桌面端的編碼助手花了兩年，從「補完一行」走到「執行一個任務」，而宣傳話術跑得比體驗快。真的把工作交出去過的人，都知道那種失望長什麼樣。要它重構一個模組、跨檔案追一個老 bug、從零搭一套小型全端應用，代理往往做一步、等你確認、再做一步。測試失敗了，原因得你自己從輸出裡挖。上下文漏了，得你補。一個上午過去，儲存庫多了幾次提交，人的體感卻比較像在當提示詞操作員。

問題不在模型不夠聰明，而在於「長程目標」從來沒被當成工具邏輯裡的一等公民。另一半問題出在工具形狀：整合式編輯器是以「人手工寫程式」為中心設計的，AI 是後來插上去的擴充套件。你還是要在檔案樹裡翻找、在終端機裡打命令、切到瀏覽器看改動的效果。不掌握這些上下文的代理，只能被動等指令。

換一個起點

ZCode 反過來設計。它是一個把代理放在主角位置的桌面環境：自然語言是輸入，完成的目標是終點，多個代理可以並肩工作，同一個工作區也能從手機接回來。由於它出自模型廠商自己之手，模型、工具與執行流是被當成一條產線一起調出來的，而不是拿別人設計好的零件拼起來。

把目標講清楚，然後讓它做完

核心想法是「可驗收的目標」。你給的不是一連串指令，而是一個帶驗收條件的結果：把首屏載入壓在兩秒以內，同時讓現有測試全部通過。代理會把這件事拆開、改檔案、跑命令、跑測試，再從檔案內容、命令輸出與測試結果判斷目標是否達成；沒達成，就再來一輪。它會在目標達成或撞上真正的瓶頸時停下。

任務面板會把每一輪攤開來：進度、耗時、執行結果。於是監督的顆粒度從「每一次按鍵」變成「每一輪」，目標確認達成之後再交人審。

一個代理，擴編成一支小隊

子代理把單一工作者變成一組能並行的人。通用子代理能讀能寫，改程式、修問題、跑命令，承擔主要的工程動作。探索子代理是唯讀的，負責定位程式、追呼叫鏈、在動手前收集證據，它的探測日誌不會汙染主對話。第三種由使用者自訂，可以指定模型、權限範圍與提示詞，用名字直接呼叫——這是把團隊內部套路沉澱成可重用單位的做法。

對於需要多線並進的工作，把一個代理拆成幾個會明顯降低主對話的上下文壓力，也讓長任務跑得更穩。這是最改變體驗的一環：有意思的問題不再是「下一句指令怎麼寫」，而是「工作怎麼切」。

人離開座位，桌面跟著走

長任務最怕的不是代理卡住，而是電腦在辦公室、人已經走了。遠端控制會把當前的桌面工作區暫時開放給手機：看進度、敲一句指令、開一個新任務、把斷線的工作區接回來。除了掃碼與瀏覽器連結，幾個常用的群聊軟體裡也有機器人入口，在群組裡標記一下就能推動任務。

手機只是控制介面。程式、命令與檔案全都留在桌面端原本的環境裡跑，既不同步到手機，也不上傳到雲端。本機工作區、遠端外殼、Linux 子系統與容器都能接進來，於是早上九點開跑的任務，可以在回家路上瞄一眼，到家繼續在桌面端操作，整條鏈路不會斷。

排到安靜時段再跑的長工作

有些工作不急，只是很大。這一類可以排進閒時佇列：訂閱者把批次遷移、全量測試、文書生成之類的任務放進去，系統在算力有餘的時段自動執行，且不扣減方案額度。本質上是用時間的彈性換成本——結果不是下一小時到，而是隔天早上到。

與模型一起調出來的

「模型廠商自己的 harness」這個說法的依據，在於建造方式：模型、工具與執行流是被當成一條產線一起調整的，而不是把別人的 harness 套上一個不同的模型。官方內部基準顯示，在同一個模型條件下，整體任務通過率比搭配另一套知名 harness 高出兩個多百分點，優勢集中在需要跨檔案、跨環節、最後還要驗收的任務上。

上下文重用也專門調過。在這個環境裡量到的快取命中率超過九成八，另外兩套熱門 harness大約在九成六與九成五，同樣的使用模式下，有效 token 量提升約三成。

要花多少，跑在哪裡

工具本體不收費，AI 能力採訂閱制，組織則另有企業方案。桌面版涵蓋兩個商用平台上的兩種處理器架構，以及常見的 Linux 架構，其中一個仍標著 beta。更新頻率高到，一整季的模型適配工作已經收進主線。

已經把這個模型家族用在實際工作上的人，在這裡會得到最多；因為由模型廠商自己打造的harness，意義就在於讓模型的長程能力終於有空間發揮。老實說，它不是「加了 AI 的編輯器」，而是試著把一整天的工作重新圍繞「代理能替你做完的目標」來安排。