我的 Agent 管理着我的邮件、短信、WhatsApp、Telegram 以及几乎所有能自动化个人生活的事务。
人们总是问我，我在现实生活中是如何使用 Agent 的。我指的是那些真正让一天时间消失的琐事：阅读 WhatsApp 和 Telegram、查找某人的邮件、搜索网页、起草介绍、更新 Google Drive 中的文档、创建日历事件、查看谁还需要回复，以及在我已经使用的那些杂乱工具之间完成所有这些操作。
我的答案简单得令人失望。我使用 Codex 作为一个操作员，运行在我实际的生活数据之上。它有工具。它有数据连接器。它有技能。它有一个事实来源。它有足够的权限在本地执行操作，也有足够的审批环节，确保它不会在公开场合让我难堪。
基本上就是这套配置：工具、数据连接器、技能和品味。
我以前更多地在 Claude Code 中做这些事情，但我已经把配置迁移到了 Codex，因为 GPT-5.5 目前对于这类工作来说是更好的模型。从 Claude Code 切换到 Codex 并不是重点。重点在于，一旦模型足够好，真正的杠杆作用来自于将它与你已经生活的世界连接起来。
关键在于 Agent 能够跨越边界。我的个人生活并不局限于一个应用。它分散在 Gmail、WhatsApp、Telegram、iMessage、Google Drive、日历、Notion、本地文件、随机 PDF、浏览器会话，以及一个比看起来更有价值的联系人电子表格中。
一个真实的沟通示例
几天前，一个朋友给我发了一条 WhatsApp 消息。她正在帮助一家快速发展的旧金山 AI 初创公司在法国招聘，并希望将他们的招聘经理与我认识的一位招聘人员联系起来。我不记得那位招聘人员的邮件。我也不知道那家初创公司的最新融资消息。我需要搜索 WhatsApp、搜索 Gmail、找到招聘人员的邮件、搜索网页、了解为什么那家初创公司值得信赖、起草一封介绍邮件、附上两个职位链接、把草稿给我看、在批准后发送邮件，然后告诉我的朋友事情已经办妥。
这通常是二十分钟烦人的应用切换：WhatsApp 到 Gmail，再到 Google 搜索，再回到 Gmail，再回到 WhatsApp。这并不是难事，但正是那种消耗注意力的事情，因为每一步都是一次小的上下文切换。
有了 Agent，我直接要求结果。它阅读了 WhatsApp 对话，在 Gmail 中搜索了招聘人员的邮件，在网上研究了初创公司的融资和最新消息，起草了介绍邮件，等待我的批准，发送了邮件，然后告诉我的朋友介绍已经发出。用户参与的部分大约花了十秒钟。Agent 完成了所有的粘合工作（只需几秒钟！）
这就是杀手级模式。Agent 不是在“回答问题”。它是在我的工具之间执行一个真实的小型工作流（即“待完成的任务”）
车牌示例
另一个例子甚至更无聊，这也是我喜欢它的原因。我给我的车换了一个新牌照。我把照片和相关背景信息发给了 Codex。它更新了我保存在 Google Drive 中的车辆信息 Markdown 文件，更改了车牌号，添加了注册备注，保留了现有的 VIN 码、保险、车主和地址，然后将文件上传回 Drive。
这本身就很有用，但更好的版本是接下来发生的事情。Agent 可以使用浏览器自动化在其他地方更新相同的信息：FasTrak、停车应用、保险门户、DMV 相关表格，或者任何没有清晰 API 的 Web 应用。对于有良好接口的系统，它应该使用 API 或 CLI。对于混乱的系统，它可以使用浏览器，而且效果非常好！我现在也使用 Codex 的 Computer Use 功能。
这就是个人 Agent 的用途。不是戏剧性的自主性。而是行政上的连续性。我一直害怕 Openclaw 在后台全速模式。我更喜欢掌控一切。
Google Drive 是我的事实来源
