运营一个账号、持续跟踪一个领域、推进一项长期项目，都需要有人记住目标，把事情一轮轮做下去。我们正在做的 Sparse Agent，就是这样一个围绕长期目标工作的私人助理，也可以把它理解为一个数字员工。
一个能长期负责一件事的私人助理
我们希望和这样的员工合作：把一件需要持续做的事交给它，说清楚目标和要求，接下来由它负责安排工作、观察结果、调整方法。目标可以按月设定，也可以放到一年，甚至几年。你不必每天重新布置同一件事，它会根据当前进展继续跟进。
一个真正意义上的数字员工，还应该定期向用户汇报：已经完成了什么，距离目标还有多远，接下来准备怎样推进。用户可以补充资料、提出反馈，也可以修正方向。主动跟进、定期汇报和接受反馈，都是这份长期职责的一部分。
用目标、KPI 和约束定义员工
这是我们与以定时任务、事件触发为主要组织方式的 personal agent 的区别。定时和事件说明什么时候开始工作；Sparse Agent 从一项长期职责出发，围绕希望达成的结果安排后续行动。
我们用 Goal、KPI 和 Constraints 来定义一个数字员工。Goal 写清楚它要为谁完成什么事、持续多久；KPI 说明怎样衡量进展和结果；Constraints 则约定工作边界，例如哪些操作可以自行完成、哪些内容需要先给用户确认，以及什么时候应当请求协助。
把这些要求说清楚后，Agent 就可以把目标展开成后续工作。完成一轮执行，它会检查当前结果，决定下一步做什么、什么时候再开始。目标尚未完成，就继续安排下一轮，直到任务完成，或者用户决定调整、暂停这项工作。
几个月到几年说的是它持续负责的目标周期。模型和云环境正常可用、所需账号授权已经完成时，Agent 才能在这个周期中继续推进工作。用户把职责交给它以后，日常跟进由它承担，用户通过汇报和反馈掌握进展。
我们也为这个员工准备了一台能够实际工作的电脑。它采用 DHH 发起的 Omarchy，一套面向 Agent 工作的完整 Linux 操作系统，提供浏览器、终端和可以按任务扩展的软件环境。Agent 可以在其中查资料、处理文件和运行工具，工作能力可以随着任务需要继续扩展。
这台电脑是开在用户自己的 DigitalOcean 账号下的虚拟机。用户可以查看和管理主机，通过 SSH 进入工作环境、检查文件，也可以决定继续保留还是删除。交给数字员工处理的数据和工作文件有明确的归属，用户始终有入口管理自己的数据资产。
云端 Memory，让不同 Agent 复用经验
我们还提供云端服务 Sparse Agent Memory。在同一账号和用户授权的范围内，不同 Agent 可以复用共享的工作偏好、项目约定和处理经验。一个 Agent 积累的有用信息，可以成为后续其他 Agent 开展工作的参考；各自的私有记忆仍按权限管理。
比如，运营 Agent 已经确认产品介绍应该先讲实际用途，再讲功能列表，这条偏好保存到共享记忆后，接手相关工作的写作 Agent 就可以查询并使用。用户纠正过的说法、已经确认的项目决定，也可以继续用于后面的任务，减少反复解释和重复摸索。
我们所说的“越用越聪明”，来自这些经验的积累：有用的方法保存下来，过时的要求及时更新，下一次工作再结合当前情况使用。目标、KPI 和约束让 Agent 知道自己要负责什么，云端 Memory 则让它和其他获得授权的 Agent 用上已经积累的经验。
哪些工作适合交给 Sparse Agent
有些工作需要持续经营，有些事情需要跨过许多等待，还有些项目需要围绕同一个问题反复改进。目标明确、结果可以检查、后续还需要不断跟进的工作，都适合用这种方式组织。
持续一年的社交媒体运营
你可以给一个运营 Agent 定下一年的目标：围绕产品持续运营微博、知乎或 X，让关注这个领域的人更了解产品。KPI 可以是可核验的内容触达量，也可以是你希望持续改善的账号数据。目标值、统计周期和计算方式都需要先说清楚，方便后面检查进展。
