把目标和要求交代清楚之后，你就可以把这份职责交给 Sparse Agent，不再主动操心它的具体推进。它像一名正式员工一样，自行安排工作、主动汇报进展和结果。普通汇报你可以不回应；遇到紧急且需要你作决定的事情，它会自行判断什么时候再次联系你，必要时多次联系，争取及时得到你的回应。
这样的工作方式，已经可以在 Sparse Agent 里开始使用了。我们把长期目标交给 Sparse Agent，把眼前需要集中处理的事情放进 Dense Agent，再通过远程桌面准备好它需要的工作环境。
从人的参与方式来看，我们实际采用的是三种形态的混合：Sparse Agent 是接下职责、自行工作的员工；Dense Agent 是你亲力亲为时使用的执行工具；To Do List，也可以叫 Approve List，由 Agent 不断提出行动，你只做审核通过或拒绝的决定。
我的判断是，整个 AI 未来的终极形态，就是 Sparse Agent、Dense Agent 和 To Do List（Approve List）的混合。三者会被混用，共同完成同一份工作。 一项长期任务推进到不同阶段，人会以不同的方式参与其中，我们正在把这种合作做成今天就能使用的工具。
官网首页提供 Sparse Agent 和 Dense Agent 两个入口。
Sparse Agent 面向的是以年、月、周为单位推进的目标。你把一份需要持续做下去的工作交给它，说明希望得到什么结果、用什么指标衡量，以及它可以自主决定哪些事情。职责交代清楚以后，推进工作、跟进结果、安排后续行动，都由它自己负责。你需要知道的进展和结果，会由它主动送到你面前。
比如，你希望未来三个月持续了解用户对一款产品的反馈。可以约定由 Agent 整理反馈，归纳反复出现的问题，跟进你已授权联系的用户，每周提交一份报告。报告里要说清楚新增了哪些问题、哪些事情已经处理、哪些还需要你参与。KPI 也可以具体到有效反馈的数量、跟进事项的完成情况，以及报告是否按时交付。
长期研究助手的填写示例：分别说明目标、衡量方法和执行要求。截图停留在表单，未启动这项任务。
在这样的安排下，每一轮工作都和同一个目标有关。上周留下的事项，由它继续跟进；收到新的回复，由它补充到已有记录中；一段时间没有进展，也由它分析原因、调整后续安排。你不必把这件事继续挂在自己的待办清单里，更不用记着回到电脑前检查进度。
这很接近把一份工作交给正式员工。员工负责把事情往前推进，也负责主动向你汇报。你没有回应一份例行报告，已经授权的日常工作仍会继续。如果它判断有一件紧急的事情必须请你作决定，就由它主动来找你，并根据紧迫程度决定是否再次联系。推进、汇报和紧急沟通，都是这份职责的一部分。
另一些事情，你就是希望亲力亲为。刚收到一份资料，想按自己的思路研究；一段代码出了问题，准备亲自把问题理清楚；一份方案需要修改，判断怎样表达更合适。这时，工作由你主持，你决定研究什么、怎样修改、什么时候结束。
Dense Agent 就是这时使用的执行工具。你在当前会话里提出要求，让它搜索、分析、写作或修改，再根据结果继续给出指令。它提供项目、会话和附件等操作，帮你完成具体动作；思路、判断和工作进程仍由你掌握。你始终是这件事的主动推进者。
Dense Agent 的项目与会话界面。演示任务是整理产品更新说明，账号和节点名称已遮盖。
例如，你亲自设计一份周报时，可以用 Dense Agent 整理资料、调整结构，逐步确定格式和关注重点。等这些要求稳定下来，再把持续更新周报交给 Sparse Agent。前一阶段是你使用工具把事情做清楚，后一阶段则是一份已经交代清楚、可以由员工持续承担的职责。
让这两种工作方式进入日常，还有一个很实际的问题：Agent 得有一台准备好的工作电脑。它需要文件、浏览器，也需要使用某些已经登录的账号。
我更愿意采用一个朴素的办法：人自己进入远程桌面，把工作环境准备好。在 Agent 将要使用的浏览器里打开网站，输入账号、扫码，完成必要的身份确认。登录这件事由本人处理，之后 Agent 沿用这个环境继续工作。
Sparse Agent 已经提供了远程桌面入口，当前支持其 Omarchy 云桌面环境。用户可以进入桌面，操作里面的浏览器和应用；断开查看连接后，云电脑与应用仍会继续运行。模型、云环境和必要账号准备好以后，Agent 就有了一个可以持续使用的工作场所。
这个办法让我们不必为了交代任务，把账号密码粘贴进聊天消息。网站要求扫码时，就由本人扫码；需要人工验证时，就由本人完成。我们熟悉的电脑使用习惯，可以自然地延续到与 Agent 合作的过程中。
登录完成以后，也需要交代清楚账号的使用范围：可以联系哪些人，哪些内容可以自行发布，哪些事情需要先看过再决定。本人登录解决了身份验证，日常授权决定了 Agent 可以怎样工作。两件事都安排好，长期协作才有明确的依据。
第三种形态是 To Do List AI，也可以叫 Approve List。Agent 持续把它认为值得做的事情送到你的待审清单里，说明准备做什么、为什么要做、预期得到什么结果。你每天打开这份清单，唯一要做的就是决定：通过，还是拒绝。通过之后，事情就交给 Agent 执行。
我每天使用的 Dream「工作清单」，本质上就是这样一份 Approve List。Agent 会不断提出新的行动，任务内容已经整理好，清单里有“审核通过并执行”和“忽略”等操作。我认为值得做的，就点“审核通过并执行”；不打算做的，就忽略。后面的执行由 Agent 完成。
Dream「工作清单」中的待审核任务，可以选择“审核通过并执行”或“忽略”。
在这种工作方式里，你不必自己寻找今天应该做什么、设计执行步骤，再一项项交代出去。发现机会、整理任务、准备执行方案，都由 Agent 主动完成。人的职责集中到最后的决策：这件事，做不做。清单会持续更新，你看到新的待审行动，再作出决定。
以持续跟踪产品反馈为例，已经交给 Sparse Agent 的日常职责，由它自行推进，报告也由它主动送来。它发现一项值得投入的新改进，就把具体行动和理由整理进 Approve List，等你决定做不做。如果其中有一份回复是你愿意亲自打磨的，你就使用 Dense Agent，在当前会话里指挥它修改。你再把确定下来的要求补充给长期任务，交给 Sparse Agent 继续负责。
同一个目标由此贯穿三种形态：有些职责交出去以后，你可以不再主动管理；有些事情由你亲自推进，Agent 作为工具执行；还有一些行动由 Agent 提出来，你只作通过或拒绝的决定。三种关系会在真实工作中反复出现，也会混合使用。
我认为，这种混合就是 AI 未来的终极形态。人会同时拥有能够自主工作的员工、供自己亲自使用的执行工具，以及不断收到新行动的待批准清单。Sparse Agent、Dense Agent 和 Approve List，分别承接这三种需要。
“未来已经被实现”说的是，我们已经能够开始这样工作：把一份职责交出去，由 Agent 主动推进和汇报；亲自做事时，用 Dense Agent 完成具体操作；面对 Agent 持续提出的新行动，只做通过或拒绝的决定。这三种形态，会共同进入我们的日常工作。