国产 Agent 又出黑马：能持续干活，还能自我进化

我用 AI 工具写代码、改代码，前后一年多了。用得越久，有件事越烦。 它跟我说改好了，测试也过了，但我没法核对。测试到底跑没跑，改了哪几个文件，中间失败过没有，我都不知道。我能看到的只有它最后发回来的那段话。 前段时间折腾到一个叫 TheOne 的系统，国内团队做的，全中文界面。我本来以为又是个套壳聊天工具，用了几天发现还真不是。 它干的每件事都留记录，活干完了还有一道单独的验收，它自己说完成了没用。这样的 Agent，我之前没遇到过。 TheOne 到底是什么？ 来看看它和普通 AI Agent 有什么不同？ TheOne 不是一个大模型，也不是普通的 AI 聊天机器人，而是一个能够统一协调模型、工具、任务、记忆与验证机制的元智能体系统（Meta-Agent）。 普通 AI Agent 通常围绕具体指令执行任务，而 TheOne 更像一位智能工作组织者：用户只需提出目标，系统便可以规划任务、调度资源、执行工作、检查结果，并持续保存任务进度。 模型负责思考，TheOne 负责组织与执行 TheOne 不依赖单一大模型，而是通过多模型协作、长期记忆和任务管理机制，让复杂工作能够跨会话持续推进。 在软件开发方面，TheOne 集成了三大编程智能体引擎：TheOne、Codex 和 Claude Code，能够根据不同编程任务的特点，选择合适的引擎执行代码分析、功能开发、问题修复及测试验证等工作。 这意味着，用户不必自行决定每一项任务应该交给哪个编程智能体，TheOne 可以承担统一调度与协作管理的角色。 不只是执行，更重视结果验证 TheOne 的核心架构由多个能力模块共同组成： • Goal / Mission： 管理长期目标与任务进度。 • OneClaw / Worker： 负责工具调用和具体任务执行。 • Memory： 保存重要上下文与工作经验。 • Verifier： 独立核验任务执行结果。 与普通 Agent 不同，TheOne 强调执行与验证分离：智能体完成任务，并不意味着任务自动通过验收，还需要经过相应的验证机制。 TheOne 的核心价值，不是让 AI 多回答几个问题，而是让不同的 AI 能力真正组织起来，持续、可靠地完成复杂工作。 编程这块做得非常出色 我自己用得最多的，还是让它给我写代码。 其实用 AI 写几段新代码不算什么，难的是改老项目。老仓库里不只有代码，还有数据库、接口、权限、测试和部署。几段代码能跑，离交付还远。 进仓库以后，它能做哪些活 我丢给它的任务有大有小。有时候就是修一个 Bug、补一个小功能，有时候是重构、数据库迁移、依赖升级，或者性能优化。它动手前会先把仓库翻一遍，看项目结构、用的技术栈、几个模块怎么连在一起。 比如加一个功能，只看页面和接口怎么写就不够了。原来的架构能不能接，数据库要不要改，权限会不会受影响，都得一起看。改完以后，它还会把单元测试、集成测试、类型检查和项目构建跑一遍。 这样的流程非常好，方便我事后去翻，哪几个文件变了，测试跑没跑，最后验收过没过，都有记录。 下面拿一次升级任务说。 一次升级任务的全过程 之前让它升级我手上一个仓库，它每一步做了什么，页面上都有记录，我事后一步步翻过。 它干活的路数跟我想的不太一样。 迁移这块，它先拿一个 PostgreSQL 裸库跑 upgrade、current、downgrade，跑完把测试库删掉，确认迁移在真实数据库上能往前走，也能退回来。然后又换到 SQLite，把升降级复跑了一遍，看两套数据库语法下有没有回归。 跑到一半，它自己发现一个问题。 有个动作之前批准了，但还没执行。重新分析之后，审批记录还停在“已通过”，旧审批有可能继续生效。它没直接动手，先写了个回归测试去复现。测试按预期失败了，页面上红字标着退出码 1；确认问题是真的，它才把旧审批重置回待批准。 先复现再修，这一步挺费事的，它还是做了。 改完以后，我不用只听它说 这点我想单独说，以前 AI 跟我说“改好了，测试也过了”，我只能选择信不信。测试到底跑了没有，中间有没有失败，它改了哪几个文件，我都没法核对。 TheOne 没让干活的自己给自己打分，干活一套，验收另一套。