同一台电脑，四种 AI 角色组成一条工作流：Grok 先听见外面的公开信号， Jev 做快速判断和分流，Hermes 深挖、研究和交付， OpenClaw 稳定收发。这不是跑分评测，而是一份真实使用记录—— 普通用户怎么把「发现 → 判断 → 深挖 → 回件」真正跑起来。
负责快速问、快速查、快速看风向：热点、舆情、公开讨论、灵感校准。适合先问一圈，不适合替你看家长跑。
不写文案、不跑长任务；在关键节点判断：是否相关、属于哪类、风险多高、能否进入下一步。
负责要花时间、要动脑子的事：调研、写稿、复盘、定时任务。可以分身成 6 个不同工种的专业助理。
负责稳定收发消息：Telegram 等渠道从这里进出。不求花哨，求的是每天在线、不丢消息。
「Harness」直译是马具——把 AI 这匹快马套上缰绳、让它稳定拉车的那套装备。 「Harness」直译是马具——把 AI 这匹快马套上缰绳、让它稳定拉车的那套装备。 这四个角色不是同一种东西，也不该互相替代：Grok 是侦察兵，最快告诉你外面正在发生什么； Jev 是裁判席，把「要不要做、属于哪类、风险多高」变成可记录的概率判断； Hermes 是办公室，把高价值问题继续深挖并留下结果； OpenClaw 是收发室，保证消息进得来、结果出得去。
诸侯混战不是让四个工具互相打架，而是让每条线索先被发现、再被判断、然后被深挖、最后被交付。—— 本页写作原则 · 分工大于胜负
不看宣传，只看这台电脑上的真实表现。每一行都是日常使用中最常遇到的一件事， 以及四套角色各自应该给出的答案。
注：以上为 2026-09-21 本机核验快照，随版本更新每周复核。结论可能被新版本推翻——推翻记录会保留在本页。
对大多数人来说，先别管模型参数、部署架构和版本号。 真正值钱的是把任务交给对的角色：谁先发现机会、谁负责判断值不值得做、谁能深挖、谁能把结果稳定交回来。
适合在 X / Grok 里快速问：这个热点值不值得追、这个方向有没有争议、同行最近在讨论什么。
适合在任务进入深水区前先问：是否相关、属于哪类、证据够不够、风险高不高、该不该转人工。
适合要连续跑、反复判断、还要留下结果的事：调研、周复盘、资料整理、内容初稿、自动化巡检。
适合把 Telegram 这类高频入口交给它。它的价值不是「更聪明」，而是每天都在线、不出戏。
Jev 的价值不在于「再聊一轮」，而在于把高频判断从人脑里拿出来： 这条线索值不值得深挖、这个工具调用风险高不高、这条候选题该不该进入研究队列。 它返回的是程序能记录和回放的判断，不是一篇好看的解释。
回答「是不是」「选哪个」「严重到哪一档」，并给出概率或置信度。适合路由、门控、评分和风险分档。
不写长文、不写代码、不托管长期档案，也不直接执行付款、发布、删除等副作用。执行权继续留在代码和人手里。
拿 30–50 条历史候选题离线回放：Jev 只记录判断，不改变现有结果；对齐人工标签后，再决定是否开放自动队列。
对每条候选题一次判断：是否服务目标受众、是否有冲突、证据是否足够、适合短视频还是长文、风险多高。
在 Hermes 调用脚本、改文件、发消息或碰生产配置前，先判断意图、相关性和风险；高风险自动转人工。
Grok 发现公开变化后，Jev 把线索分成「深挖 / 补证据 / 暂缓」，避免每个热点都消耗一轮完整研究。
版本号不重要，重要的是它对日常工作的「有效价值」。 下面是过去六周的真实版本史，每个节点只记一句话：它对每天的使用意味着什么。
本机的起点版本。能用，但微信渠道、定时任务、模型切换各有小毛病。
有效价值：基线参考，无需记住。首轮回答提速约 80%；任务中断后重启能接着跑；新增长期密码库接入；新增直接读写 Excel / PDF / Word 的技能。
有效价值：明显变快，值得升。本机 7/25 升级，20 分钟验证通过。把 v0.19.0 之后约一千个修复打包：数据库更稳、会话隔离更干净、桌面端不再丢第一条消息。
