GPT-6接管微信几个小时，零失误发完120多条中秋祝福

年初，我让AI助理“三万”给611位同事拜年，4分钟发完。那篇文章，很多人看过。

这个中秋，我又干了一次。

这次，我给50位公司骨干发了祝福，还把收到的70多条中秋祝福，一条条都回了。

人数比年初少，我却觉得，这次更值得写。

因为这次，AI直接操作了我的微信。

年初那套办法，放到微信上根本走不通。半年过去，它走通了。

它在电脑上找人、看聊天、问我背景、写好祝福让我确认，我说“发”，它才发。

一个下午，GPT-6连续干了好几个小时，这一百多条祝福和回复，全部弄完。

能一口气干好几个小时不掉线，这件事本身，就是大模型最重要的进步之一。

后来，一位同事回复我：“感谢老板的认可，感动老板的文艺。”

我看着这句话，觉得挺有意思。

文艺可能是AI帮的忙。但认可，是我的。

每到过节，微信就是一场“债”

先说一个很多人都有的痛点。

每到中秋、春节，早上一打开微信，几十上百条祝福涌进来。有同事，有合作伙伴，有老朋友，也有很久没联系的人。

人家认认真真发来一段话，你总不能不回。可一条条回，根本回不过来。

回个“同乐同乐”，自己都觉得敷衍。想认真回几句，每条打几十个字，回到第十条就累了。

更尴尬的是反过来。

我心里有一些人，特别想在节日跟他们说几句。可消息一多，一忙，一乱，想发的人就忘了发。等想起来，节已经过完了。

一边是回不过来，一边是想发的忘了发。

我的微信联系人有一万人，很多工作、合作，还有这么多年积累的关系，都在里面。节日本来是一个说说心里话的机会，结果每次都变成了一场还不完的债。

这个中秋，我想让AI帮我把这笔债还上。

微信到底难在哪

用过飞书、钉钉这类办公软件的人可能没感觉，但微信是出了名的封闭。

年初那次拜年，三万走的是飞书API。API可以理解成软件留给程序的办事窗口：告诉它发给谁、发什么，它按规则执行。拉通讯录、发消息，都有正门可走。

至少有三道墙。

第一道墙：没有接口。

企业微信有开放接口，公众号有开放接口，但个人微信没有。你想让程序帮你发一条消息，没有正门。

第二道墙：聊天记录读不了。

你电脑上的微信聊天记录，存在本地，但是加密的。文件就在你自己硬盘上，你却打不开。

第三道墙：屏幕不让看。

这是这次让我最意外的一道。

你眼睛明明能看到微信，系统截图却抓不到主窗口，截出来一片空白。换一种读取界面的方式，也只能拿到几个窗口按钮，读不到聊天正文。

微信连系统截屏都防上了。

没有接口，读不了记录，还看不了屏幕。一个外部程序想碰微信，基本三条路全堵死了。

微信为什么这么做

说实话，我能理解微信为什么这么做。

十几亿人的社交网络，一旦对自动化工具门户大开，最先涌进来的不会是给同事写中秋祝福的人，而是营销号、群发机器人、诈骗脚本。封闭，是在保护用户，也是在保护它的生态。

做了这么多年互联网，我太明白一个平台守住边界的价值。

但换到用户这一边，感受就完全是另一回事了。

关系是我的，聊天是我的，多年积累的人脉也是我的。可我想整理一下，想给重要的人认真写几句话，想把收到的祝福好好回一遍，全都只能自己手动点。

一个个搜索，一个个点开，一个个翻聊天记录，一个个打字。

