商业 AI Agents 组 组长、产品&工程负责人
企业 AI 协作平台 Rollica
解决个人深度工作跨工具割裂、团队协作停在看板等问题，2 人 AI-native 研发、9 周 8 版，统一接入10+Harness 并可相互Fork接力，个人工作与团队协作上下文、知识经验都双向打通；原生Browser Use在6套主流方案横评中排名第一；累计用户377人，人均周消息36→89次。
全项目代码由本人贡献：两个月提交现存源码约 12.3 万行，100% AI coding
浏览器与 6 套主流方案横评
2 人 AI-native 研发
取三家之长，按四类问题搭成五层，每层最难的一块自己设计
企业里的人用 AI，卡在四类问题：用得上（装不好工具、离开工位就用不了）、用得对（一个任务只能用一个模型，几种订阅都用不全）、经验沉淀与共享（换个会话就要重讲背景）、AI 主动干活、多人一起干（私聊里的结论回不到团队）。Rollica 先从三个产品各取一块长处，再按这四类问题搭成五层。
个人深度工作
和 AI 对话、直接看改产物、随时分叉
多人协作
Issue 推进团队任务，Agent 当队友干活
跨 Harness、跨设备
不同工具之间接力，离开电脑在手机上接着跑
定位：不做 Harness，做 Harness 的路由器。每家的模型配上自家的 Harness 才在最佳状态，所以不早早绑在某一家：你的订阅在哪个 Harness，就接哪个，再让会话在它们之间流转。
在开源之上，补齐企业团队要的部分
① 入口层用得上：离开工位也能管 Agent
飞书机器人：过程可见、可打断桌面端与浏览器手机：重做小屏布局终端会话导入，手机上接着审批
一条事实流，两种呈现Work 与飞书共用，断线自动对账看截图 4›
飞书里看得见过程，可随时打断
机器人边跑边显示正在做什么；跑偏了点“停止这轮工作”，补一句指导再继续。
手机上接着工作（录屏）
离开电脑后在手机上选一台在线的电脑，接着聊、看产物、改记忆。
终端会话导入 Rollica（录屏）
在“Work with”选电脑和工具，点“导入本地会话”，历史对话和工作目录一起带进来。
随时回到终端
复制当前 Work 的恢复命令，在终端里用原生 CLI 接着做。
② 模型与 Harness 层用得对：一个任务能分给多个模型
统一接入 10+ 主流 Harness出厂内置 Pi云端下发推荐模型，同步 24 小时→1 小时侧聊不占主会话上下文
Fork 跨 Harness、跨模型接力强模型做规划与评审，便宜快的模型批量执行看截图 5›
本机已就绪的 Harness 都列出来
新建 Work 时选一个 Harness 开始；Codex、Claude Code、Kiro、Trae、Pi 等并列。
Claude Code：自动加载本地已配置的模型
你本地给 Claude Code 配了哪些模型，这里就能直接选。
Trae：模型自动发现
接入后自动列出该 Harness 下可用的模型。
Kiro：整个模型选择器都暴露出来
连同各模型的计费倍率，一并显示。
侧聊可以换 Harness
主会话不动，侧聊在下拉里换成 Kiro 等另一个 Harness 和模型，临时问题不占主会话上下文。
③ 记忆与知识层经验沉淀与共享：教一次就够
账号、项目、分组、会话四级记忆与规则一个分组挂本人多台电脑的多个目录一键导入已有 agents.md / claude.md规则里贴飞书知识库链接即可问答
Skill 经验三份分存官方升级、团队经验、个人调教互不覆盖看截图 7›
说一句“记一下”，AI 提炼后写进记忆
AI 先确认存到哪一级（项目共享或本次会话），存完后续会话自动带上。
从团队 Issue 进入私人 Work，背景自动带入
会话记忆里自动写明这次工作服务于哪个 Issue、关键结论要回写。（任务名已打码）
官方 Skill 托管、自动升级
团队共享的 Skill 和官方托管的 Skill 在同一个入口。
会话里输入 / 直接调用 Skill
团队共享的、本机装的 Skill 都能用。（作者名已打码）
规则里贴飞书知识库链接