有效价值：修 bug 的补丁版，跟升不亏。本机 8/2 升级，顺手把默认大脑换成 GPT-5.6 Sol。大版本：实时语音对话、回答自带出处引用、桌面端能存文件、跨系统协作协议。但发布后出现三个未修复的问题：旧会话看似消失（数据还在）、长任务可能重复执行、超大会话可能拖垮服务。
有效价值：想要，但先不进现网。8/9 在隔离「试验田」验证：133 个会话迁移零丢失，但安全告警未清零，继续等补丁。小更新：插件元数据兼容修复。本机当天即为最新，无需任何动作。
有效价值：无感更新，收发室就该这么省心。把 v0.20.0 之后约 656 个修复打包成稳定补丁：桌面、网关、工具、安装器全面稳定化；上一版担心的三个问题（旧会话消失、任务重复执行、重启崩溃）本周全部关闭。
有效价值：门禁解除，可以升。本机 8/15 升级，145 个会话零丢失。三天三个补丁（合计约 596 个 PR）：Bot Mode 正式随包、桌面磨砂质感与分页侧栏、定时任务自愈、升级器诚实性；并正式修好了我们 8/15 亲手绕过过的 launchd 服务自拒循环。
有效价值：补丁期，跟升不亏。本机已排期跟进。这一版最有用的是"干活的完整性"：Bot Mode 群聊线程、折叠摘要、免密钥搜索层、定时任务可带记忆和独立推理强度。对普通用户的意义不是"多了很多功能"，而是更像一个能持续接手工作的助理。
有效价值：值得升。如果接下来要把 Telegram 当主入口，这一版明显更贴近目标。Grok 在本机不是被拿来"跑长任务"的，而是被定位为实时侦察兵：在 X / Grok 应用里做热点判断、舆情摸底、公开讨论快查。它的优势是快，边界是不要把它当后台管家。
有效价值：适合做"先问一圈"的判断题。不适合承担无人值守流程。Pantheon 前的最后一个补丁（约 525 个 PR）：可用你自己登录过的 Chrome 配置浏览（有授权门槛）、50+ 官方验证的远程 MCP 上架、搜索结果带 TTL 缓存、密钥可以存进系统钥匙串、升级器改成优雅暂停而不是硬杀。
有效价值：升级与密钥管理都更省心。补丁期，跟升不亏。今年最大版本（自 v0.20.0 累计约 5,800 次提交、2,100 个问题关闭）：Bot Mode 变成桌面内置的"agent 社会"——每个分身上有名字和头像，能拉群聊、@人、互相发私信；定时任务终于长记性（记住昨天报过什么、没变化就不烧模型）；子代理可以边跑边纠偏；MCP 有了管理台。安全上：AGENTS.md、技能、记忆文件的写入一律要审批。
有效价值：定时任务从"金鱼"变"有记忆的同事"。周报自动化能直接吃到这一口；升级窗口待排（见第 11 章）。beta 线转正：会话全文搜索（找回任何历史对话）、结构化提问卡（按钮/自由文本/明确跳过）、重复性工作"一次授权、变更才重批"、凭证遮罩请求（密码不进聊天、不进模型上下文）。次日补丁 2026.8.2 的主题恰好是"更安全的升级"和"工具完成后必回最终答案"。两处 breaking：移除捆绑 OpenProse 插件；模型路由 codex/* 统一迁到 openai/*（doctor --fix 兜底）。
有效价值：安全与找回对话是日常每天都用得上的改进。本机已在 8.1 正常运行，8.2 为补丁级可跟。这一版最值得普通人关注的不是功能数量，而是失败后的处理：升级后 Doctor 不通过会自动回滚，配置和 secret 引用继续保留；分身提出改配置或重启时，审批卡能回到原来的 Telegram 对话；共享 Gateway 也能让每个人保留自己的技能库和工作目录。
有效价值：更适合真的交给家人、团队或客户长期使用。但本机 doctor 已发现明文 secret 与“从未成功备份”，先处理安全底座，再安排升级。连续七天信源深研后的收敛结论：Grok Bot 在本机的留下理由只剩两件——盯盘提醒（观察名单+证据链接+只建议不操作）和代操续跑（云电脑 Routine，关笔记本也能跑）。写文案被明确排除（沿用 8/23 实测）。9/2 打通第一件"发出去"的能力：X 发布链路，逐篇人批、试验期内不全自动。