在一个AI已经能写代码、做分析、管日程的时代，我在微信里做的，还是十年前的手工活。

生态保护得越好，用户的手就越累。

这不是谁对谁错，而是一个真实的矛盾。这次，我想看看AI能不能在不破坏规则的前提下，帮我把这些手工活接过去。

AI是怎么“看见”的

这次用的是GPT-6，跑在Codex这个Agent工作环境里，调用电脑操作工具和本地脚本。可以理解成“三万”这个私人助理方向的一次升级尝试。

最先卡住的，就是那道屏幕的墙。AI看不见，后面的事就都无从谈起。

它试了好几种办法，都被挡了回来。

最后，它自己摸索出一条路：用微信自带的截图功能。

微信防的是外部工具，不会防自己。AI调起微信截图，像人一样框选、查看，再配合系统的窗口捕获，终于拿到了可读的画面。方法跑通之后，存成技能，下次直接用。

这个办法我没教过它，也没有现成的教程，是它自己一步步试出来的。

我觉得这一幕特别能说明问题。

它没有去解密聊天记录，没有去破解什么协议，也没有调用什么灰色接口。它做的事，和我坐在电脑前做的一模一样：打开微信，截个图，看一眼，点一下。

一个软件专门设了门槛防机器，AI最后过去的办法，恰恰是像人一样用这个软件。

用的是我自己的账号，发的是我认可的话。这和群发机器人，完全是两回事。

看清画面只是第一步

搜一个名字，结果里可能同时有联系人、群和聊天记录。有的人还不止一个账号。它得选对结果，打开以后核对身份，不能看到名字相似就发。

还有个很烦的细节：截图时看到了搜索结果，退出截图，那个浮层可能收起来了。按刚才的位置点下去，点到的已经是别的东西。

它必须知道界面变了，恢复搜索，再继续。

发消息也一样。文字放进输入框，要核对正文；发出去以后，要检查消息气泡和失败标记；做完一个人，还得留下记录，避免中断恢复后重复发送。

这些都是人做起来不用过脑子、机器做起来步步是坑的事。

给同事：一人一段，我点头才发

给同事发祝福，我先定了一个机制。

目的只有一个：每个人收到的祝福，都不一样。

我给了它一个群名：Weekly Meeting。里面是猎豹及子公司的中层和高管。

然后它就一个个来：找到一个人，先问我，这个人现在做什么？我对他有什么期待？我讲完，它帮我写好，把完整的文字发给我看。我确认了，说“发”，它才发送。

发完核对，存档，再找下一个。

我的输入，通常很口语化。

这个人跟了我十几年。当年公司要去一个新城市建研发中心，他主动站出来。现在做AI，我希望他敢想敢拼，再焕发一次战斗力。

那个人最初做的只是一个普通岗位，后来一步步成长起来，成了能帮我管好一大摊事的“大管家”。我最想感谢的是他的踏实和勤勉。

还有年轻同事，从基础工作做起，慢慢能独当一面。别人看到的我发的视频，我知道背后有他很大的付出。

给一位最早和我创业的伙伴，我讲了很多年前的事。那时他不太会做界面，但能写解决具体问题的专杀工具。我说，那就先把有用的东西做出来，发出去。这么多年过去，他又回来和我一起做机器人。

有时前面说完，后面我又补一句：对了，我们平时不这么叫他，要用这个昵称。语音输入法还经常把人名、公司名转错，我也会着急：结合前后文理解一下，别每个错别字都重新问我。

