AI 领电脑上岗，FDE 负责划边界 九月快过完的时候，我回头看了一圈这个月的发布，最后只想写一件事：AI 开始有自己的电脑了。 Manus 发了 2.0，给每个任务配一台常驻云端电脑，你合上笔记本，它继续干活。OpenAI 在 DevDay 上发 Dots，每个 Dot 一台专属云电脑，连 4000 多个应用，24 小时朝着你定的目标跑。Meta 的 Muse 直接登顶 App Store，同样是一人一台云电脑。xAI 的 Grok Bot 更直接，产品名字就叫"AI 队友"，有自己的虚拟机，能像你一样登录各种工具和网站，干完活再回来找你审批。 四家把动作撞在同一个九月，方向已经不用猜了。AI 的工作方式，从"你问它答"，变成了"它领一台电脑去上班"。 这个方向上还有一个不能不提的名字：OpenClaw。它是完全开源的个人 Agent，不跑在厂商的云上，跑在你自己的电脑里，从 WhatsApp、Telegram 这些你已经在用的聊天软件里使唤它。今年三月它超过 React，成了 GitHub 历史上 Star 最多的项目，一个周末项目只用了 100 天。商业公司给 AI 发云电脑，开源社区直接把电脑搬回了你家。两条路线指向同一个判断：AI 不该住在一个聊天框里。 从聊天框到工位 图片 ▲ 过去两年我们用 AI，本质上是去一个聊天框排队。你把问题写清楚，它给你答案，关掉窗口，一切归零。它很聪明，但没有工位：没有自己的电脑，没有文件柜，下班后也没有还在跑的任务。 九月这一波发布，把这三样东西全配齐了。 Manus 2.0 的 Cloud Computer 是一台常驻的云端电脑，游戏服务器可以一直开着，自动化任务可以一直在跑。OpenAI 的 Dots 你可以随时"打开它的电脑看它在干什么"，这句话细想很惊人，AI 第一次有了可以被参观的工作现场。Grok Bot 给每个 Bot 配了浏览器、文件系统和终端，能登录你的 CRM、你的邮箱，包括那些没有 API 的老系统。 更关键的是触发方式变了。以前 Agent 是定时任务，到点跑一次。Manus 2.0 的 Automations 改成了事件触发：来了一封邮件、Slack 收到一条消息、Notion 更新了一条记录，Agent 自己醒过来干活。有事做，没事待命，这已经是雇佣关系的雏形。 AI 开始有身份，也开始有钱包 图片 ▲ 比电脑更进一步的是身份。 Manus 的新 App Cue 里，每个 Agent 有自己的邮箱、手机号、钱包，还有自己的一台电脑。它可以在你设定的预算内付款，可以接你的电话、替你点外卖、扫码排队。多个 Agent 还能拉进一个群聊，互相分活。 Grok Bot 那边的玩法是"一人一个团队"：一个总管 Bot 底下挂几个专员，管收件箱的、管报销的、管招聘的，它们互相发消息对齐进度，只在需要人拍板的时候来找你。OpenAI 内部也在这么用，销售 Bot 听完电话纪要更新 CRM、顺手起草跟进邮件，工程 Bot 复现一个 bug、开好工单、再转交给调试 Bot。 这个变化也藏在了用词里。年初我们说"模型"，年中我们说"工具"，现在我们说的是"队友""专员""总管"。语言先于现实变化，但这次是现实追着语言跑。 硬币的另一面：权限、审批和安全 图片 ▲ AI 领了电脑、拿了钱包，接下来的麻烦很具体：它凭什么可以动我的东西。 九月的所有发布里，安全边界都被放在了最显眼的位置。Dots 默认只读，后台研究随便看，发消息、改文件、装软件、改密码，一律先找你批准。Grok Bot 的企业版直接配了访问控制、网络控制和审计日志。OpenAI 更狠，下一代模型 GPT-6.1 Astra 因为没通过内部安全测试，直接推迟发布，发布会用的还是九月三号的旧模型。 还有一个容易被忽略的细节：Dots 没有在欧洲经济区、瑞士和英国上线。AI 能自己操作电脑、自己付钱之后，监管就不再把它当普通软件看了，不同地区的态度差别很大。 DevDay 上还有个耐人寻味的现场。OpenAI 产品负责人当众让她的 Dot 准备一个演示，结果 Dot 卡死了，全场等着，她只好说"Dot 今天早上状态不太好"。这个翻车我想留住，因为它说明 AI 领了工位，还不等于成了靠谱员工。管理成本、审批成本、出错成本，最后都落在人身上。 那FDE呢 图片 ▲ 这是我最想聊的部分。Agent 变成"有电脑的数字员工"之后，FDE 这类角色反而被推到了更上游的位置。 以前的交付，交付的是代码和文档。现在的交付，是一台被框好的 Agent：它的目标是什么，哪些事可以自己干，哪些必须回来问人，干到什么程度算验收通过。一句话，从"我把活干完"，变成了"我设计一个能把活干完的系统，并守住它的边界"。 九月的发布恰好证明了这个位置的价值。每一家都在强调"用户定义边界"，Dots 的权限规则、Grok Bot 的审批点、Manus 的预算钱包。但边界谁来定？错了谁来发现、谁来改？这些是模型的默认能力覆盖不到的，它需要有人懂业务、懂系统、还得懂怎么验收一个不睡觉的员工。 这也是我自己在实践里最真实的感受：我给 AI 配的权限越大，需要写的规则就越细。AI 越强，边界设计越值钱。以前考验的是你能不能把活干好，现在考验的是你能不能把"干活的 AI"设置好。 写在最后 图片 ▲ 回看九月，Manus、OpenAI、Meta、xAI 做了同一个动作：给 AI 发电脑、发身份、发钱包，再用权限和审批把缰绳握在自己手里。 AI 的工作方式已经变了。我们自己什么时候变，没人规定时间。想动手的话，别等更强的模型，先给你的第一个 Agent 划出第一块责任田。 如果你也在学习 AI，或者正在尝试把 AI 用到工作里，欢迎在评论区交流。