有效价值：从"什么都能聊"收敛到"两件事真有用"。详见第 08 章。v0.21.1 是 Pantheon 的滚动补丁；v0.21.2 则专门收口 state.db 风险：修复并发写入、WAL 卡死、全文索引误报、坏行拖垮 sessions list，以及多 profile 串库。对普通用户，最直接的价值是“历史工作不容易因为一次异常而整段失联”。
有效价值：先在副本里验证会话、搜索和 profile 隔离，再升现网。当时本机仍是 v0.20.1；2026-09-21 已核验安装 v0.21.2。升级流程开始支持候选状态和兼容失败回滚；2026.9.4 又把插件管理、准备好的云端会话、终端提问卡和中断后最终回复集中补齐。对普通用户，价值不是“功能更多”，而是能更安全地把一件草稿任务放到云端跑完。
有效价值：先做可恢复备份，再用脱敏项目试一条只读草稿。当时本机为 2026.9.2；2026-09-21 已核验升级到 2026.9.4。本机 JEV 研究把它的边界说清楚了：Jev 不是聊天助手，而是 System One 类型化判断层；同一份 state 可以一次回答多个 Choice / Score / Noul 问题，再由代码组合、排序、记录和转人工。
有效价值：先把选题初筛、工具风险门控和机会雷达分流做成可回放的判断。第一轮验收是 30–50 条历史候选题 shadow replay，尚未开放自动队列。一周两个稳定版：gateway 单例锁让桌面端不再偷偷起第二个后端；CLI 有了结构化 JSON 输出，方便接自己的脚本；可以把指定 skill 钉进每个新会话；每个分身终于能单独启停；新手有了 Simple 界面模式，装插件从“配 MCP”变成“点 Connect”。
有效价值：分身管理第一次像“管员工”而不是“管进程”。本机目前 v0.21.2，升级排在凭据清理之后。本周主题是“断了能接上”：Gateway 重启后，没跑完的对话带着历史、进度和工具结果回来，由 agent 判断怎么续，而不是盲目重跑；用量第一次有了完整 30 天报告。另一个大信号：官方把 Jev 做成 Decision Model 插件，判断层开始成为可以直接安装的零件。注意：9/23 首日 macOS 安装包崩溃，次日已重建修复，“等一天再升”再次被验证。
有效价值：可以把“重启后任务自己续跑”写进验收标准。本机 2026.9.4，升级前先补可验证备份。OpenRouter 发布 typesafe/jev-router：按请求自动选模型和推理强度，还考虑缓存命中。官方评测 237/423 对旧路由 130/423——这是两个路由器之间的比较，不是你的模型变强八成。同一周 DSPy 3.4.0 带来用历史标签自动校准阈值。反方也要记：社区 299 条真实路由测试里 Jev 仍跑输传统基线。
有效价值：判断层有了“托管方案”可对照，但准不准要用自己的历史数据回放。TypeSafe 新注册仍暂停，本机 shadow replay 未完成。9.7 是大修：高负载更流畅、长对话更顺，升级备份与回滚保护加强，还专门修好了“从 2026.9.5 升级”的坑；新增 OpenAI Agents API 和 Sign in with ChatGPT（Beta），手机和平板聊天一波体验改进。9.8 是小修：GPT-6.1 Sol 可选，委派出去的活，结果更可靠地回到你派活的那个对话。
有效价值：升级这件事本身越来越不容易翻车，但“先备份”这条规矩不变。本机 2026.9.4，建议直升 9.8。官方确认容量增加、新注册重新开放，但新账号暂不赠免费额度。同周两条独立证据给判断层降温：一家 LLM 网关自报固定中价模型比其路由更便宜、通过任务还略多；645 条校准实验显示校准改善分数含义，但识别能力（F1）基本不变。