项目共享规则里写“遇到广告问题先读这个知识库”，AI 每轮都会照做。（链接已打码）
一个分组挂多台电脑的多个目录
台式机、Mac Studio、笔记本上的工作目录挂在同一个分组下，换电脑也接得上。
Skill 本体与经验分开存
诊断 Skill 的正文之外，团队的同名经验单独存放，运行时一起读到；官方升级 Skill 不会覆盖经验。
④ 能力供给层用得上、AI 干活：好能力出厂就在
官方 Rollie 诊断 Skill 默认装好、自动升级技能、智能体、小队三个市集新工作区自带新手 Demo
原生 Browser UseAgent 自己操作网页，6 套主流方案横评排名第一看截图 6›
Browser Use：Agent 自己去数据平台写 SQL
Agent 打开内部数据开发平台，在 SQL 编辑器里写查询、执行、读回结果，再整理成回复。（人名、邮箱、网址已打码）
技能市集
按通用办公、产品、设计、研发、数据分析等分类，挑一个就加进工作区。
专业智能体模板
从数据分析到代码审查，选一个模板就能开工。
自带数据分析智能体
指令和 Skill 都已配好。
从空白开始，或用模板
Runtime、模型、指令、Skill、访问权限都能自己配。
智能体挂上团队 Skill
广告数据分析助手默认挂着查数和诊断两个官方 Skill，可逐个开关。
⑤ 协作与自动化层AI 主动干活、多人一起干
产物在平台里看、改、批注定时任务直推飞书群：数据找人智能体与 Skill 跨工作区复制粘贴链接，只读接力另一个会话
Issue 与私密 Work 双模式团队背景带进来，只回写关键结论看截图 8›
HTML 产物直接预览、批注
产物不用下载再打开，评论就贴在它旁边。
看到哪句不对，就改哪句
不必让模型重写整页，文字可以直接编辑。
Markdown 是能直接工作的文档
直接阅读、选中文字评论，也能打开完整编辑器。
AI 的回复也能选中评论、引用
选中它说的那句，就地追问。
定时任务从模板开始
业务数据推送、每日摘要、每周进度报告等模板。
配置一次，按小时跑
频率、说明、执行的智能体都在一页里；结果推到飞书群。（同事名已打码）
智能体一键复制到其他工作区
选中后复制，只新建一份，不带走环境变量和 MCP 配置。
Skill 批量复制到其他工作区
一次选 10 个 Skill 复制过去。（添加者已打码）
Harness：Claude Code、Codex、Kiro、Trae 这类让模型能读写文件、执行命令的 Agent 工具，同一个模型换一个 Harness，效果和成本都会变。蓝色格是这一层最难的设计，后面几张图展开其中四个。截图里的内部任务名、同事名已打码。
私人工作区与团队协作区隔离又打通：团队背景带进来，关键结论送回去
此前推广 Multica 时，团队只把它当看板用：没人愿意把请教、试错的过程摊给所有人看，未经整理的零碎对话被同事的 AI 读到，也是一种干扰。Rollica 把两者分开：Issue 做团队协作，Work 做私密的深度工作，再在两者之间开两条有方向的通道。
私聊过程不公开
请教、试错留在私人工作区；团队只看到整理过的进展、结论和产物。
发布时另建一份
私人产物发布到 Issue 时，服务端新建一份附件；在 Issue 里删除，不会波及私人记录。
AI 的权限不超出本人
同事用你共享的智能体，也打不开你电脑上的文件、改不了你写给它的规则；跨工作区复制只新建一份，不复制环境变量和 MCP 配置。
记忆改完，下一轮全员生效
四级记忆与规则存在服务端，每轮发出时取最新版本；每层带版本号，先读到最新版才能写，多端同时改也不会被悄悄覆盖。
Skill 也按同样的思路拆成三份分开存：官方本体由服务端统一升级，团队经验随任务下发，个人经验只存在本机。官方一升级，团队和个人积累的经验都不会被覆盖；不写代码的同学第一次能共享 Agent 规则和团队知识。
先实测再取舍：换目录后缓存命中 99.7%→0，于是放弃原生 Fork，三个入口共用一条交接流水线
