểm Tra Thiết Lập Hiện Tại Của Tôi
Nếu ai đó muốn tái tạo thiết lập của tôi, đây là danh sách kiểm tra. Cài đặt Codex. Cài đặt gogcli cho Google Workspace. Cài đặt wacli cho WhatsApp. Cài đặt một trình kết nối Telegram nếu bạn sử dụng Telegram. Cài đặt imsg cho iMessage và SMS. Thêm tự động hóa trình duyệt, lý tưởng nhất là thông qua Browser Use hoặc bộ điều khiển Chrome. Thêm tự động hóa macOS thông qua AppleScript và script giao diện. Nếu kiến thức của bạn nằm trong Notion, hãy sử dụng Notion API để xuất các phần có giá trị vào Google Drive.
Sau đó, tập trung dữ liệu. Làm cho Google Drive trở thành nguồn chân lý. Giữ danh bạ trong Google Sheet hoặc CSV. Giữ các tài liệu cá nhân quan trọng dưới dạng tệp có thể tìm kiếm. Giữ các hướng dẫn AGENTS.md cục bộ. Giữ các kỹ năng nhỏ cho các quy trình làm việc định kỳ.
Sau đó, cấp quyền một cách cẩn thận. Quyền truy cập toàn bộ đĩa (Full Disk Access) là cần thiết cho các tệp cục bộ và cơ sở dữ liệu ứng dụng. Quyền ghi màn hình (Screen Recording) hữu ích như một phương án dự phòng trực quan. Quyền trợ năng (Accessibility) cần thiết để nhấp và gõ trong các ứng dụng. Đây là những quyền nghiêm trọng, vì vậy hãy kết hợp chúng với các cổng phê duyệt nghiêm ngặt.
Sau đó, viết các quy tắc vận hành.
Về cơ bản là vậy. Các công cụ, trình kết nối dữ liệu, kỹ năng, cổng phê duyệt và cải tiến liên tục.
Đây Là Hệ Điều Hành Mới
Máy tính cá nhân từng được vận hành bằng ứng dụng. Bạn mở ứng dụng, tìm kiếm, nhấp, sao chép, dán, viết và gửi. Máy tính do tác nhân vận hành cảm thấy khác biệt. Bạn nêu ý định, tác nhân thu thập ngữ cảnh, đề xuất hành động, chờ phê duyệt khi cần, thực thi và báo cáo lại.
Một khi bạn trải nghiệm điều này, cách cũ có vẻ vô lý. Tại sao tôi lại phải tự tìm kiếm WhatsApp, Gmail, Google Drive và web để gửi một lời giới thiệu? Tại sao tôi lại sao chép một biển số xe vào năm cổng thông tin khác nhau? Tại sao tôi lại đọc 100 tin nhắn để tìm ba cái quan trọng?
Máy tính nên làm điều đó.
Thiết lập vẫn còn xấu xí. Các CLI còn thô sơ. Quyền rất phiền phức. Một số trình kết nối bị hỏng. Tự động hóa trình duyệt rất mong manh. Bạn phải viết các kỹ năng. Bạn phải duy trì một nguồn chân lý. Nhưng đó là cách tương lai thường bắt đầu.
Các tác nhân cá nhân hữu ích đầu tiên sẽ không trông giống như các ứng dụng tiêu dùng bóng bẩy. Chúng sẽ trông giống như một mô hình bên trong một thiết bị đầu cuối có quyền truy cập vào các tệp, tài khoản, ký ức và công cụ của bạn.
Đó là những gì tôi sử dụng ngày hôm nay, và mỗi tuần tôi lại giao cho nó thêm một phần cuộc sống của mình để vận hành.