有效价值：想试 Jev 现在能注册了，但“更准/更省”都要用自己的数据回放后再信。本机 shadow replay 仍未完成。近一个月第一个“建议尽快升”的版本：专业机构披露了 dashboard 登录的四个漏洞（其中一个能劫持会话），官方完整署名修复；另一个更要紧的修复是——把 Hermes 指向别人的仓库时，仓库自带的 git 过滤程序不再有机会在首次对话前偷偷执行。邮件白名单伪造也一并修掉。功能上还有说话实时转写、语音单独走轻量模型、插件按分身隔离。
有效价值：选 agent 工具要看它怎么回应安全报告，这次是好示范。本机仍 v0.21.2，dashboard 仅本机回环，但 git filter 一条与日常用法直接相关，建议本周安排升级窗口。小版本：GPT-6.1 Sol 进 Codex 模型列表、Claude Haiku 5.5 接入、失败升级恢复继续改进；修复 iMessage 漏回和旧定时任务打断新会话。beta 通道已出现 2026.10.1，稳定版用户不用追。
有效价值：升级节奏回到“小步快跑”，滞后版本的风险在降低。本机 2026.9.4，建议备份后直升 9.9。今年最大的版本：新手不要 API key 就能开始对话；Notion、Linear 登录一次就能用；一键本地模型数据不出本机；600 个审核过的插件；用 1Password 登录网站而模型永远看不到密码；bot 遇到验证码可以把它的屏幕接过来人工完成。所有分身合并到一个 gateway，官方说“不再抢 token”。随后 0.22.1 打错包，官方直接发 0.22.2 修正——升级认准 0.22.2。
有效价值：教别人用的门槛大降，单机多分身的架构也终于理顺。注意两个默认变化：90 天旧会话开始自动清理（可先关）；单 gateway 合并要求无凭据冲突，本机升级前必须先清重复 WeCom 凭据。官方发布 Jev 1.14：实验性图片输入、Box 目标定位、262k 长上下文和多语言改善，每百万输入 token 0.042 美元、输出免费。latest 暂时还指 1.13，想试要显式选版本。它让“封面样式是否合格”“B-roll 画面是否匹配文案”这类视觉判断有了新候选，但实验能力不进正式流程。
有效价值：shadow replay 终于有了具体做法——同一批人工标注材料，1.13 和 1.14 各跑一遍再对比。价格公开、回退简单，适合小样本先行。连续四个稳定版（10.1→10.4）都围绕同一件事：升级别出意外——修复升级阻断、Doctor 修复时保住登录态和记忆文件、回复在压缩或中断后接着来。Code Mode 的中间结果现在能跨重启保留，Workboard 有了侧栏和个人看板。
有效价值：交付层的“稳”在持续加厚。本机仍 2026.9.4，建议备份后直升 2026.10.4。Hermes 本机 v0.21.2，上游 v0.22.2；六个 profile 的 WeCom 重复凭据连续第五周未处理，现在它正式卡住 v0.22.0 的单 gateway 合并。OpenClaw 本机 2026.9.4，上游 2026.10.4。Grok 工作流本周恢复活动（找信源 v1.2），雷达常态化交付待观察；Jev 1.14 已发布，中文对照实验待做。
当前结论：风向归 Grok，判断归 Jev，深挖归 Hermes，交付归 OpenClaw；本周优先级：备份+定 auto_prune+清凭据后升 Hermes v0.22.2 → 备份后升 OpenClaw 2026.10.4 → 做 Jev 1.13/1.14 中文对照。用 AI 工具最频繁的选择题就是升级。三次真实决策，当时的判断、事后的验证、 和能抄走的经验，全在这里。
当时：v0.19.1 发布，是把上千个修复打包的补丁版。先整机备份（3.1 GB），再升级，再花 20 分钟跑一遍完整验证。