Fork 是从对话里任意一条消息分出一条新会话，交给另一个模型或另一家 Harness 接着做；开侧聊、把终端里的会话导入进来，本质也是“带着历史，换一个执行者”。难在两处：各家的分叉能力不一样；几条会话如果共用一个工作目录，规则文件会互相覆盖，同一批文件也会被几个模型同时改。
当时接入的七家 Harness，分叉能力各不相同
A/B：同一段长前缀，原目录与换目录分叉的缓存命中率
Claude Code
Pi
Codex
要让主会话、侧聊和多条分支并行不打架，每条新会话必须有自己的目录；而一换目录，原生 Fork 省缓存的收益就拿不到了（Codex 在原目录也只有 39.1%）。放弃原生 Fork 并不损失已有收益，换来七家 Harness 一套流程、一套测试矩阵：
交接文件放不下时，按这个顺序降级（示意：一格是一条消息或一次调用）
先丢工具轨迹，再动对话
优先级：用户与 AI 的对话 > 工具调用与结果；原始思考过程一律不带。
首条用户消息必留
它定下了这次任务是什么；放在最前面，后面紧跟来源 Harness 已有的压缩摘要。
从最后一条回复往前倒
按“一问一答”整轮装入，问和答不拆开，最新的进展一定在。
尾部必须连续
下一整轮装不下就停，不让更早、更短的轮次跳过去插队，避免拼出断裂的上下文。
缺口写明白
省略处标出“省略了第几到第几条、共几条”，接手的模型知道中间少了什么。
底线：不静默截断
首条用户消息或最后一条回复本身就放不下时，直接报错让人知道，而不是悄悄截掉。
全程不额外调用 AI 做摘要：只在对话本身超出时，读取来源 Harness 自己已经做过的压缩摘要，读不到就不用。token 按“英文约 4 个字符 1 个、中文约 1 个字 1 个”估算。
口径：缓存命中率 = 缓存读取 token ÷ 该轮总输入 token；2026-09-02 同一台测试机、当时版本的单轮实验。
只拿到一层开源 SDK：用遍竞品、挖透原理、收敛到最小必要，做出横评第一的浏览器
Browser Use 让 Agent 像人一样打开网页、点击、输入、导出文件，对数据口径有疑问时自己去看板核对。横评里的第二名本体闭源，只开源了一层有限的控制 SDK。Rollica 复用这一层，其余自己搭，方法分三步。
博采众长：亲自用遍竞品，想清交互差异
用过 Codex、Antigravity 的 Browser Use，以及头部闭源竞品、Playwright、Chrome CDP。有的产品在 AI 操作时人不能动；Codex 里人随时插手、AI 自己续上，感受不到交接。借鉴为人机轮流接管，连同导入本机登录态。
挖原理：在自己的层面理解底层机制
Agent 面对新网站要读网页结构（DOM）、试不同操作，读不到时还得截图；头部闭源竞品快，是因为允许 AI 把一串连续动作写成脚本一起执行。据此判断哪层直接复用、自己在上面长什么；内部网站踩过的坑，可以沉淀成按网站的 Skill。
收敛到最小必要：不抄、不做大杂烩
性能上最多 5 个网页保持运行，其余休眠，内存充足时放宽到 10 个，从不替用户关标签；界面上压缩层层叠加的标签栏和工具栏，把空间留给网页。第一期不做大而全。
Codex、Claude Code、Pi 等，按任务选
新增 9 项观察、动作、等待和编辑器命令；代码编辑器能读全文、整体替换后回读核对
头部闭源竞品只开源了这一层，内核级快照、登录隔离都没有公开
网页直接成为工作台标签页，人和 AI 操作同一张网页；人停手约 2 秒后交还 AI；资源按需休眠
针对内部数据开发平台的代码编辑器（写 SQL）、内部广告数据看板的分页读取与真实导出，做了专门打磨。
横评：同一 Agent 与模型，只换浏览器工具（● 完成 ○ 未完成；条长 = 四题实际总耗时，越短越好）
换模型也稳：同一个 Rollica Browser，5 种模型与 Harness 组合全部完成四题
比较四题业务完成时间之和。模型和 Harness 一起换，差异不能全部归给模型。
人和 AI 操作同一张网页，轮流接管
网页直接成为工作台里的标签页。AI 在操作时人可以随时插手，停手后 AI 自己续上，感受不到交接。
标签按需休眠，从不替用户关
最多 5 个网页保持运行（深色），其余休眠；内存充足时放宽到 10 个（浅蓝）；休眠的标签（虚线）仍然保留，不会被关掉。