AI要做的，就是把这些零散的话理清楚：感谢说到哪里，期待怎么表达，哪些适合写进节日祝福，哪些不适合。

真正的个性化，不是换几个形容词。同一个中秋，有人在家团圆，有人在海外打拼；同一个名字，通讯录知道，但只有我知道平时怎么叫他。这些，只能由我来讲。

我提供真实的经历、感情和判断。AI负责组织语言、操作软件、保存资料。

整个过程，它问，我讲；它写，我看；我点头，它发。我不用坐在电脑前。

一个下午，几十条就发完了。

要是我自己一条条去找人、翻记录、想开头、敲字，这几十条可能得搭进去好几天，而且大概率写到一半就被别的事打断了。

这次省下来的，不只是时间，还有那份最耗人的精力。

收到的祝福：一条一条，都回了

给同事发完，我又让它干了另一件事：

把我收到的70多条中秋祝福，全部回一遍。

这件事，以前我是真做不到。

祝福太多，回不过来，很多就那么搁着了。心里其实挺过意不去的，人家专门发来的，我连一句像样的话都没回。

这次，它一条条打开，看对方发来的是什么，也看看我们之前聊过什么，再根据上下文，给每个人写一条回复。

合作伙伴发来的，回复里带上我们正在做的事；老朋友发来的，语气就随意一点；人家写了一大段真心话，回复也不能只有四个字。

这些回复，我就放手让它自己写了。

它看得见对方说了什么，也知道我们是什么关系。以前那些“回不过来、没法回”的祝福，这次70多个人，每个人都收到了一条专门写给他的回复。

每条打几个字，放在以前，光这件事就能把人累死。现在，我不用守着电脑。

AI写的祝福，有没有诚意

我觉得应该先问：这段话，到底是不是你想对这个人说的？

如果我只给AI一句“写五十条中秋祝福”，它输出五十段漂亮的套话，那当然很难让人感动。

但这次，每个同事背后的故事是我讲的。我记得他的付出，知道他的压力，对他的未来有期待。我逐条看过，觉得说到了心里，才让它发。

最后这些字是我亲手敲的，还是AI帮我组织的，真的有那么重要吗？

那位回复“感动老板的文艺”的同事，我在祝福里提到，遇到事情时他愿意为公司站出来、扛起责任。这是我确实想感谢他的地方。

这条回复至少让我看到，他接收到了这份认可。

发完这些祝福，我在朋友圈记下了当时的感受：接近一半人回复说感动。

我还专门解释了一句：

我坦诚地说不是我一个字一个字敲的，但的确是我一点一点描述的。大家都很理解，依然感动。

这其实回答了那个最直接的质疑：对方知道是AI帮忙写的，还会感动吗？

至少这次，我看到的是理解。大家在意的，是那些具体的付出有没有被看见，是我想说的话里有没有他。

所以那条朋友圈最后，我写了两句：

所以AI只是手段， 和键盘一样。

键盘替我们把话打出来，AI还能帮我们把话理好。这段话有没有意义，取决于我到底想对这个人说什么。

很多人心里有真实的感情，却因为忙、因为不擅长表达，一直没说出口。现在AI降低了表达的成本，这些话终于有机会送到对方那里。

大半年过去，模型到底进步在哪

拿年初那次拜年做个对照，就很清楚。

年初给611人发消息，我们定过一条铁律：所有批量操作必须写成脚本执行，不能让大模型“想着发”。

因为测试过，它有时跟你说发了，其实没发。任务一长，讲到后面就忘了前面。

所以那次，模型负责写文案、写脚本，真正干活的是脚本。飞书接口很规矩：给名单、给内容，按顺序跑完。模型更像一个会写代码的秘书。

这次，微信没有接口，没法把活全甩给一段脚本。每一步都得模型自己盯着。

我感受最深的，是三个变化。

第一，也是进步最大的：长程任务里的电脑操作能力。

先说说AI操作电脑，到底在干什么。

人用电脑，看一眼、想一下、点一下，根本不过脑子。AI不一样，每一步都得完整走一遍：

1.截图：先把屏幕拍下来；

2.看懂：从画面里认出文字、按钮、联系人、聊天内容；

3.判断：现在在哪个界面？刚才那一步做成了没有？

4.规划：下一步该点哪里、输入什么；

5.执行：点下去，然后回到第一步，再截图确认。

业内把这叫Computer Use，电脑操作能力。看、想、做、再看，一圈接一圈，形成一个闭环。

而把这个闭环连续跑几个小时、几千圈不出错，就是现在大家最看重的长程任务能力（Long-horizon Task）。

这两个能力，我觉得是今天顶级大模型之间真正拉开差距的地方。

回答一个问题、写一段文字，现在很多模型都做得不错。难的是，给它一件要干几个小时、中间有几百个意外的活，它能不能从头干到尾，而且干对。

半年前，让AI操作电脑，两三步就会停下来，或者点错地方。

它可能截完图看错了按钮，可能忘了自己刚才做到哪，也可能干到一半说一句“已完成”，其实根本没做完。所以年初给611人拜年，我们才定下那条铁律：长任务必须交给代码，不能让模型自己“想着发”。

这次，它操作了几十个人，没有一个出错。

50位同事，每一位都要搜索、选对结果、核对身份、翻聊天、问我背景、写稿、等我确认、输入、发送、检查气泡、存档；70多条收到的祝福，每一条都要打开、读懂、结合上下文回复。加起来一百多个人，几千个操作步骤。