事后：一次通过，没有回滚。顺手把默认大脑换成 GPT-5.6 Sol，响应质量立即可感。
当时：v0.20.0 带来语音、引用溯源等想要的能力，但发布后出现三个未修复的问题，其中一个会让旧会话"看起来消失"。
做法：不碰正在用的系统，单独复制一份完整环境当「试验田」，在副本里验证：133 个历史会话迁移后一个不少。
诱惑：升级工具一直提示"落后 996 个提交"，看起来很紧急。
事实：这个数包含了开发主干上的所有实验性改动，追上去等于当小白鼠。真正该看的只是正式发布的版本号。
把 Hermes v0.21.2、OpenClaw 2026.9.4 和 Jev 判断席拆成普通人能理解的落地卡。 每张回答四个问题：你是谁、以前怎么做、现在怎么做、怎么验证真的成了。 「本机已具备」= 本机运行的版本直接支持；「待场景验收」= 功能已安装但还没逐项证明；「候选验证」= 只允许 shadow replay，不改变现有结果。
以前 agent 要用密码，只能贴进聊天——密码就此进入模型上下文，泄露面大开。
以前每天的巡检弹同样的确认窗，你成了盖章机器。
以前「上个月那个方案叫什么」——翻会话列表靠回忆。
以前定时任务像金鱼：每天从零开始，重复报同样的内容。
以前长任务派出去只能等它跑完，跑偏了就整段返工。
以前讲「幕僚长派人」全靠嘴和截图，学员没有体感。
以前分身在后台申请改配置或重启，批准卡可能留在另一个页面里，任务就静静卡住。
以前每条线索都要靠人判断值不值得深挖；现在可以先让 Jev 给出概率化判断，但不改变现有流程。
下面三条不是“能不能自动化”的演示，而是可以变成课程更新、研究服务、客户交付和内容机会的工作闭环。 AI 接走搜集和重复劳动，人保留方向、事实与对外动作的最后判断。
Hermes 定期检查版本、案例和讨论，和上周记忆去重；人只审“哪些真的值得教”。
客户或自己在 Telegram 只说清目标；OpenClaw 负责收件与回件，Hermes 深挖，Codex 做网页、文件或系统施工。
Grok 盯公开平台变化和热点，Hermes 把高价值线索深挖成证据卡；人决定是否值得变成内容、产品或服务。
OpenClaw 消息入口、Hermes 195 个历史会话、Grok 的逐篇人批发布链路。
Hermes v0.21.2 与 OpenClaw 2026.9.4 已在本机运行；定时记忆、子任务纠偏、失败回滚和云端草稿都要用低风险任务逐项验收。
Grok 后台 routine 与 X 发布链路继续只交草稿或建议；缺数据报失败，发布、付款、删除继续人批。
本周网站新增的不是“又一个版本新闻”，而是四条可以拿去教学、做服务或做内容的闭环。 每条都把工作拆成：谁先查、谁深挖、谁回件、哪一步必须人拍板。
Grok 先筛公开信号，Hermes 去重和核验，最后由人挑一件值得教的变化。学生看到的是结论与案例，不是工具过程。
把已经手跑稳定的研究、预审或资料整理保存成 skill，再挂一个只写草稿的云端 routine。关电脑后它继续跑，早上人审。
Grok 负责“外面在说什么”，Hermes 负责“证据是否成立”，人只选一个低成本实验，不把热闹直接当成需求。
把历史选题、审批或机会线索喂给 Jev，只记录它的判断和置信度；人用回放结果决定哪些低风险步骤可以自动进入下一队列。
OpenClaw 仍没有成功备份；Hermes 六个 profile 仍共用同一个 WeCom callback 凭据。没有回滚能力和身份隔离，任何新功能都不能算收益。
Hermes v0.21.2 与 OpenClaw 2026.9.4 已在本机运行；用低风险任务验收定时记忆、子任务纠偏、全文搜索、失败回滚和云端草稿。
用 30–50 条历史候选题或审批记录回放 Jev 判断；先证明分层和转人工规则有效，再决定是否接入选题队列或工具门控。
