Assistenten auf dem Schreibtisch driften seit zwei Jahren in eine Richtung: nicht mehr nur antworten, sondern wirklich klicken, Dateien oeffnen und Ablaeufe starten. EasyClaw geht diesen Weg gruendlicher als die meisten, und die Fassung 1.3.124 vom 4. November ergaenzt viel bei Zusammenarbeit und Rechten und macht den Agenten in Chat-Werkzeugen deutlich brauchbarer.

Was 1.3.124 aendert

Die inhaltlich groesste Aenderung liegt bei der gehosteten Datenbank: Mitglieder lassen sich in Stufen berechtigen, und Anhaenge bekommen eine eigene Verwaltung. Das klingt nach einer Funktion fuer grosse Haeuser, bedeutet bei einem Agenten aber etwas anderes. Wenn mehrere Agenten zusammenarbeiten, laesst sich der Datenbereich je Rolle eingrenzen, statt dass alle denselben Schluessel teilen. Dieselbe Fassung erlaubt Lesen und Schreiben im SMB-Bereich samt Dateitransfer, womit Freigaben im lokalen Netz in den Arbeitsbereich des Agenten ruecken.

Die Entwicklung eigener Anwendungen erhaelt Pruefpunkte, ein Rueckgaengigmachen fuer KI-Aktionen und Versionsmarken fuer Veroeffentlichungen. Wer eine Automatisierung baut, kommt mit einem Rueckschritt weiter als mit einem Neubau. Am ehesten merken die Leute aber etwas anderes: der dedizierte Assistent steht jetzt in Einzel- und Gruppenchats von Feishu und aehnlichen Werkzeugen mit vollem Umfang bereit, statt beim Wechsel des Eingangs die Haelfte der Funktionen zu verlieren.

Lokale Automatisierung an den Agenten geben

Die Vorarbeit aus Fassung 123 verdient mehr Aufmerksamkeit. Seit dieser Ausgabe kann ein Agent lokale Automatisierungsaufgaben ausfuehren und verwalten und sich aus einem Gruppenchat heraus starten lassen: ein Satz in der Gruppe, und der Ablauf laeuft auf dem Rechner. Die lokale Anwendungsentwicklung nutzt zugleich wiederverwendbare Bausteine und diese aufgezeichneten Ablaeufe, was zwei Faehigkeiten in eine Kette legt, naemlich eine feste Folge von Schritten aufzuzeichnen und ein Modell die naechste Entscheidung treffen zu lassen.

Diese Kombination loest ein sehr praktisches Problem. Rein skriptgesteuerte Automatisierung bricht, sobald eine Oberflaeche umgebaut wird, und ein reines Gespraechsmodell kommt nie auf den Schreibtisch. Verbindet man beides, geht das Urteilen an das Modell und die stumpfe Wiederholung an die aufgezeichneten Aktionen, was deutlich stabiler traegt.

Vier Eingaenge, jeder mit eigener Aufgabe

Die Oberflaeche teilt sich in vier Bloecke. Der Chat ist der Hauptarbeitsbereich: natuerliche Sprache erteilt den Auftrag, das Modell laesst sich oben rechts wechseln, Anhaenge und Spracheingabe werden beide unterstuetzt. Der Faehigkeiten-Laden ist ein Regal fertiger Bausteine, sortiert nach Bereichen wie Inhaltserstellung, eigene Medien, Handel, Finanzen und Aktien, technische Entwicklung sowie Ausbildung. Bausteine wie ein Praesentationsbauer, eine taegliche KI-Zusammenfassung, ein Kommandozeilenhelfer fuer Repositorien und Sprachverarbeitung installieren sich mit einem Griff, und eigene lassen sich anlegen und weitergeben.

Digitale Mitarbeiter sind eine weitere Ebene. Jeder ist ein eigener Agent mit Rollenbeschreibung, sodass ein Aktienspezialist, ein Betreuer sozialer Konten, ein Zusammenfasser von Besprechungen und ein Planer fuer Unternehmensstrategie jeweils eigene Bausteine mitbringen und mit einem Knopf in die Liste wandern. Geplante Aufgaben reihen sie dann in einen Kalender ein: Frequenz setzen, Client laufen lassen, und die Arbeit geht im Hintergrund weiter, ob jemand am Rechner sitzt oder nicht. Der Kontobereich zeigt die restlichen Punkte, und die Nutzung wird pro Vorgang gezaehlt.

Aus dem Chat-Werkzeug bestellen

Die Fernsteuerung ist mit Sorgfalt gemacht. Der Verbindungsbildschirm nimmt mehrere Kanaele gleichzeitig auf, unterstuetzt werden unter anderem WeChat, Feishu, WeCom, DingTalk, Telegram, Slack und Discord, wobei Feishu die vollstaendigste Erfahrung bietet. Ist die Verbindung da, laeuft eine Anweisung vom Telefon auf dem Rechner, und das Ergebnis landet wieder im selben Gespraech.

Ein Detail sollte man vorher wissen: der Gespraechszusammenhang ist je Kanal getrennt. Damit eine Schlussfolgerung ueberall gilt, muss sie ausdruecklich in die Gedaechtnisdatei geschrieben werden, sonst erinnert sich der Agent bei der gleichen Frage durch eine andere Tuer womoeglich nicht daran.

Lokale Ausfuehrung und Voraussetzungen

Die Ausfuehrung passiert in einer lokalen Sandbox und umfasst Lesen und Schreiben lokaler Dateien, Terminalbefehle, Systemeingriffe und das Steuern eines Browsers, womit auch aeltere Programme ohne offene Schnittstelle bedienbar bleiben. Als Voraussetzung gelten Windows 10 oder neuer und macOS 12.0 oder neuer. Neben der Desktop-Fassung gibt es eine Cloud-Ausgabe mit einem eigenen Host, der 24 Stunden am Tag online bleibt, gedacht fuer Teams, die keinen Rechner selbst pflegen wollen.

Punkte und Preise

Das Produkt laeuft ueber Punkte: ein Freibetrag pro Tag, Nachschub nach Bedarf, wenn er aufgebraucht ist, und ein Monatsabo als Option. Genaue Betraege und Preise bewegen sich mit Fassung und Region, deshalb gilt die Anzeige auf der Bestellseite, und veraltete Zahlen werden hier nicht wiederholt. Wer selten arbeitet, kommt mit dem Freibetrag fuer einige vollstaendige Ablaeufe hin, wer taeglich damit arbeitet, faehrt mit dem Abo besser.

Einen Agenten zu Desktop-Software zu machen heisst letztlich, ihm dieselben Bedienrechte zu geben, die ein Mensch hat. Was 1.3.124 aendert, liegt ueberwiegend in Rechten und Zusammenarbeit, also in den unscheinbaren Ecken, und genau die entscheiden, ob so etwas dauerhaft im Einsatz bleibt.