最近把手头几件每天都要重复的小事交给 AI Agent 去跑了：几个平台的签到、每天的待办，还有一些固定格式的整理工作。单件都不超过一分钟，但分散在五六个地方，经常想起来的时候已经错过了时间。
跑了一周，比我预期的好用，但也踩了不少坑，记录一下。
我的做法
很朴素：把所有日常事项写成一个 markdown 清单，写清入口、频率、注意事项，然后让 Agent 自己读清单去执行。
真正难的从来不是「让它去做」，而是「让它做得稳」。
踩到的坑
1. 干净浏览器 = 每个站点都要重新登录
一开始用的是独立启动的 Chromium，干净是干净，问题是所有站点都是未登录状态，每个平台都要扫码输密码，还时不时触发验证。后来换成复用已有 profile 的方式，把登录态直接带过来，一下子顺了很多。这一步基本决定了整件事能不能跑得下去。
2. 很多「按钮」其实不是 button
像掘金这类站点的交互元素大量是 div 加事件监听，DOM 里拿不到可交互语义，快照里的元素列表常常是空的，只能退回去用坐标点。而且带 hover 才出现的悬浮面板，必须用真实的 mouse move / down / up 才点得动，直接 el.click() 有时不生效。
3. 富文本编辑器不能往里塞值
文章编辑器基本都是定制富文本，直接改 DOM 是不生效的。得先点进编辑区拿到焦点，再用键盘逐字输入。慢是慢，但没有更好的办法。
4. 验证码和风控只能人工
这块没什么好说的。遇到滑块、点选、人机验证，只能把控制权交回给人。还有的站点一旦识别出自动化会直接返回空白页，这种情况继续重试只会更糟，应该立刻停手。
5. 发布类动作要卡在最后一步
写文章、发动态这种要公开发布的操作，我现在都让 Agent 把内容准备好、停在确认按钮前面，由人扫一眼再点。多花十秒，但省掉了内容不对还得删的麻烦。
一点心得
- 能用官方接口就别硬刚 UI，稳定性差一个量级
- 把「需要人工介入」的环节显式设计出来，别指望全自动
- 涉及钱、身份验证、批量外发的动作，永远留给人工确认
最后
一周下来，省的时间说多不多，但「总惦记着有件事没做」这种心智负担被拿掉了，这点比省时间更值。目前还在继续往清单里加东西，跑一段时间再回来补充。