全是这两周真实发生的事：现象、根因、修复、验证、教训，一步不少。 点开任何一个，你都能看到「如果是我遇到，该怎么办」的完整答案。
控制面板一直显示微信"已连接"，但一周里没有任何消息进来。
登录态 8 月 1 日就过期了，系统每 10 分钟报一次错、7 天累计 1,100 次——但面板状态停留在 8 月 2 日，再也没刷新过。
8 月 10 日重新扫码登录，重启服务。
发一条真实消息"你好"，33 秒后收到回复；连续观察 12 分钟，报错零新增。
面板上的"已连接"只是一张快照。做一个健康检查：同时看"状态时间"和"最新日志"，互相矛盾立刻报警。
在微信里问"海力士美股 ADR 走势"，AI 不回答案，反而申请权限去执行一段脚本。
搜索工具没配钥匙（API Key），AI 想查资料只能绕路——自己写脚本去网上抓，而写脚本属于高危动作，必然触发审批。
从密码库里找出早就有的搜索钥匙，配进系统，重启。
再问同样的问题：AI 连续搜索 3 次直接给出走势，0 次脚本、0 次审批。
AI 工具不全时会"想办法"，而它的办法往往比你预期的更冒险。把该有的工具配齐，比盯着审批更重要。
AI 照常回答，开场白也照旧写着"我在用 GPT-5.6"，但总觉得回答不如前阵子。
主模型的登录凭证 8 月 8 日被电脑里另一个 AI 工具"抢用"失效——系统设计了兜底，悄悄切换到了备用模型 DeepSeek，全程没有任何报错。
重新登录一次主模型账号。
查真实用量记录：每一次问答实际用哪个模型，白纸黑字——确认已回到 GPT-5.6。
开场白写的模型名不算数（它只是照配置念）。判断"AI 是不是变笨了"，唯一可信的是真实用量记录。
v0.20.0 很诱人，但有人反映升级后"旧会话消失了"。
不动正在用的系统，把全部数据（133 个会话、9.6 MB 数据库）复制到隔离环境，在新版本里跑迁移。
好消息：133 个会话、425 条消息迁移后一个不少。坏消息：新版本仍带 12 个未修复的安全告警。
数据安全过关，但安全告警没清零——现网继续用旧版，等补丁。
"别人出问题"不等于"你一定会出"，"你想要"也不等于"现在该升"。在副本里花半小时验证，比在现网赌一把便宜得多。
本章来自桌面 Grok 工作文件夹的真实使用记录（2026-08-21 → 09-12，每周持续迭代）。 收录前全部脱敏：没有聊天正文、没有业务数字、没有人名，只留下你能抄走的判断； 原始记录留在本机，公开摘要见项目 sources/grok/。
同一篇稿子，让 Grok Bot 直接写终稿，和 Claude Code + Opus 4.6 对比——即便调用同一个模型，Bot 这边的 AI 味仍明显更重。
排除模型本身。差异在三层：Bot 外面叠着一层「助手腔」系统提示；长会话里混着各种上下文；写完还多一道「对用户解释」的工序。
定性结论，未做严格 A/B 实验（如实标注）。系统提示和长会话污染这两层，在 Bot 内部削不掉。
Bot 只负责定题、结构、事实卡；成稿外派 Claude Code + Opus 4.6；去 AI 味走已跑通的编辑流程，不在聊天气泡里返工。
「同一个模型」不等于「同一条生产线」。写稿这件事，谁来写、在哪条流水线写，比用哪个模型更重要。
窄专精，不泛问。把「帮我看看公司」丢给一个 Bot，得到的只能是正确的废话。编制按红线拆，不按「再开一个聊天窗」拆。
对外动作——发出去、付钱、删除、上线——永远等人点头。这条不是谨慎，是底线。
所有 Bot 共用一台云电脑、同一组登录：一个幻觉或一张脏网页，可能波及整台机器。能少登一个服务就少登一个。
新活先用安全素材完整跑通一次，确认来源、结果和失败处理；再存成 skill，最后才挂 routine。Test run 会真的执行，不是演示。
只读多源、每条主张旁贴证据链接、只写建议下一步；研究、风控、下单拆开，仓位和下单永不自动。班次挂 Routine，人只批要动的。
