人跟机器打交道最熬人的往往不是那些需要灵感的创造而是机械重复的繁琐切换。你大概也经历过这样的日常为了整理一份报告要在浏览器里开上十几个标签页把检索到的信息提取下来转身去终端里敲几行命令处理格式最后再挨个保存进本地文件里。这两年市面上固然涌现出了一大批标榜“智能代理”的工具但它们多半还是个需要人守在屏幕前随时投喂指令的对话框一旦任务稍微跨越了单一环境的边界那些原本信誓旦旦的代理便立刻乱了阵脚只能老老实实地吐出一堆指导步骤让你自己动手去跑。这就叫人十分疲惫我们本意是想雇个跑腿的结果却招来一个光说不练的顾问。dothething简称 DTT大概就是为了终结这种尴尬而生的。它是一款跑在本地终端里的全自主 AI 代理按照它自己的口号“你把事情描述清楚它去把事情办妥”也就成了。这并不是一句虚张声势的空话。与那些被束缚在沙盒里的网页端助手不同DTT 直接接管了大量的底层工具链。当你用普通的自然语言交代完任务后它会在后台自行规划步骤动用本地的 SearXNG 实例去检索网络调用伪装浏览器去爬取页面乃至默默绕过验证码接着在你的系统里读写文件、运行 shell 命令甚至通过自带的邮件模块去收发信息。它不用你一步步盯着。像个老练的工程师一样它自己制定计划、评估结果如果中途卡壳了要么换个工具继续试要么明确告诉你究竟卡在了哪一个环节。不过这里头最棘手的问题其实在于大模型的上下文消耗。一个代理如果在复杂的系统环境中不断试错不出几轮积累的无用日志就会把模型的记忆撑爆账单数字也会变得极其难看。DTT 的处理机制倒是颇为务实它在工具调用的反馈链路上加了一层过滤。比如当你让它提取一大批文件信息时它不会傻乎乎地把几十万字的原始输出直接塞给主控模型而是先让相对廉价的模型做一次精准浓缩再把提炼后的干货递回给负责决策的“大脑”。加上对提示词缓存的深度利用这种设计硬生生把冗长任务的运行成本压了下来。它还内置了并发编排模式能把一项大工作拆给十几个平行的子代理同时开工。倘若你实在担心它跑脱缰了大可设一条死线比如“花到五美元就强行停下”它便会乖乖地把当前状态存档留着你下次随时唤醒接管。我总怀疑那些热衷于给大模型套上拟人化外壳的产品方向是有些偏航的。我们需要的就是一个不知疲倦、能把手伸进各个系统接口里的自动化引擎而不是一个成天问你“接下来该怎么办”的聊天伴侣。DTT 把调度、缓存、容错与命令行缝合在了一起它允许你随时敲击键盘介入干预也允许你干脆把窗口晾在一旁去做别的事。把那些占据了人类大半天时间的脏活累活利落地塞进后台然后静静地交出一个结果这才是真正管用的路数。https://github.com/fluffypony/dothething