把产品资料、已有内容和工作偏好交给它以后，它可以在约定的范围内自行安排选题、尝试不同表达、调整发布节奏。哪些内容表现较好，哪些话题还需要解释，距离这段时间的 KPI 还有多远，都可以成为下一轮工作的依据。你不用每天告诉它发什么；它负责把目标展开成持续的运营工作，按约定汇报，也根据你的反馈调整。
我们之前的社交媒体运营案例，就把月度可核验触达量作为 KPI，并在日报里跟踪累计进展、剩余差距和下一步安排。一年是可以设定的职责周期，具体结果要在持续运营中检查。
跨两周的苹果开发者账号申请
另一类工作有明确的终点，却需要经历许多等待和往返沟通。我之前交给 Sparse Agent 的一项任务，就是处理苹果开发者账号，并完成 PythonMiao 桌面软件的开发者签名。
这件事涉及注册和续订、填写工单、与苹果客服沟通、确认付款，以及后续的证书、签名和公证。账号没有激活，要继续查原因；客服还没有回复，要保留进展、安排后续跟进；需要我登录、确认身份或授权付款时，就主动来问，提醒我把下一步所需的事情补齐。
项目里的案例记录，从 7 月 16 日下达任务，到 7 月 29 日完成签名公证，整个过程跨了约 13 天。任务的检查标准是账号和会员资格可用，最终软件签名、公证及分发验证通过。中间有许多时间花在等待上，Agent 会继续跟踪状态，按约定提供进度日报和后续计划。
用户把事情交出去以后，日常协调和跟进由它承担。需要本人完成的登录、身份确认和付款授权，仍然由用户处理；Agent 要说清楚缺什么、为什么需要，以及完成之后它会继续做什么。用户可以不用自己追着每个环节走，必要时由它来提醒用户配合。
连续三个月的网站性能优化
对于开发团队，也可以给一个 Agent 设置持续三个月的性能优化目标。先选定需要改善的网站或应用，再约定页面加载时间、关键接口响应时间、错误率等需要观察的指标，并确定基线、目标和检查方法。
在这个周期里，它可以持续监测运行情况，结合数据寻找优化点，复现问题，修改代码，再对比优化前后的结果。上线以后，还要继续观察实际表现：问题是否解决，有没有影响其他功能，下一步应该优先处理哪里。每一轮调整都围绕同一项性能目标推进。
这类任务的约束也可以写得很清楚：改动先交给人审核，确认没有问题后再发布上线。Agent 负责监测、分析、准备改动和跟踪效果，人保留审核与发布决定。三个月内，它持续把注意力放在这项性能工作上，而用户通过阶段汇报掌握进展。
这三类工作分别对应长期运营、跨多日的具体事项和持续改进项目。Goal 说明要把什么事情做到什么程度，KPI 帮助检查当前进展，约束明确它可以自行推进的范围。接下来继续用账号运营为例，看看怎样把这份职责写成一个具体目标。
从一个长期目标开始
以运营微博或者 Twitter 为例，你可以给它这样的目标：
未来一年，持续运营我的账号，让关注这个领域的人更好地了解我们的产品。围绕真实的产品进展选题，定期复盘内容效果，根据反馈调整发布频率；每周向我汇报进展。
这是一份可以继续细化的目标示例。你还可以说明面向哪些读者、怎样判断效果、哪些内容可以直接发布、哪些需要先给你看。目标越清楚，后续合作就越容易检查和调整。
在工作台填写 Goal 、 KPI 和执行约束。图中的微博运营目标为填写示例，尚未创建 Agent 。
在这个目标下，工作会逐渐展开：先了解账号和已有内容，准备选题与素材，发布后再查看反馈。某类内容没有得到预期回应，就继续检查选题、表达和发布时间；一种做法值得保留，就把它用于后续尝试。
发帖频率也可以成为需要摸索的事情。刚开始按约定的节奏做，积累一段时间的反馈后，再判断是否需要调整。长期运营中的这些判断，需要和目标、素材质量以及实际结果放在一起考虑。