关上笔记本活还在跑，靠的是共享云电脑 Routine，不是本机开着；碰本机文件和浏览器默认 Ask。先一事只读跑通，再挂定时。
行情、网页或账号读不到时，直接说明失败并留下证据；不要拿旧数据补位，更不要把“似乎完成”当完成。
套餐额度不想当然叠加，新增 Bot 也不等于新增产能。先看一条闭环是否少了重复劳动、是否交得出文件或链接，再决定是否加订阅、加岗位。
硅谷博主 Alex Finn 的公开上手路径，被多篇长文转述，本站核对了原帖。
营销从业者 Dennis Yu 在博客公开了自己正在跑的编制：人只对着一个协调对话，专家被派出去。
多份公开 playbook 的共同指向：五个 Bot 如果还要人来回粘贴，那只是收藏夹，不是团队。
公开视频拆解（大鱼讲 DeepSeek Harness）：模型是能跑的马，没有缰绳只剩力气。DeepSeek 开的是「一切皆插件」的底座，不是又一个聊天窗。动作：预览版先看，主力不迁。
公开视频拆解（凯乐讲事件驱动）：从「你发指令」到「事件本身就是指令」——异常交给总线，而不是穷举 if。FDE 卖的是岗位，不是功能。检查点谁拍板，决定 AI 是不是「员工」。
共享云电脑就是共享公章：一个幻觉或一张脏网页，可能波及所有已登录的服务。—— 多源公开信源交叉印证 · 本机已按「最小登录」执行
一周深研的收口：Grok Bot 留下的理由是盯盘提醒和代操续跑——写文案，不是。—— 桌面 Grok 文件夹 2026-09-01 收口结论 · 脱敏摘要 sources/grok/
全部从事故里长出来，不涉及任何代码。哪怕你只用一套 AI 工具，也值得抄走。
任何面板上的状态都只是一张旧快照。真要看健不健康，去看它"最近在干什么"——消息有没有流动、错误有没有新增。
AI 开场白报出的模型名只是照配置念台词。感觉回答变笨了，就去查真实的用量记录——那是唯一不会撒谎的地方。
修 bug 的补丁版，备份完就升；改动大的版本，先在复制的"试验田"里验证数据安全，再决定现网什么时候跟。
AI 频繁申请"危险权限"，多半不是它胆大，而是正经工具没配齐，只能绕路。把搜索、文件这类基础工具配好，审批弹窗会少一大半。
花钱、发布、删东西、改配置之前的"你确定吗"，不要嫌烦、不要图快关掉。新版本已出现"任务重复执行"的未修复问题——保险丝在，事故才是小事故。
每周花二十分钟看一次：版本有没有更新、渠道健不健康、上次的问题有没有复发。这个站本身，就是每周六自动巡检的产出。
凡是会改变队列、权限或外部动作的 AI 判断，先用 shadow replay 跑一阵：只记录、不改结果。错误类型看清楚了，再决定哪些低风险动作能自动。
这台电脑上真正值得抄的不是「谁最强」，而是一条顺序清楚的流水线： 先发现、再判断、再深挖、再交付。理解了这个结构，你就知道每个工具应该待在哪里。
先看外面正在发生什么：热点、公开讨论、案例和风向。它负责发现，不负责定论。
把「要不要做、属于哪类、风险多高」变成可记录的概率判断。它不聊天，也不执行副作用。
对高价值问题做长程研究、复盘、写作和自动化试验，把一条线索变成证据包或可交付草稿。
把任务请求、审批和最终结果稳定送回消息渠道。评价它的标准：在线、不丢、可恢复。
每周自动化做一轮调研写一份周报；本页再根据周报和本机核验更新。 当前周报由 Codex 自动化驱动，Hermes 本机 cron 为 0，不再把两种调度混为一谈。 下面的追踪表说明这套机制怎么运转：每周的优先事项（P0 必须马上办 / P1 安排窗口办 / P2 继续观察）， 以及它们后来的命运。
完整周报存档：本机 ~/Desktop/Hermes agent/每周研究/ · 共 16 期；Grok 心得从桌面 Grok 文件夹脱敏同步，Jev 内容从桌面 JEV 研究项目脱敏同步
这张表最有价值的不是"做完了什么"，而是每一条判断都有后来——对的留下，错的标注。—— 持续更新的意义 · 判断可追溯