评测（2026-09-22）：工具横评固定 Codex + GPT-5.6 Luna Max，四题各跑一次、不设总时限，未完成题计实际耗时、不加罚时；页面结果、真实下载文件或 SQL 结果等证据齐全才算完成，每题独立复核。模型组合图统一用 Rollica Browser、比较业务完成时间，GPT 组合在两张图里分别是 28.6 / 27.9 分钟，口径不同不混用。
2 人 AI-native 研发，9 周 8 版跟着真实使用走：对话人数稳定，人均周消息 36→89
研发基本由 2 人完成，需求、开发、测试、验收主要由 AI 驱动、个人闭环推进。版本路线由真实使用推着走；同期每周和 AI 对话的人稳定在 85—100 人，人均周消息却从 36 次涨到 89 次。
研发：本人 + 1 名研发
全项目代码由本人贡献，100% AI coding
从启动到首版上线
每个工作日的交付：103 项 ÷ 43 个工作日
横轴：上线后第 N 周，第 1 周为 7 月 24 日首版发布的那一周。
V0.0.1 首版
Issue 与私密 Work 双模式；产物预览、编辑、批注；飞书机器人过程可见，定时推送广告数据
V0.0.2—0.0.5
走出办公内网：外网登录、飞书免登与通知；挂本地多目录、导入已有规则、找回历史会话
V0.0.6
手机重做到能完整使用；智能体与 Skill 能复制到其他工作区，来自一次跨工作区协作的反馈
V0.0.7
内置 Pi、云端推荐模型；Fork、侧聊跨 Harness；终端会话导入后在手机上接力
V1.0.8 第一个正式版
原生 Browser Use；技能、智能体、小队三个市集；跨会话只读接力
口径：周消息只算用户在 Work 会话和 Issue 评论里发的消息，不含定时任务、Agent 回复和系统通知；人均 = 周消息 ÷ 当周与 AI 对话的用户数；统计到 2026-09-23。截至 2026 年 10 月下旬累计用户 377 人。
问题
Problem- 同事分散在多种 AI 编程工具与订阅里，换工具要重学交互和规则，深度工作难跨工具接力，就跑不出效果与成本最优的组合
- 此前推广的 Multica 只被当看板，私人探索与团队共享不分，Agent 没真正干活
- 不少人连 Harness 都不会装
打法
Approach- 对标 Codex 个人深度工作，融合 Multica 多人协作、Paseo 跨 Harness 与跨设备，开源之上自建公私域隔离又打通、Fork 跨 Harness 和模型接力、Skill 经验自进化与原生 Browser Use
- AI-native 研发：2 人，需求、开发、测试、验收由 AI 驱动、个人闭环
方案
Solution- 五层：飞书、桌面、手机入口，手机接管终端会话，离开工位也能审批
- 统一接入 10+ 主流 Harness，内置 Pi、云端推荐模型，新手开箱即用
- 四级记忆与规则可挂飞书知识库，背景不用每次重讲
- 原生 Browser Use 让 Agent 像人一样操作网页，技能与智能体市集一键引入
- Issue 转私密工作只回写结论，产物可批注，定时推送让数据找人
攻坚
Hard parts- ①各 Harness 分叉能力不一、共用目录互相覆盖→A/B 实测换目录缓存命中 99.7%→0，放弃原生 Fork，统一交接流水线
- ②头部竞品只开源一层 SDK→在其上自建浏览器宿主，人机轮流接管、标签按需休眠
- ③团队规则散在各人电脑、Skill 一升级就覆盖经验→记忆规则存云端每轮下发，官方、团队、个人经验分层存放
结果
Results- 个人贡献全项目 90% 的代码（100% AI coding），两个月提交现存源码约 12.3 万行（不含测试）
- 2 周首版，9 周 8 版、103 项交付，日均 2.4 项
- 原生 Browser Use 与 6 套主流方案横评排名第一（成功率最高、速度第一）
- 累计用户 377 人，外溢到销售、综管团队，人均周消息 36→89 次
- 上线当周 Rollie 诊断任务 +103%