这期聊一个话题：怎么用 AI Agent 来配置 AI Agent 本身。
起因是我第一次安装 OpenClaw 的经历。它的安装命令比较复杂，我没有自己去跑，而是让 Claude Code 帮我装。装好以后我把 API Key 给它，让它自己完成认证，最后 OpenClaw 就配置好了。后续使用过程中，我还多次让它帮我调整模型、清理工作区。当时 OpenClaw 的 UI 做得不太好，想把它配到飞书上也比较麻烦，但本地有了一个 Agent 之后，它可以修改另一个 Agent 的配置文件、可以执行命令，这些事情就都能交给它处理。
对第一次使用 AI Agent 的人来说，MCP、Skill 这些概念并不好理解。如果本地一直有一个默认的 Agent 能把后续的事情处理好，整体成本会很低。我自己的感受是：如果装 OpenClaw 时电脑上一个 AI Agent 都没有，那确实是一件复杂的事；但有了第一个 Agent 之后，后续的操作就简单了。这就是 Agent 的自举——自己配置自己，甚至迭代自己。现在一些产品也开始把这件事产品化。
Agent 产品里要配的东西越来越多
以 Claude Code 和 Codex 为例，里面可以配置 MCP、Skill、hook，还可以配置 Skill 目录的规则、某些 feature 的开关。再进一步，可以让它读取我们以前的对话，复盘整理成 Skill，或者分析什么时候应该开启哪个功能，让我们更好地使用 Agent 本身。
配置项多到一定程度，靠人手去配就不实际了。我最开始分享 Skill 的时候，不少人以为我的 Skill 是手写的，其实我从来没有手写过任何一个 Skill，都是把想法告诉 AI，让它去写。现在 Skill 已经比较流行，大家应该更能理解：很多东西让 AI 自己配置就好，我们只需要输入想法，让它迭代自身。
Agent 需要了解自己的配置项
我认为 AI Agent 产品的下一步，是让 Agent 能够更好地修改自己的配置。这不是说把配置文件给 Agent 读到，它就能改好，而是它需要非常了解自己有哪些配置项。我最近观察到一些产品已经在把自己身上的特性、feature 和配置项做成 Skill 或者内置工具，让 Agent 能更好地修改自己。
我把「修改自己的配置」分成四个维度：
- 修改外部的东西。这是最基础的一层，读写文件、执行命令、调用外部工具都属于这一类。
- 修改自己的东西。比如修改自己的 Skill、接入 MCP、调整权限，根据不同的任务或者使用习惯动态调整。
- 教我们更好地使用它的功能。有些功能不是改了配置就能用的。比如 Claude Code 有一个
/insights命令，执行之后会把之前的对话信息整理成一份报告，主动透露自己有哪些功能是我们没用过的。再比如 Codex 的子 Agent，如果不主动去触发，它大多数时候不会自己开启，这是它工具提示词里写明的。我自己开发新项目、读代码的时候，会主动触发一个叫 explore 的 Skill，它会开启三个子 Agent 读取本次要修改的相关文件，再把结果交给主 Agent，这样能节省上下文。 - 控制和进化过程。最近比较火的 Hermes Agent 就是这个理念：它会定期整理自己的对话信息，把它们复盘成 Skill，完成自己的进化。
三个已经在这么做的产品
最近我看到几个给自己提供配置项、或者主动暴露自身能力的 Agent 产品，这里说三个。
第一个是 Claude Code。在斜杠菜单里可以看到一个 update-config 的 Skill，它的说明就是用来配置 Claude Code 自己的配置文件。调用这个 Skill 之后，Claude Code 读过它就清楚自己有哪些能力，我们可以让它自己修改自己的配置。
第二个是 Codex。它提供了一个 OpenAI 文档的 Skill，Codex 更新了哪些特性、OpenAI 有了哪些新模型，它都可以通过这个 Skill 查自己的内部文档。
第三个是 QoderWork，阿里的一个通用 Agent。我之前体验的时候发现它有一个叫 QoderWork 的连接器，当时我不知道是什么意思，因为产品本身就叫这个名字。后来才发现它的作用是赋予 Agent 自省和自治的能力：它可以查询自己当前选择了哪个工作区、用的是哪个模型、配置了哪些 MCP，而且不只是查看，还可以直接修改配置。它做得更产品化，通过连接器提供工具去更新，比直接编辑配置文件更稳定一点。
改配置这件事需要留档
我也让 Codex 帮我梳理过这里的风险。Agent 虽然可以帮我们更新配置，但修改 Agent 本身的配置这件事几乎不留档，除非配置文件本身有 git 记录。如果配置是产品化的，像 QoderWork 这样，就可以有版本和 diff 的概念：Agent 更新自己内容的时候，我可以随时追溯。假设这次加了几个 Skill 效果不好，或者 MCP 的配置是错的，就能快速方便地回滚回去。
改 MCP 这一类还好，如果改的是模型，风险会更大：一个强模型把自己改成弱模型之后，这个弱模型可能没有办法把自己改回强模型，到时候再靠人手处理就很麻烦。所以 Agent 虽然能改自己的配置，这个过程还是有风险的。
我期待的几个能力
后续我会比较期待通用 Agent 产品具备更好的自举、自治和自省能力，比如这几个方向：
- 自己开启子话题。Cursor 之前有一个开启子 Agent、打开新话题的功能。我很早就想过：一个 Agent 能不能自己新开一个话题，这个话题相当于一个独立的 Agent，它可以读取这个话题的内容、提取摘要带回当前话题，让另一个 Agent 帮它执行任务。
- 对不同模型能力的认知。比如我现在用的是 Claude 模型，让它去调用 GPT、GLM、MiniMax 这些不同机制的模型时，它能不能了解它们各自的能力，基于模型能力调用不同的 Agent 做不同的事情。
- 编辑自己的上下文。选择性地删除自己的一些记忆。现在的自动压缩机制算是一个兜底，能不能更激进一点：比如我们中途问了一个错误的问题，让 Agent 删掉当时那一段记忆。技术上可以做到，目前还没有 Agent 这样做，我在想后续会不会成为一个趋势。
现在我看一个 Agent 产品，会先问一个问题：它能不能让 Agent 自己把工具和设置配好。