它说完成不算数，页面上得能看到改了什么、跑过什么、测试和验收结果，我可以事后一条条翻。 这次升级任务里也是这个流程，它先把问题复现出来，再修，修完再跑验证。中间那次失败也留着，没有只把最后那个“成功”拿给我看。 挂着跑的长期目标 有些活一次跑不完，比如翻一个很大的仓库，或者一次改好几个模块。它就会把任务拆成几段慢慢跑，跑到哪一步、这一段要验证什么、哪里还在等我批准，页面上都有。 目标页上挂的东西不少。 衡量标准有 10 条：全量测试通过、至少 3 个架构问题有代码证据、故障恢复后不重复扣费，做到一条勾一条。1页面底下记着上次复盘时间、下次复盘时间。已花费 ，预算10，每周复盘一次。需要我批准的事就卡在这页，我点完它才继续。 中间断过一次，我重新进来，它从断的地方接着干，进度都在。 自我进化：证据不够，不出提案 侧边栏有个“自我进化”入口，我点进去看了。 草拟提案 0 条，被拒簇 0 条，状态是“就绪”。 页面上写了规则：一类失败要攒够三条不同来源的证据，才会变成提案出现在这里。够不着门槛的也会列出来，带着原因，不会悄悄丢掉。 运行健康：失败次数直接写出来 平台控制台里有一页运行健康。 近 24 小时跑了 61 次，成功率 92%，失败 5 次，等审批 0 个，最近一次心跳的时间也在页面上。 Worker 可用 21 个、缺失 24 个，也都列着。 技能目录 控制台还有一页技能目录。 我扫了一眼，里面有代码审查、修复缺陷、架构和接口设计，也有竞品分析、现金流分析、预算规划、合规评审、回测和模拟交易。往下划还有不少。每个都带版本号和“内置”标记。 团队自己发的技能也在目录里，支持签名、评测和回滚。 写代码之外，我也试了这几块 研究：报告带出处 让它查资料做研究，出来的报告每个结论都带出处，能点回去看原文。 它会交叉核对时间和事实，来源说法打架，就把冲突列出来，不替人拍板；工具没配好，也会直接说查不了，而不是硬编一份报告。 文档：分析完直接出成品 聊完、研究完的东西，不用自己再整理一遍。 报告可以直接导出 Word，汇报出 PPT，数据出表格，下载就能用。也能把 PDF、图片、代码丢给它，从原始材料开始做。 记忆：换会话不用从头交代 说过一次的偏好、项目里的约定，它记着。过几天开个新对话接着干活，背景不用重新讲一遍。 记了什么自己能查到，不想要可以删。 token消耗一目了然 用完我翻了下用量记录。 这类工具我一直有笔糊涂账，一个任务下来花了多少，大部分产品说不清楚。 TheOne 每次调用都会留记录。打开能看到这次用了哪个模型、多少 Token、花了多少钱，请求 ID 也在。估算费用和实际结算费用分开标；查不清的地方就标未知，不硬凑。 费用这块还有个细节： 模型主要负责想，OneClaw 负责跑具体操作，比如操作文件、搜代码、跑 Git 命令、测试和构建。工具做这些事的时候，不用每次都让模型重新想一大段，账也能拆得更细。 它到底能省多少，我现在还下不了结论，得拿同一个任务，在同样条件下跑一遍才知道，之后 token 充足了我再试试。 这些场景可以先用 用了一段时间，我觉得这个产品在一些场景下优势特别明显： 场景 可以先让它做什么 研发 读仓库、改小块代码、跑测试和安全检查，最后把能交给人的材料整理出来 产品 整理需求、写 PRD、排路线图，验收条件写清楚，项目结束后再补复盘 运营 做活动前的内容计划、活动后的数据复盘，整理 SOP，按周期生成报告 管理层 把决策前要看的信息、风险项、各团队进度放在一起，方便核对 专业服务 查资料、写报告、做方案、整理文档，用到的资料和出处一起留下 工程建设 统一收进方案、进度、质量问题、变更记录和风险情况，最后拍板还是得人来 金融研究 整理公开信息、做风险分析、跑策略回测和模拟交易，别直接碰真实交易 使用感受 这几天我主要还是让它改代码。 它改了哪些文件，测试跑没跑，中间失败没有，花了多少钱，这些我现在都能自己翻，以前只能听它说。 国产 AI 工具我用过不少，但把权限、验收和花销都摊开让我查的，没几个。如果你也遇到过 AI 说完成了但没法核对的情况，可以自己去开一个试，传送门：the1os.io/os 试过就知道，会有不一样的体验，现在国产 Agent 真的是做得越来越好了。