国庆前，我说会拿出两个大的新进展。现在可以把它们放在一起讲：一个是 Sparse Agent Memory 云端记忆服务，另一个是建立在我们此前实践基础上的 Sparse Agent 个人助理。
这两件事都来自长期使用 Agent 的经验。和它合作得越久，越需要它记住已经确认的要求，也越需要它持续负责一件事。用户花过时间解释的背景，应该能在后续工作中继续用上；已经交出去的目标，也应该有人负责跟进。
我对这两个产品的判断很明确：面向跨设备合作，记忆必须做成 SaaS；Personal Agent 要成为生产力工具，就必须能够替人盯住事情。前者让经验延续，后者让工作延续。
记忆是长期合作必须有的基础
就我自己的实践而言，Sparse Agent Memory 是目前用下来效果最好的一套 Agent 记忆系统。这是我在实际工作中的判断。它的价值体现在后续任务中：已经确认过的要求能否找回来，过去解决问题的方法能否继续参考，新的修正能否进入下一轮工作。
和 Agent 合作会积累许多这样的信息。文章应该怎样写，项目有哪些约定，日报需要包含什么，哪些办法已经试过，某个决定是在什么条件下作出的。这些内容往往比某一次回答更长久地影响工作。
例如，我已经告诉 Agent，日报要先写完成了什么，再写未完成事项和下一步。这条约定应该成为以后写日报时可以查询的要求。项目改变了汇报时间，或者某种处理办法被证明需要调整，也应该把变化记下来，并在后续任务里使用当前版本。
如果每次开始工作都要重新解释，用户就会一直承担整理背景的成本。项目越长、参与的 Agent 越多，这部分成本越明显。记忆需要成为合作中可以不断积累、查询和更新的基础。
我们做的记忆服务，关心的就是这些信息保存以后怎样继续用得上。Agent 在开始任务时查找相关约定，工作中保存新的决定和可复用的方法，后续任务再结合当前情况使用。这样，一次工作里形成的经验，才有机会帮助下一次工作。
跨设备工作，要求记忆离开某一台机器
Agent 会在不同设备和环境里运行。今天在电脑上处理一个项目，之后可能换到另一台电脑，也可能让云端的 Agent 接着工作。同一个用户的工作经验，需要能够跟着这些变化继续使用。
如果每台设备都只有各自独立的本地记忆，设备之间又没有统一的访问和同步方式，之前积累的要求就会留在原来的机器上。换一个环境，用户又得找文件、搬资料、重新解释。不同 Agent 也可能分别记下不同版本的要求，后面还要有人负责核对。
这就是我认为记忆 SaaS 化非常必要的原因。SaaS 在这里的意思很直接：记忆服务运行在云端，提供统一的保存、查询和管理入口，Agent 按账号和授权范围连接使用。工作环境可以变化，有用的信息仍然有一个可以访问的位置。
对我们希望支持的跨设备、长期 Agent 合作来说，这项能力是必要的。我们把 Sparse Agent Memory 做成独立服务，也是希望记忆能够持续保留在用户的账号和项目里，供后续工作查询和更新。
用户自己也需要管理这些信息。在 Memory 网页中，可以选择自己的项目，查询已有记忆、检查项目状态、运行校验，并导出备份。遇到旧要求不再适用时，可以更新相关内容，再查询确认。服务化的意义，也包括让用户有一个持续管理工作经验的入口。
Sparse Agent Memory 项目查询界面，包含查询、状态、导出、导入和校验入口。
共享经验，需要明确的范围
不同设备上的 Agent 要复用同一份经验，需要接入相应的授权记忆项目。比如，运营工作已经确认的产品表达，后面承担写作任务的 Agent 可以在获得相应访问权限后继续参考。用户希望复用的是已经积累的资料和做法。
共享的范围需要说清楚。记忆按账号和项目管理，不同账号相互隔离；当前 Sparse 工作台也为每个 Agent 保留自己的记忆。连接同一个服务，不会让所有 Agent 自动互相读取私有内容。跨设备或跨 Agent 复用时，应确认它们访问的是哪一个经过授权的项目。
记忆是否产生效果，还取决于 Agent 有没有在任务中查询和更新它。我们所说的“越用越聪明”，来自具体的合作过程：有用的经验保存下来，过时的要求及时修正，后续工作能够找到并使用这些内容。用户可以从一条工作偏好、一个已经解决的问题开始，检查它是否真的帮助了下一次任务。
Sparse 工作台可以从“设置 → 云端记忆”连接 Chat 账号，并检查连接状态。已有本地记忆也可以按页面说明迁移，原有记录保留。更详细的操作，见云端记忆使用说明。
Personal Agent 要承担盯事情的责任
另一项进展是 Sparse Agent。它延续了我们此前已经实践过的工作方式：用户给出一个目标，Agent 保存进展、安排后续工作，在需要配合时主动联系用户。
我认为，人做长期工作时很辛苦的一部分，就是盯着事情。要记得上次做到哪里，判断现在有没有变化，决定什么时候再检查，催需要配合的人，把一轮工作和下一轮接起来。一次具体操作可能很快，持续负责这些安排却会占据很多时间。