我做过的最重要的架构决定是将有价值的个人信息集中到 Google Drive 中。多年来，我的很多知识都存放在 Notion 中。我喜欢 Notion 作为人类工作空间，但我不喜欢它作为 Agent 的主要事实来源。API 能用，但工作空间太灵活了：嵌套页面、数据库、属性、权限、格式、反向链接，以及许多对用户友好但对模型来说很麻烦的 UI 原生结构。
所以我使用 Notion API 导出了有价值的信息，并将其移到了 Google Drive。我并不是要完美保留 Notion 工作空间。我是要让信息对 Agent 可读。Drive 中大多数有用的信息都是 Markdown 或 CSV 格式，因为这些格式便于 Agent 搜索、比较、编辑和上传回来，无需复杂操作。Google Drive 成为了事实来源，因为 gogcli 为 Agent 提供了一个简单的命令行界面来操作 Gmail、Drive、日历、文档、表格、联系人和任务。
这是一个被低估的点。你不应该只为了人类的用户界面来组织知识。你应该为 Agent 的工具路径来组织它。Agent 喜欢稳定的文件 ID、文本、表格、Markdown、CSV 和返回 JSON 的命令。如果 Agent 可以搜索、下载、编辑、上传并引用来源，那么数据就是有用的。
我的个人数据层简单得令人尴尬。Google Drive 保存着重要文档，大部分是 Markdown 文件和 CSV。联系人保存在一个 Google 表格中，并镜像为 CSV。Notion 的导出内容存放在 Drive 里。本地指令存放在 AGENTS.md 中。技能以 Markdown 文件形式存放在文件夹中。事实来源并不优雅，但它是可读的。
很多个人生产力其实就是将这些数据连接起来。一个事实在 WhatsApp 中，另一个在 Gmail 中。邮件地址在联系人中。日期在日历中。文档在 Drive 中。当 Agent 能够跨越这些边界而不需要我来充当粘合剂时，它就变得有用了。
我最好的投资之一就是创建了一个 contact.csv 文件，其中包含我认识的所有人的电话号码、邮件、LinkedIn 等信息。
工具
核心工具故意设计得很简单。我使用 gogcli 来操作 Google Workspace，wacli 来操作 WhatsApp，imsg 来操作 iMessage 和短信，Browser Use 或浏览器自动化来处理 Web 应用，当没有更好的接口时则使用 AppleScript 或 macOS UI 自动化。
优先级很简单。API 和 CLI 是最好的。本地文件也很好。浏览器自动化可以接受。屏幕自动化是最后的手段。
这个优先级很重要，因为 Agent 的可靠性取决于其工具表面。要求模型在一个网站上点击来点击去有时是必要的，但这并不是最佳路径。像 gog gmail messages list 或 wacli messages list --json 这样的命令，对模型来说更容易检查、重试和推理。
以下是工具层在实际中的样子：
这一切看起来都不像科幻小说。这正是重点。个人 Agent 的未来始于一堆命令，让模型操作你已经使用的工具。你要尽量减少模型和 API 之间的抽象层。
技能
工具给了 Agent 双手。技能给了它习惯。技能就是一个小型操作手册，告诉 Agent 如何以我喜欢的方式完成一个重复性任务。
我的收件箱清零技能就是一个很好的例子。它告诉 Agent 通过 gog 列出 Gmail 收件箱邮件，区分自动归档和需要查看的邮件，向我展示重要的邮件，引用关键内容，建议归档或回复，起草回复，等待明确批准，在原线程中发送，保留所有收件人，只在发送后归档，保持回复简短，除非我要求否则绝不建议打电话，并以“Nicolas”签名。
这不是什么花哨的架构。这是一个流程。但流程就是产品，而且……它只是文本指令。
没有技能，我每次都要自己写提示词。我必须提醒 Agent 不要未经批准就发送，不要漏掉 CC 收件人，不要建议打电话，不要用一些奇怪的商务签名。有了技能，我只需要说“运行收件箱清零”，工作流就已经包含了我个人的偏好。
