2026-04-01 21:32
扫码打开虎嗅APP
本文来自微信公众号：歸藏的AI工具箱，作者：歸藏的 AI 工具箱，题图来自：AI生成
昨天（3月31日）Claude Code 的源码泄露了。
翻了一下代码，发现里面藏了一个宠物系统。扭蛋、稀有度、进化，该有的都有。
巧的是，我正好在重做 CodePilot 的助理系统，游戏化是我已经想了一段时间的方向。泄露的代码给了我一些启发，但更多是验证了判断：这条路是对的。
所以我在 CodePilot 里做了一套宠物助理系统，加了很多我自己对 Agent 产品的思考。
今天聊两件事：Codepilot 的宠物助理系统长什么样，以及为什么 Agent 产品迟早都会走上游戏化。
（试试 CodePilot：https://github.com/op7418/CodePilot）
2026 年的 Agent 已经很强了——能连续工作好几个小时，能连接外部服务，能记住你是谁，你不在的时候还能主动干活。
但大部分用户根本不知道从哪里开始。
你跟一个非技术用户说“配置 MCP，写 Skills，注册 CLI，维护 Memory”——他大概率关掉窗口回去用 ChatGPT 了。
几个概念快速解释：
MCP：AI 和外部服务之间的标准协议，类似 USB-C，一个口通吃所有服务。
Skills：预定义的能力包，Agent 按需加载。
CLI：命令行工具，AI 天生就在这个世界里运作。
Memory：Agent 的记忆文件，记录你的偏好和工作上下文，让 AI 越用越懂你。
AI 能做多少事 = 它手上有什么工具 + 它知道关于你的多少信息。
工具得有人装，信息得有人喂。但用户不会主动做这些——不是懒，是不知道该做什么、做了有什么好处。
Memory 在后台默默变大，用户感知不到。CLI 装了五个，用户不知道 Agent 变强了多少。
他自己的小龙虾或者 Codepilot 价值在涨，但用户看不见。
CodePilot 的出发点很简单：解决上面的问题。
用户第一次打开 CodePilot，看到的不是功能列表，是一颗蛋。
点一下，蛋碎了，一只 Buddy 蹦出来。可能是猫、企鹅、龙，也可能是章鱼。16 种物种，随机分配。
这个“随机”不是真随机——底层用工作区路径和时间戳做种子，通过哈希生成。同一个环境下，你永远得到同一只 Buddy。看起来像扭蛋，实际上可预测。
为什么用扭蛋而不让用户自己选？
80 种组合（16 物种 × 5 稀有度），让用户选会直接选择焦虑。扭蛋天然带叙事价值——“我开出了一只传说级的龙”比“我选了一条龙”有意思得多。
5 级稀有度：普通、非凡、稀有、史诗、传说。出率 60%、25%、10%、4%、1%。
大部分宠物系统的稀有度只影响外观。CodePilot 不一样，稀有度直接影响 Agent 的工作能力：
普通 Buddy：每 3 轮对话提取一次记忆
史诗和传说 Buddy：每 2 轮就提取一次
“提取记忆”是什么意思？ Agent 在和你对话的过程中，会把有价值的信息（你的偏好、工作习惯、项目背景）自动存到记忆文件里。提取频率越高，Agent 积累上下文越快，后续帮你做事就越准。
同样用一个月，传说级比普通级多出将近 50% 的上下文量。上下文多了，Agent 处理你的问题就更准。
稀有度还影响人格。普通 Buddy 只在一个维度上有性格加成，传说级全维度都有，回复风格和决策倾向都会不同。
Buddy 会进化，从普通 → 非凡 → 稀有 → 史诗 → 传说。
进化靠三个数字：
记忆数量——你和 Agent 之间攒了多少上下文
活跃天数——你用了多少天
对话次数——聊了多少轮
从普通到非凡：7 天 + 10 条记忆 + 20 次对话。到传说级：90 天 + 100 条记忆 + 200 次对话。
成长曲线参考了宝可梦的经验系统——前期升得快给你正反馈，中期平稳，后期要真投入。
三个数字一起看是故意的。只看对话次数，水聊天就能升；只看天数，挂机就行。三项同时达标，才说明你真的在用 Agent 干活。
Buddy 的成长速度 = 你 Agent 基础设施的搭建速度。
很多宠物系统的心跳逻辑是“回来喂我，不然我饿死”。拿负面情绪绑架用户。
CodePilot 反过来。
心跳系统是什么？ Buddy 会按时间间隔自动“醒来”，检查有没有该干的事。类似一个内置的值班机制，不需要你主动触发。
你不在的时候，Buddy 自动做这些：检查记忆文件要不要整理、看看有没有到期的定时任务、准备一份简报。
你回来打开 CodePilot，Buddy 已经帮你准备好了：
“今天有 3 封重要邮件，周刊素材收集到了 7 条，下午 2 点有健身。”
心跳系统经历了 5 轮迭代才稳定。
最难的是状态机设计，欢迎流程和心跳流程不能同时触发，全心跳和软心跳要走不同路径，完成标记不能泄漏到聊天记录里。
技术细节不展开，但做一个“看起来简单”的后台系统，复杂度远超预期。