以网站性能优化为例。如果我希望这个月集中改善性能，却每天还得发几十个甚至几百个 prompt，告诉 Agent 查哪些页面、分析哪些问题、接着改哪里，我就仍然在承担这项工作的日常跟进。Agent 做了一部分操作，我还要一直记住进展，并推动下一步。
我们希望 Sparse Agent 能承担这份持续跟进的责任。用户把目标、检查结果的方法和工作范围说清楚后，它根据当前进展安排工作，定期汇报，接受反馈。目标周期可以是几个月、一年，或者更长；具体事项达到约定的验收标准后，可以结项。
Dots、Muse 让更多人开始关注 Personal Agent，它们的官方介绍也提到了持续推进任务和主动联系用户。我们判断这类产品能否成为生产力工具，尤其关注长期合作中的实际表现：用户交出一项职责以后，Agent 能否自己把后续工作接起来，让用户通过汇报和必要的协助参与。Dots 官方介绍、Muse 官方介绍
用目标、KPI 和约束定义这份工作
Sparse Agent 用 Goal、KPI 和 Constraints 来定义一份职责。Goal 说明为谁工作、希望达成什么结果、持续多久；KPI 说明怎样检查进展和结果；Constraints 约定允许它自行处理哪些操作，以及哪些事项需要人审核或协助。
例如，可以把一项工作定义为：接下来一个月，持续改善某个网站的性能。先选定关键页面和接口，确认当前基线，再约定加载时间、响应时间、错误率等指标的目标与测量方法。工作范围也要明确：代码改动提交给人审核，审核通过以后再决定发布。
在这份职责下，Agent 可以检查运行状态，寻找影响指标的问题，复现问题，准备改动，比较优化前后的结果。发布之后继续观察实际效果，再安排下一轮工作。阶段汇报里，要让用户看到当前指标、已经做过的改动、还存在的问题和后续计划。
定时任务和事件触发可以安排什么时候开始一轮执行。长期工作还需要根据目标、进展和结果继续作出安排。完成了一次检查，接下来该处理什么；外部条件暂时不具备，什么时候回来确认；用户补充了新判断，哪些计划需要调整。这些都是盯事情的一部分。
Sparse Agent 任务填写界面。图中的微博运营目标为填写示例，尚未创建 Agent。
在每一轮工作结束时，Sparse Agent 保存当前进展，并安排下一次工作的时间和任务。等待期间保留记录，需要继续判断和执行时再开展工作。用户提供反馈，Agent 把新要求接进后续安排，继续围绕同一份职责推进。
已经做过的实践，以及可以继续交给它的工作
此前，我把苹果开发者账号与 PythonMiao 桌面软件签名的事项交给过 Agent。任务在 2026 年 7 月 16 日下达，7 月 29 日完成，跨了约 13 天。过程中涉及注册和续订、账号激活、客服工单、付款确认，以及后续的证书、Developer ID 签名和 Apple 公证。
这件事的大部分时间需要等待和沟通。Agent 负责记录当前状态、跟进苹果客服，并发送进度日报。需要本人登录、身份确认或付款授权时，它主动说明缺少什么，请我配合；必要操作完成以后，它再继续推进，直到账号和软件分发检查达到约定的标准。
这种工作方式，也可以用于持续运营一个社交媒体账号，或者围绕一组网站性能指标长期改进。职责周期可以按需要设定：运营可能是一年的岗位，性能优化可能集中做一个月或三个月。它们的进展要在持续工作中检查，这些周期是可以设定的安排。
用户仍然保留判断和必要操作的责任。Agent 需要人的帮助时，要把问题说明白，并主动跟进。人通过汇报了解进度，在需要决策或授权的时候参与，日常协调由 Agent 继续负责。
记忆与持续跟进，要在同一份工作里发挥作用
把这两个产品放在一起，意义也就更清楚了。记忆保存用户的偏好、项目约定和处理经验，让后续工作能够找到已有信息。Sparse Agent 承担一份长期职责，把这些要求用于当前任务，并负责安排下一步。
用户把日报格式改了，后续汇报应当使用新的要求；某个性能问题已经处理过，下次遇到时可以先查此前的方法；一项判断被修正，之后的工作也应该用上这次经验。持续跟进会产生新的资料，记忆又帮助后续工作继续使用它们。
长期目标还需要可用的工作环境。Sparse Agent 可以使用用户自己 DigitalOcean 账号下的 Omarchy 云电脑；模型、云主机和账号授权也需要按职责周期安排好。这样，Agent 才有条件在后续时间里继续处理工作。用户可以从一件范围明确、结果容易检查的事情开始，约定好目标、KPI、工作范围和汇报方式，再观察这份合作是否有效。
目前，两项服务都开放邀请体验。想体验记忆，可以在公众号后台留言“记忆”；想让 Agent 持续推进一件事，可以留言“助手”，说明希望它负责什么。也可以发邮件到 allwefantasy@gmail.com 联系我。
记忆服务：Sparse Agent Memory。个人助理：Sparse Agent。工作方式见Goal、KPI 与工作约束手册。
我对这两件事的期待是具体的：已经积累的工作经验，能够跨过会话和设备继续使用；已经交出去的目标，有 Agent 持续负责跟进。用户可以把日常盯进度、安排下一步的精力交给数字员工，自己通过汇报、反馈和必要的决定掌握这份工作。