重要的习惯是，每次 Agent 犯错时，我都会改进技能。如果它在我讨厌电话时建议打电话，我就添加那条规则。如果它忘记保留 CC 收件人，我就添加那条规则。如果它归档过于激进，我就收紧分类标准。Agent 会变得更好，因为流程变得更好。
这就是个人 Agent 变得个性化的方式。不是通过一个可爱的语音，而是通过积累操作上的品味。
这套配置会产生复利效果，因为错误会变成指令。
审批环节就是产品
我不想要一个盲目回复所有人的 Agent。我想要一个准备好工作、给我看草稿、并在合适的时机询问我的 Agent。对于大多数沟通工作流，循环是这样的：阅读上下文，起草回复，给我看，等待批准，发送，确认。
有时，在风险较低的情况下，我会让它直接发送。“告诉 Hugo 我下周在西雅图”不需要项目会议。但投资者邮件、客户回复、介绍信，或者任何涉及社交细节的事情，都应该先起草。
这就是有用和可怕之间的区别。只读扫描是一个信任等级。起草是另一个。发送又是另一个。删除、付款、签名或更改账户设置则完全是另一个等级。未来不是“Agent 做所有事情”。未来是“Agent 做繁琐的工作，并在合适的时机询问我”。
杀手级工作流：我错过了什么？
杀手级工作流不是邮件，而是生活收件箱的初步筛选。每隔几小时，我想问“我错过了什么？”，然后让 Agent 扫描 WhatsApp、Telegram、Gmail、短信、日历和相关的 Drive 变更。之后，我希望它告诉我谁需要回复，什么是紧急的，什么是过时的，什么可以忽略，什么应该变成日历事件，以及什么需要搜索文档。
这是完美的 Agent 任务，因为它上下文密集、重复、跨工具、并且充满了小决策。人类讨厌做第一遍筛选。Agent 擅长第一遍筛选。判断力仍然属于我。
结果并不是我的生活变得自动化了。结果是我不再需要手动翻遍五个应用来发现那三件重要的事情。
我当前的配置清单
如果有人想复现我的配置，这是清单。安装 Codex。安装 gogcli 用于 Google Workspace。安装 wacli 用于 WhatsApp。如果你使用 Telegram，安装一个 Telegram 连接器。安装 imsg 用于 iMessage 和短信。添加浏览器自动化，最好通过 Browser Use 或 Chrome 控制器。通过 AppleScript 和 UI 脚本添加 macOS 自动化。如果你的知识存放在 Notion 中，使用 Notion API 将有价值的部分导出到 Google Drive。
然后集中数据。让 Google Drive 成为事实来源。将联系人保存在 Google 表格或 CSV 中。将重要的个人文档保存为可搜索的文件。保留本地的 AGENTS.md 指令。为重复性工作流保留小的技能。
然后小心地授予权限。本地文件和应用数据库需要完全磁盘访问权限。屏幕录制作为视觉回退很有用。辅助功能用于在应用中点击和输入。这些是重要的权限，因此要配合严格的审批环节。
然后编写操作规则。
基本上就是这样。工具、数据连接器、技能、审批环节和持续改进。
这是新的操作系统
个人电脑过去是由应用驱动的。你打开应用，搜索、点击、复制、粘贴、编写、发送。Agent 驱动的电脑感觉不同。你陈述意图，Agent 收集上下文，提出操作建议，在需要时等待批准，执行，并报告结果。
一旦你体验过，旧的方式就显得荒谬了。为什么我要手动搜索 WhatsApp、Gmail、Google Drive 和网页来发送一条介绍信息？为什么我要将车牌号复制到五个不同的门户中？为什么我要阅读 100 条消息来找到那三条重要的？
电脑应该做这些事情。
这套配置仍然粗糙。CLI 工具很简陋。权限设置很烦人。某些连接器会出问题。浏览器自动化很脆弱。你必须编写技能。你必须维护一个事实来源。但未来通常就是这样开始的。
第一批有用的个人 Agent 不会像精致的消费应用那样。它们会像一个在终端中的模型，可以访问你的文件、账户、记忆和工具。
这就是我今天使用的，而且每周我都会再交给它一部分我的生活来操作。