做完这一轮，也知道何时再开始
一个长期工作的助理，需要懂得安排自己的时间。
比如，上午已经完成选题和内容准备，下一条内容适合傍晚发布，中间又没有其他需要处理的事，就可以先休息。到了下一次需要工作的时间，再接着推进。遇到新的资料、你的补充要求，或者需要提前准备的事情，也可以相应调整后续安排。
Sparse Agent 每一轮工作结束时，会保留当前进展，安排下一次工作的时间和任务。后面继续时，再结合已有记录和最新情况，判断接下来应该做什么。目标没有完成，工作就还有后续。
定时任务适合安排固定动作，事件触发适合处理明确的新情况。Sparse Agent 更看重的是：由目标和当前进展决定下一步，连工作节奏也可以在这个过程中调整。 到了什么时间、发生了什么事情，都是它安排工作时需要考虑的信息。
这也是它控制 Token 消耗的一部分。休息期间，不需要让模型一直生成内容来维持工作状态；需要判断和执行时，再调用模型。按需工作的方式可以减少等待期间的消耗，实际用量则取决于所选模型、任务复杂度和工作量。
你随时补充，它把经验留到以后
长期合作一定会有变化。产品增加了一项能力，你希望下一轮内容重点介绍；你看过一篇草稿，发现某种表达不符合自己的习惯；之前采用的方法有了新情况，需要重新调整。这些都可以直接发消息告诉 Sparse Agent 。
接入云端 Memory 后，值得长期保留的要求、判断和处理经验可以保存下来。之后遇到相关任务， Agent 再查询和使用。比如，你希望产品介绍先讲实际用途，再讲功能列表，就可以明确让它记住，下次写稿时继续参考。
Sparse Agent 的“设置 → 云端记忆”界面。当前连接已就绪，连接账号已遮挡。
纠正也可以这样积累。如果某条内容的说法不准确，把正确的信息和适用条件告诉它，并更新相关记忆。下一轮工作就有了可以查阅的新依据。我们希望它在一次次合作中，逐渐熟悉你的要求，也更清楚哪些方法适合当前任务。
Memory 提供的是可查询、可更新的长期记录。实际使用时，可以让 Agent 说清楚它查到了什么、准备怎样用，再从结果中检查这次修正有没有生效。
直接发消息，就能开始合作
开始使用 Sparse Agent ，不需要先把邮箱、日历等第三方工具全部接好。完成模型和云环境的基础配置、定义目标以后，就可以在工作台里直接给它发消息，补充素材、查看进展，或者安排眼前的一项任务。
具体工作需要用到哪个账号，再完成相应的登录和授权。例如，要在微博或 Twitter 上发布内容，就需要在 Agent 使用的浏览器里登录自己的账号，并约定好发布范围。临时补充资料可以直接发消息；需要改变长期要求时，可以在工作台编辑 Goal / KPI 。
我们也正在推进与 Telegram 等即时通讯工具的对接，希望以后在日常使用的聊天工具里，就能和这个助理沟通。这一部分还在开发中，后续再和大家介绍。
带一件想持续做的事来试试
这次开放 Sparse Agent 的邀请体验。感兴趣的朋友，可以直接私信我，或者在公众号后台留言 “助手”，告诉我你希望它持续推进哪件事，我会把邀请码和使用入口发给你。
首次加入按页面提示使用邀请码，再用自己的 Auto-Coder Chat 账号登录。当前体验版需要配置模型和云服务；月度、年度说的是目标周期，持续推进这类目标还需要安排后续运行环境，并在到期前保存成果。
我们想把数字助理做成一个能够长期合作的伙伴：目标记得住，有事时认真工作，适合等待时先休息，发现问题后再调整。欢迎带着一个具体目标来体验，也欢迎把合作中不顺手的地方告诉我。
使用手册：https://sparse-agent.com/cases/goal-kpi-constraints.html
受限于服务器资源，我们采用邀请制。感兴趣的同学可以发邮件至 allvefantasy@gmail.com 申请