一句话定义：持续委托是让 AI 不只是回答你这一次的问题，而是接过一项工作后持续跟进、定期检查、汇总结果。Semibot 的「小秘书」就是这个机制的实现——你交代一次，它按节奏推进，结果汇集到一个页面，不需要写 cron 表达式。
是什么 / 不是什么
「持续委托」这个概念容易和几个相近的东西混淆。先画清楚边界。
是什么
- 一次交代、多次跟进的工作方式：你描述一个目标和频率，AI 在后台按节奏执行、检查、汇总。
- 有判断力的跟进：不是固定时间跑固定脚本——AI 会根据上一次的结果决定下一步怎么做。遇到异常时会标注，遇到常规时会安静汇总。
- 结果集中展示：所有委托的进展和产出汇集到小秘书页面，你不需要逐个会话翻记录。
- 持续但可控：你可以随时查看、暂停或取消任何委托。小秘书的操作受同样的目录授权和审批约束。
不是什么
- 不是一次性对话的延伸。一次性对话是「你问它答」，结束就没了。持续委托是「你交代它跟进」，时间跨度可以是天、周甚至更长。
- 不是 cron 定时任务。cron 是固定时间跑固定命令，没有判断力。持续委托的 AI 可以根据结果调整策略——它是有智能的跟进，不是机械的重复。
- 不是全自动化流水线。持续委托的设计目标是「帮你盯」而不是「替你做」。关键决策和敏感操作仍然需要你确认。
- 不是所有任务都适合持续委托。一次性的调研、单次文档写作、明确的代码修改——这些用普通会话更高效。持续委托适合需要反复检查、定期汇总的场景。
工作机制：三个组件怎么配合
Semibot 的持续委托涉及三个组件：小秘书、专员（specialists）和连接器。它们各司其职。
| 组件 | 角色 | 类比 |
|---|---|---|
| 小秘书 | 调度层——接收你的委托，按频率触发执行，汇总结果 | 项目经理 |
| 专员 | 执行层——可复用的工作流模板，沉淀固定做法 | 岗位 SOP |
| 连接器 | 通道层——连接外部平台，获取输入和发送输出 | 接口/管道 |
一次典型的委托流程
- 你在小秘书页面创建一个委托，用自然语言描述目标。例如：「每天早上 9 点，汇总飞书产品群里昨天讨论的待办事项，生成简报。」
- 小秘书解析目标，识别出需要飞书连接器、信息筛选逻辑和简报生成能力。如果你之前创建过类似的专员，它会复用；否则按你的描述创建新的工作流。
- 按你设定的频率触发。小秘书自动调用飞书连接器拉取新消息，筛选出与待办相关的内容，生成结构化简报。
- 结果汇集到小秘书页面。你打开 Semibot 就能看到今天的简报、昨天的简报，以及是否有异常需要你关注。
- 你随时可以调整：修改频率、暂停、取消、或者对简报内容给出反馈让 AI 下次调整策略。
实际场景：什么值得委托
不是所有工作都适合持续委托。下面按场景类型列出适合和不适合的。
适合持续委托的场景
信息汇总类
定期从多个来源（飞书群、GitHub issues、Gmail、RSS）收集信息并生成结构化报告。比如：每周一汇总上周的客户反馈、每天早上汇总竞品动态。
状态跟踪类
持续监控某个条件是否达成。比如：跟踪某个 GitHub PR 是否被合并、某个 API 端点是否恢复正常、某个依赖是否有新版本。
定期产出类
按固定节奏生成某种文档。比如：每周项目进展简报、每月技术债务清单、每日站会纪要模板。
提醒与预警类
在特定条件出现时通知你。比如：日历上 30 分钟后有会议时提前提醒、收到重要邮件时即时通知、某个监控指标异常时发出预警。
不太适合持续委托的场景
- 一次性的深度调研：你需要 AI 花 30 分钟深入研究某个问题——这用普通会话的一次性对话更直接。
- 明确的单次代码修改：「修这个 bug」「加这个功能」——用普通编码会话 + ChangeSet 审查更合适。
- 需要大量人类判断的创作：写一篇长文、设计一个方案——AI 可以辅助，但需要你实时交互，不适合委托后放手。
- 没有明确评判标准的任务：「帮我关注一下行业动态」太模糊，AI 无法判断什么值得汇报。委托需要有明确的目标和判断依据。
对比与边界
持续委托不是全新概念——它和几种已有的工作方式有重叠也有区别。
| 维度 | cron 定时任务 | IFTTT / Zapier | ChatGPT 记忆 | Semibot 小秘书 |
|---|---|---|---|---|
