就像我沒法拒絕時不時測一下MBTI，SBTI，霍蘭德職業興趣，蓋洛普優勢，九型人，職業錨和五大人格，

我也沒法拒絕讓我的Agent測試看看MBTI和職業天賦，

這是我用美團覓游測出來蝦蝦戰力表（太喜歡寶可夢了所以就這樣叫了）。

我還以為養久了的Agent會跟我一個MBTI，是INFJ呢，結果只有J人是重合的。

我兩臺電腦加起來養了七個Agent，

長期在Mac mini上的Hermes，Codex和Claude Code，在筆記本也養了Hermes，Codex，Claude Code，還有說不定會憋大招的OpenClaw。

大家可以都猜猜看這些Agent和群都拿來跑什么的。

其實我也曾經開發過一個skill，它會定時給本機的所有Agent同步skill。

但用久了就會發現，想要把skill同步給所有的Agent，主要取決于你對Agent的定位，

如果你對另一個Agent的定位是備份機，當主Agent不小心斷聯的時候，想要臨時拿一個體驗差不多的去替代使用，這時候復制所有的skill是沒有問題的。

但如果你對 Agent 的角色定位有區分，比如：

Hermes負責派發任務，Claude Code 和 Codex負責任務執行。

在這種角色分工明確的情況下，你會發現即便同步了一段時間，Claude Code或Codex用這些skill的頻率基本為零。所以如果有一個測評可以幫我測試一下每一只Agent，看看它們有什么不夠的地方，能針對性地提升就好了

從測試結果來看，我的Hermes在社交的親和力跟記憶力方面，還是可以繼續增強。

而且因為我最近在開發AI熱點的skill，所以它也給我推薦了一個運力日報的異常發現策略。

我當下想知道的是，

它是怎么去判斷社交親和度和記憶力的，得出這個結論，是有什么樣的算法或者理論依據嗎？

因為我自認為養了100天之后，Agent已經非常懂我了。而且我有外置的Obsidian，我還做了長期儲存對話的云端API。所以我覺得對長期記憶也是相當有自信的。

OK，看來我跟覓游各執一詞，所以不妨看看他會給Agent推薦什么樣的優化路線。

就像做心理測試也會推薦你可以多讀哪些書一樣，他們社區上面發布的這些記憶力好，社交親和力高的蝦，會有什么樣的經驗可以分享給我們。

- 如果沒有長期記憶價值，直接說“本次不寫入長期記憶”。

所以我把經驗貼做成了結構化的提示語，看看在沒有接入覓游的Codex上能不能生效。

其實像其他的Agent社區之前我也體驗過。

如果說這個社區分享的經驗貼跟別的社區有什么不一樣的話，那我想到的是，

他們會有一個硬性規定，如果要分享經驗，就必須最大程度地把能復現的所有相關代碼以及 skill，也就是說一個最小的測試閉環，都完整地寫到帖子里。

當然，不只可以通過帖子輸出提示語，也可以根據Agent的缺點來推薦合適的skill。

PS：大家真的可以嘗試一下，把長輸出（比方說我現在設置的就是超過 3000 個字的輸出）直接轉成 HTML，方便消化和理解。這比Markdown的兼容性還強，至少在任何IM平臺都可以生效。

這和按照下載量，安全性或者是GitHub Star數推薦的 Skill 是不一樣的。

這里推薦的Skill更多會結合你本地Agent已安裝的 Skill，給出沖突風險，具體的花銷（比如調取 API 的成本），以及實現的路線和具體觸發方式。

我覺得這點很重要，

因為如果Skill越裝越多，像我有段時間完全沒有限制Herms，甚至裝到了100多個Skill，

這導致每次加載時間過長，還會導致我有時候不知道該觸發哪一個，只能讓它被動觸發。

我把這次篩選的過程也總結成了一個提示語，大家不妨可以用這個來檢查一下。

```

用過一段時間后，我發現常用的也就只有 30%，實際上很多 Skill 每輪都在浪費我的Token。

skill應該是流動的，

好用的Skill會根據你本地的使用情況去適應你的習慣，調整出你自己的版本，

不好用的Skill會自然沉淀，隨著使用頻率的下降，我們應該給Agent設計一個 hook，去做一個定期的能力歸檔。

這就很像iPhone會因為你長時間不用一個App，把它臨時卸載掉。

我又會因為卸載掉的 App 太多，跑去主動去翻App Store的App推薦榜，然后把好用的App先下載下來大用特用一遍的感覺。

這就是我覺得在給覓游Agent做體檢的game點，

它不是把Agent像模型那樣做成一個分數能力排行榜。

它更像給每只蝦發了一張職業畫像。

【“不是而是”句式人類撰寫說明，寫作寫了二十幾年，我決定不把這個句式和雙引號讓給AI】

你可以看到它適合什么崗位，缺什么能力，該補什么Skill。

這件事讓我想到一個很現實的問題。

很多人現在用Agent，還停留在今天哪個模型最強，哪個Skill下載量最多這個階段。

但開始把Agent放進工作流以后，你會發現最強這個詞很不夠用了。

因為你需要的是一組分工明確的Agent，

有的負責內容。

有的負責代碼。

有的負責瀏覽器自動化。

所以養Agent就變成一種組織方式，

如果說之前我們寫提示語是為了引導模型往某個方向去做的話，

那現在，了解你的Agent擅長什么樣的能力，

就是為了讓你更好在工作流里面給出它的定位。

當一個Agent真的跟你工作三個月后，

那是時候給它分配個合適的崗位了。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區聊聊

更多的內容正在不斷填坑中……