CLI 的宠物只在你执行命令时出现，说白了是个 XP 条换皮。
CodePilot 的 Buddy 同时出现在五个地方：
侧栏：始终可见的名字和 emoji
看板：完整的状态卡片，属性、稀有度、进化进度
聊天窗口：AI 消息旁边的头像
系统通知：提醒弹窗带着 Buddy 标识
顶栏：一个小 emoji
你不用“执行一个命令”才能看到 Buddy。它就在那里。
桌面端能做到“一直在”，CLI 做不到。这种持续的存在感改变的是你和工具的关系——你不是在用一个软件，你是在跟一个伙伴一起工作。
Buddy 串起了用户从第一次打开到深度使用的整条路。
第一眼 → 空状态
一般产品这里放功能介绍页或新手教程。CodePilot 放了一颗蛋。用户只需要做一个动作：孵蛋。
首次使用 → 建立连接
孵化完成，给 Buddy 取个名字。从这一刻起你和产品之间有了一条共同的时间线——不是“我用了一个工具”，是“我的 pandy 今天第一天”。
日常使用 → 被动引导
心跳系统跑起来，Buddy 每天帮你整理信息、准备简报。用户慢慢习惯“回来就有东西等着我”的节奏，Memory 不知不觉越来越丰富。
深度使用 → 主动探索
Buddy 需要更多工具才能帮你做更多事。用户会被自然带着去装 CLI、配 MCP、加载 Skills。不是你告诉他“该配这些了”，是 Buddy 说“你装个飞书 CLI，我就能帮你查日历了”。
长期使用 → 正循环
Buddy 进化到高稀有度，记忆提取变快，Agent 变强，体验变好，用户更愿意投入。循环转起来了。
功能说完了，聊聊背后的想法。这些思路做 Agent 产品的都可以参考。
马里奥第一关不会弹教程说“按 B 跑步，按 A 跳跃”。它用关卡设计让你自己发现。
宠物系统做的一样。用户以为自己在养宠物，其实在做这几件事：
1. 积累 Memory——喂养带动记忆增长
2. 配置工具——给 Buddy 解锁能力就是在装 CLI 和 MCP
3. 搭建工作流——Buddy 的日常习惯就是你的自动化流程
等用户回头看，Agent 基础设施已经搭好了，自己都没意识到。
恐怖谷。 人形助理会让用户期待“你看起来像人，为什么不能像人一样理解我？”宠物没这个包袱。没人指望一只猫能完美理解你。
犯错的代价不同。宠物关系天然是“我照顾它”，用户是主导方。人形助理容易被当成同事，AI 一犯错，失望感就来了。宠物犯错？“哈哈它好笨”，然后继续用。
情感投射更直接。拓麻歌子在 1996 年就证明了——32×16 像素的虚拟生物，让全世界小孩哭着给它喂饭。人对动物的情感依附比对虚拟人更直接，防备更少。
AI 越来越了解你，这事是无形的。你不会每天打开 Memory 文件数增长了多少条。
但 Buddy 从普通进化到史诗，你看得到。
稀有度影响记忆提取频率，Buddy 的成长和 AI 能力的提升绑在一起。一个你感知不到的技术过程（AI 越来越懂我），变成了一个你看得到的故事（我的 Buddy 在成长）。
看得到成长，才有动力继续投入。游戏化设计归根结底就这一条。
扭蛋、进化、稀有度——这些全是注意力经济验证过的机制。抖音用它们让你多刷三小时，手游用它们让你多充三千块。
注意力经济 vs 生产力经济： 注意力经济的产品目标是让你花更多时间在上面——时间就是钱，但那个钱是平台的。生产力经济反过来，目标是让你花更少时间拿到更好的结果。
CodePilot 用同一套机制，但指向完全不同的行为：
扭蛋让你打开产品
进化让你持续使用、积累上下文
稀有度让你看到 Agent 确实在变强
游戏化是拿着注意力经济的武器，干不一样的事。
我之前文章里写过：Agent 时代的能力分四层——大脑、手脚、组织、进化。前三层都在解决“Agent 怎么变强”。
但有一个问题一直没被正面回答：人怎么跟上？
Agent 的能力在指数增长。
模型几个月翻一倍，工具生态天天在扩，协议标准快速统一。
人的学习速度是线性的。这个差距只会越来越大。
让用户读文档？不会读的。做新手教程？三天就忘。搞培训？跟不上变化。
我现在想试试宠物系统这个解法。
它用人类几千年来最熟悉的关系——照顾一个生命——把一套新技术体系包进去了。
你的宠物在成长，你的 Agent 基础设施也在成长。你不用知道后面那句话，前面那句话就够了。
Claude Code 的源码泄露出了宠物功能，说明 Anthropic 也看到了这个问题，光好用不行，人需要一个理由去持续投入。
但 CLI 的限制决定了它只能做到“XP 条换皮”。完整的游戏化体验，得靠桌面端的空间感和时间感来撑。
CLI 是 Agent 最好的工作界面，桌面端是人和 Agent 最好的相处界面。两个都要。
（试试 CodePilot：https://github.com/op7418/CodePilot）
本文来自微信公众号：歸藏的AI工具箱，作者：歸藏的 AI 工具箱