| 执行逻辑 | 固定命令 | if-then 规则 | 被动记忆 | AI 判断 + 定期触发 |
| 需要编程 | 是 | 低代码 | 否 | 否（自然语言） |
| 异常处理 | 需预设 | 有限 | 不适用 | AI 自主判断 |
| 结果汇总 | 日志文件 | 分散 | 对话流 | 集中页面 |
| 外部平台接入 | 需自己写 | 丰富 | 有限 | 连接器（飞书/钉钉/Discord/Telegram/Slack/Gmail/日历/iMessage/MCP） |
| 数据落点 | 本机 | 云端 | 云端 | 本地 SQLite |
cron 最灵活但需要编程能力；Zapier 连接器最丰富但规则是死的；ChatGPT 的记忆是被动的（你聊天时它记，不聊天时不主动做）。小秘书的差异在于「主动跟进 + AI 判断 + 结果集中」的组合，但它的连接器生态比 Zapier 少，AI 判断也不总是对的。
如实说明的局限
- AI 判断不一定准确。持续委托的 AI 会根据上次结果决定下一步，但它的判断可能出错——特别在模糊目标下。关键决策仍需要你确认。
- 连接器生态仍在扩展。目前覆盖飞书/Lark、钉钉、Discord、Telegram、Slack、Gmail、日历、BlueBubbles/iMessage 与 MCP 工具，但比 Zapier 等成熟平台少。
- Semibot 是较新的产品。小秘书功能还在迭代中，部分工作流可能不如成熟方案稳定。第三方评测和用户反馈较少。
- 云端模型需要网络。如果任务需要调用云端模型或连接器，持续委托需要稳定的网络。
- Windows 未签名、Linux 未发布。目前支持 macOS（Apple Silicon）与 Windows x64。
适合谁 / 不适合谁
更适合
- 每天要从多个平台汇总信息的人：产品经理看飞书群消息、开发者盯 GitHub、运营看客户反馈——信息散落在 5 个以上平台，手动汇总耗时。
- 有定期产出需求的岗位：周报、月报、进展简报——格式固定但内容每次不同，适合模板化委托。
- 不想写代码但想自动化重复工作的人：cron 和 Zapier 都需要一定技术门槛，小秘书用自然语言就能创建委托。
- 注重数据隐私的人：小秘书的调度和结果存储在本地 SQLite，不自动上传云端。
不太适合
- 任务非常明确、不需要判断的人：如果每次都是完全相同的操作，cron 脚本更可靠。
- 需要大量第三方集成的人：Zapier、Make 等平台的连接器数量远超 Semibot 目前覆盖的范围。
- 对 AI 判断零容忍的人：如果任务不能接受任何 AI 误判，传统的 if-then 规则更安全。
- 需要 Linux 桌面或签名 Windows 安装包的人：这些是 Semibot 目前的实际限制。
FAQ
什么是 AI 小秘书？
Semibot 中的持续跟进功能。你把工作交代给它，它按频率检查、汇总结果到集中页面。不需要写 cron 表达式。
和一次性对话有什么区别？
一次性对话是一问一答，结束就没了。持续委托是一次交代、多次跟进——AI 在后台持续执行，时间跨度可以是天、周或更长。
和定时任务有什么区别？
定时任务是固定时间跑固定命令，没有判断力。持续委托的 AI 会根据上次结果决定下一步——有智能的跟进，不是机械的重复。
专员和小秘书有什么区别？
专员是「怎么做」——可复用的工作流模板。小秘书是「何时做」——持续跟进的调度层。两者搭配使用：专员定义方法，小秘书决定节奏。
连接器起什么作用？
连接器是小秘书获取信息和发送结果的通道。飞书连接器读群消息，Gmail 连接器监控收件箱，日历连接器提供会议提醒。没有连接器，信息源仅限于本地数据和网页。
会不会失控？
小秘书受目录授权和审批约束，和普通会话权限一样。你可以在小秘书页面随时查看、暂停或取消任何委托。
需要联网吗？
取决于任务。需要云端模型或连接器的任务需要网络；只涉及本地数据的可在本地模型服务下减少出网。调度逻辑本身在本地运行。
和 Zapier 比，选哪个？
Zapier 连接器数量多、规则确定性强。Semibot 小秘书的优势是自然语言创建委托、AI 判断力、结果集中展示和本地数据存储。如果你需要大量第三方集成，Zapier 更成熟；如果你想要 AI 驱动的智能跟进且在意数据隐私，可以试试小秘书。