BoBo`s Blog

让 Agent 操作手机 前三篇我们让 Agent 在浏览器里查资料，在桌面上按计算器，这一篇文章把手伸到手机上：打开一个应用、看一眼设置、记一条备忘。 工具也换了：这一篇的主角是 agent-android，一个照着 agent-browser 的样子做的安卓自动化命令行工具，Apache-2.0 协议，用 Python 写的。它读的是安卓的无障碍树，按编号点和输，循环还是同一套“看→动→再看”，变的只是这一次手伸进了口袋里的那台设备。 ...

再让 Agent 操作桌面 上一篇我们让 Agent 在浏览器里练熟了“打开→看→动→再看”，这一篇把手伸出浏览器，去操作真正的桌面应用：打开计算器算一道题，在文件管理器里找到一个文件夹，给一个应用换一个设置。 ...

从一个 Skill 到一套工作流 前面七篇，一个 Skill 从无到有讲完了：第二篇写出第一个 Skill，第三篇让它渐进加载，第四篇让它跨工具复用，第五篇让几个 Agent 并行，第六篇用 Router 管起来，第七篇给它立了安全审计的规矩。一个 Skill 是一项本事，但每天真正要跑的，是一件完整的事：从你说一句话开始，到东西交出来为止，中间要过好几道手。 ...

电脑操作 Agent 是什么 上一个系列讲的是怎么让 Agent 把一套做法学会，这一篇系列换一个方向：让 Agent 的手伸进电脑里，替你把屏幕上的事直接办完。 先说一个你一定有过的念头。对着聊天助手说“帮我把这张表填好交上去”，它会给你列出五个步骤，写得清清楚楚，然后停在那里——填表、点提交，还是得你自己来。不是它不愿意，是它没有手，只能回文字。电脑操作 Agent 要解决的，就是这个问题。 ...

先让 Agent 操作浏览器 上一篇讲清了电脑操作 Agent 是什么，这一篇文章真正动手。第一步只练浏览器，不碰桌面应用，原因很简单：浏览器是最安全的一步，练错了也最容易收场。 ...

给 Agent 立规矩：安全审计 Skill 前几篇把 Agent 越讲越能干：一个 Skill 能到处复用，几个 Agent 能并行干活，Super-agent 还有 Router 派活收活。能力上去了，风险也跟着上去了：一个能干的 Agent，一次就能改掉一堆文件、发出去一条消息、花掉一笔钱，或者把不该发的东西发出去了。 ...

Super-agent 架构拆解：Router 与 Worker 上一篇讲了多 Agent 并行：任务按产出拆成几份，几个 Agent 各干各的，最后拼起来。但并行跑起来之后会多出一个问题：谁来拆、谁来派、谁来收？几个人各干各的没人管，活派出去就没人盯，收回来也没人拼，并行还是会乱。 ...

多 Agent 并行：怎么不打架 前四篇把一个 Skill 从写出来、拆清楚、到处复用讲完了。现在换一个场景：手里有一件比较大的事，一个 Agent 干太慢，想叫几个 Agent 一起干。并行听起来很美好，但一动手就发现新问题：两个 Agent 改了同一处，一个 Agent 的结论被另一个 Agent 顺手改了，最后拼起来的结果对不上。 ...

跨工具复用：一处写，处处用 上一篇我们把发文章检查的 Skill 拆开了：正文只留步骤和判断，脚本、规则和模板各归其位。一个 Skill 变清爽之后，下一个问题马上就来了：这个 Skill 只在现在这个工具里能用吗？换一个工具，是不是又要重写一遍？ ...

让 Skill 真正好用：渐进加载与文件分工 上一篇文章写出了第一个 Skill：一个文件夹、一个 SKILL.md，name 和 description 写准，正文是步骤加通过标准。跑起来之后，下一个问题很快就会出现：步骤越加越多，SKILL.md 越写越长，Agent 每次触发都要从头读到尾，又慢又费 token，重点还越来越难找。 ...