核心用法
Autonomy 技能旨在通过分析用户对话历史，识别重复性任务并提出接管方案。核心流程包括：从对话中检测瓶颈信号（重复请求、无脑批准、用户抱怨）→ 向用户提出接管提案 → 经批准后进入试点阶段（前 5 次操作后报告）→ 追踪成功率并申请完全自主权限。全程使用 ~/autonomy/ 目录下的 tracking.md、proposals.md、rejected.md 管理状态。
显著优点
- 渐进式授权：L1→L2→L3 的分层扩展模式，降低用户心理门槛
- 透明可审计：所有提案、试点、拒绝记录持久化存储，用户随时可审查
- 对话内学习：无需访问日历、邮件、文件系统即可识别模式，隐私侵入性极低
- 明确边界：6 条核心规则 + 3 条硬禁止（不经批准行动、不监控外部系统、不"审计"用户活动），减少权限模糊地带
潜在缺点与局限性
- 依赖用户主动性：若用户不主动提及重复任务，系统无法识别（禁止主动监控）
- 试点阶段摩擦：前 5 次"先执行后告知"可能打断用户工作流
- 扩展瓶颈：严格禁止外部观察意味着某些真正高频但未在对话中体现的任务无法被捕获
- 跨会话记忆缺失：仅限当前对话上下文，历史会话中的模式可能丢失
适合人群
- 高频使用 AI 代理的开发者/运维人员（如重复部署、代码格式化、PR 创建）
- 对隐私敏感、不愿开放系统级监控权限的用户
- 希望渐进式探索 AI 自主能力边界的早期采用者
常规风险
- 过度授权风险：用户可能在不耐烦时快速批准，导致代理获得超出预期的权限
- 隐性范围膨胀："填补空白、处理边界情况"（L2）的表述较模糊，易引发争议
- 拒绝疲劳：频繁提案可能导致用户习惯性批准，削弱安全缓冲
- 文件污染风险：
~/autonomy/目录若被其他程序篡改，可能影响权限状态判断