截图时看到了搜索结果，退出截图浮层就没了，它知道界面变了，重新搜；同名的人不止一个，它会点进去核对，不会看到名字像就发；每发一条，它都去看消息气泡和失败标记，确认真发出去了才记一笔。

前后持续了好几个小时。中间被我打断、被我改要求、被电脑锁屏打断，回来都能接着往下做。哪些人已确认，哪些等我看稿，哪些已经发了，哪些不是好友没法发，它心里一直有一本账。

从“两三步就停”，到“几千步不错”，这是半年里我感受最直观的进步。

这就像招人。面试时聊得好的人很多，能独立把一个项目从头扛到尾的人，才是真正的骨干。

第二，碰到专门设的门槛，它自己找路。

微信防系统截屏，截出来一片空白。它换了几种办法都不行，最后想到用微信自带的截图：防外部工具的门，挡不住软件自己的功能。

年初，飞书权限不够时，它也会调整策略。但那是在规则清楚的接口里找路。

这次，是在一个故意不让机器进来的环境里，自己试出一条“人走的路”。

第三，它更听得懂人话，也读得懂上下文。

年初，25位骨干的背景，是我挨个整理好告诉它的。

这次我想到哪说到哪，前面讲完，后面又跳回来补一句昵称；语音转错了人名，它结合上下文自己猜对；我中途加的要求，它会落实到后面每一个人。

回复收到的祝福，更是全靠它自己读上下文：对方是谁，说了什么，我们之前聊过什么，该用什么语气。

用一句话总结：

年初，模型写脚本，脚本干活。这次，模型自己上手，连续干了几个小时，脚本成了它手里的工具。

模型聪明只是一半

另一半，是Agent能不能长期用。

我反复催它：等我确认这一位时，继续准备后面的人，别干等。已经打开的聊天接着用，别每次重新搜。解决过的截图问题存下来，别反复从头研究。

电脑操作要花时间，模型看画面、读上下文也要消耗token。每处理一个人都重新加载全部历史、反复截同样的图，再聪明也会慢，也会贵。

所以我们的方向是：常规查找和去重交给本地程序，每次只读相关档案；模型把精力放在理解新信息、判断和表达上。用过的方法留下来，下次复用。

原来必须我守在电脑前一个个做的事，现在我只需要讲背景、做判断，剩下的交给Agent。

收比这几十条消息更值得期待的

以前过完节，祝福发完，这件事就结束了。下个节日再来一遍，还得从头回忆。

这次我专门要求：我告诉你的这些背景，要认真存下来。别只存一个职位，下次又让我重新讲。

于是，称呼、职责、共同经历、我确认过的信息、这次的交流和发送状态，开始形成一个个本地联系人档案。

你看，微信的聊天记录是加密的，我读不了。但我讲给AI的这些故事，存在我自己手里。

我想做的微信助手，就从这里开始。

一万人的分类，不必先变成一个浩大的整理工程。每次真要跟一个人沟通，就多了解一点、多记住一点。每用一次，下一次就更省事。

下一个节日，想发的人不会再忘；收到的祝福，也不会再搁着。

以后准备去一个城市，可以先找出有相关背景、适合约见的人。遇到一个业务问题，可以问问我认识的人里谁做过类似的事。到了重要的日子，能根据已经确认的经历，写一段真正合适的话。

我越来越觉得，私人AI助理的价值，是在这样的持续使用里攒出来的。

它慢慢了解你的工作，也了解你的表达习惯。你纠正过的称呼，下次不用再纠正；你讲过的故事，下次沟通时能找回来。

年初，611条飞书拜年消息，让我看到AI助理能把一个项目做完。

这个中秋，50条祝福、70多条回复、几个小时不间断的工作，让我看到它开始走进我的日常：那些没有接口、甚至专门防着机器的软件，那些零散的操作，那些只有我自己知道的关系和经历。

平台的墙还在。但AI学会了像人一样，从门口走进去。

我说起一个人。AI把这段话整理好，等我点头，再送到他那里。

我心里记着的人，终于有更多机会知道：我一直记着。