我把主力 AI 助手换成了 Agent，两天踩了四个坑

前两天我把主力 AI 助手换成了一个本地部署的 Agent。结果两天踩了 4 个坑，差点卸了。但踩完之后，我反而觉得离不开它了——就因为它的一个设计思路。

先说坑。

坑一：审批安全模式，配置值不能乱填

审批安全模式控制的是——当你让 Agent 执行一条危险命令的时候，要不要先弹窗等你确认。设成 off，就是大家常说的 YOLO 模式，不确认直接跑。

配置里我写的是 approvals.mode: auto，字面意思是自动通过，对吧？我以为设了就万事大吉，结果每次执行危险命令，它还是弹审批窗口。

查了一圈才发现——auto 这个值它根本不认识，代码直接把它当成了最严格的 manual 模式，每次都卡你。

解决方法巨简单：把 auto 改成 off 就好了。教训是：它的配置值不是自由填写的，有效值只有 manual、smart、off、false 四种（off 和 false 效果一样），auto 是无效值，设了等于没设。

我平时用 Obsidian 记笔记，笔记存在对象存储里，同步插件能保留每篇笔记的真实修改时间。最早我想的是：让 Agent 定时把笔记同步上去，不就完成了吗？

结果笔记是同步上去了，但每篇笔记的修改时间全部被覆盖成了同步时刻，真正的更新时间全丢了。这个影响很大：我整理笔记有一部分靠 Obsidian 的「今天修改过」排序，时间一覆盖，全乱了。

根源在于：我直接用底层命令行工具上传，跳过了同步插件的机制。底层上传工具不管文件原来什么时候改的，它只管「上传的就是当前版本」。

最后改用 Agent 调用同步插件自己的 CLI 接口，让插件去处理同步逻辑，就好了。这个坑给我的教训：用工具原生的接口集成，不要绕过它去操作底层数据。

我想让 Agent 完成任务之后给我发一条语音通知，听起来很简单，结果调了三天才通，三个小坑叠在一起让人怀疑人生。

第一个：语音合成接口有国内版和海外版两个域名，两个根本不是一回事，用错了就调不通。

第二个：IM 上传音频的时候，file_type 必须填 opus，不是 mp3，也不是 audio。文件能上传，但客户端播不了。

第三个：音频时长参数必须传毫秒，不是秒。我传了 10 秒，它当成 10 毫秒处理，客户端显示语音只有 0.01 秒，根本没法播。

所以真正的问题从来不是「能不能做」，而是「路径对不对」。知道路径，比知道答案更重要。

有一天下午 Agent 突然断联了，我以为是软件问题，查了半天——结果是电脑进入了睡眠模式。Mac 上一条命令关闭交流电下的睡眠就解决了。用 Agent 当日常助手，电脑保持不休眠是物理前提，跟软件配置无关。

四个坑说完了，但我还要补一个让我彻底回不去的理由。

这个 Agent 有一套 Skills 系统，你可以给它写「技能说明书」，告诉它遇到什么情况该怎么处理。真正厉害的地方在于：它不只让你手动写，还支持自动诊断和优化。

工具每次调用都会自动记录元数据——失败率、响应时间、是否有反复振荡——全部采集下来。然后跑一个健康检查脚本，它会告诉你：哪些 Skill 有边界条件漏洞、哪些工具链有降级风险、哪些工作流在来回振荡。

发现问题之后，配合一个评分工具，用类似做实验迭代的思路，给你的 Skill 打分、跑对比实验，再自动提出改进方案。你确认，它改，改完再验证一轮。完整闭环：评估 → 改进 → 实测 → 确认 → 保留或回滚。而且这一切在用户目录下运行，不碰源码，升级版本后你的 Skills 和进化记录全都保留。

我管着二十多个 Skill，靠人工逐个检查根本不现实。这套机制让「维护 Skill」变成了可量化、可复盘、有闭环的工程流程。

用了两天之后，我最大的感受是：跟 AI Agent 协作，很多人关心的是 Agent 能做什么——能写代码、能发消息、能搜索。但我关心的是：我自己知不知道我要什么，并且能不能把这个路径准确地传达给 Agent。

工具越来越强大了，但它永远需要一个人来掌舵。让你来主导，让 Agent 来执行——这是我觉得一个好用的 Agent 和其他 AI 工具最本质的区别。