我之前做过不少“AI 帮我总结消息”的实验，但真正让 Agent 进入日常沟通，难点远不只是读取聊天记录。八月底我重新整理了一套本地 QQ 工作流，希望它能在我明确授权时读取历史、总结群消息、下载文件、回复联系人，同时仍然保持足够窄的权限边界。

底层仍然是本地桥接：QQ 通过 NapCat / OneBot 暴露能力，本地服务负责保存和查询，DevSpace 再把这些动作交给 ChatGPT 或 Codex。这样真正的账号会话和文件始终留在本机，而模型侧只获得完成当前任务需要的那一小段能力。

实践里最麻烦的反而是“无感”。同一个 QQ 账号同时被普通客户端和自动化侧登录，很容易出现重复登录、主界面无法打开等问题。最后我没有继续强求两个会话并存，而是回到更稳定的按需接管：需要 AI 操作时临时进入自动化链路，任务结束后恢复普通 QQ。多一次登录确认，换来的是可预测性。

在这个基础上，我又尝试把它扩展成一个“班务 Agent”。它不是自动替人发号施令，而是把经常重复的工作结构化：查通知、找文件、整理提交情况、核对时间节点、生成待发消息。真正涉及发送、回复、上传这些外部动作时，仍然要求明确的动词授权；“查看、检查、统计、整理”默认只读。

这次最大的收获是重新理解了 Agent 的边界。一个 Agent 好不好用，不只看它能调用多少工具，还看它是否清楚什么时候只能读、什么时候可以写、哪些信息应该长期记住、哪些内容永远不应该被扩散。工具越接近真实账号和真实文件，这些约束就越重要。