免费AIAgent,真的只是省钱吗?
title: 免费 AI Agent，真的只是省钱吗？
digest: 从 Hermes 迁到免费桌面 Agent 后，我发现省下的 Token，可能正变成另一种成本。这篇文章聊聊：什么该交给平台，什么必须留在自己手里。
最近，我把一部分任务从 Hermes 迁到了豆包、Workbubby 这类桌面 AI Agent 上。
原因很简单：它们在一定范围内免费，而且开始进入"执行"层面——能处理文件、操作桌面、使用浏览器、跑连续任务。
一开始感觉非常好：以前要消耗 Token 的任务，现在可以走免费额度；以前要自己动手的操作，现在可以交给 Agent。我甚至开始专门调整自己的 Skill，让它们更适合这些新平台。
但就在这个过程中，我突然意识到一个问题：
我好像不只是把任务迁移到了另一个 AI——我正在把自己的工作方式，也迁移到这个平台上。
于是我开始重新思考：免费 AI Agent，真的只是"省钱"吗？
● ● ●
01 省下的 Token，可能变成了另一种成本
先说清楚：我并不是说免费 AI 不好。恰恰相反，如果平台能免费提供不错的模型和 Agent 能力，当然应该充分利用。
真正让我警觉的是：免费并不等于总成本为零。
这里的成本不一定是钱，还包括：
- 学习成本：新平台的规则、用法、边界，都要重新摸；
- 配置成本：环境、权限、工作目录，每换一次都要重来；
- 工作流维护成本：Skill、流程、自动化脚本，都要跟着平台走；
- 数据迁移成本：资料、上下文、历史产物，搬运一次就是一次工程；
- 平台锁定成本：规则变了、功能下线了，你可能连工作流一起被"锁"在平台上。
还有一些更现实的风险：条款变化、隐私与数据规则变化、审核规则变化、某些地区无法使用、某个功能突然下线。这些不一定都会发生，但对于一个已经把 AI 深度嵌入日常工作的用户来说，都是值得正视的系统性风险。
尤其是当你的使用方式，从"问它一个问题"，变成"让它每天帮我完成一套工作流"之后，情况就完全不同了。
真正的迁移成本
如果某天平台改变规则，你需要解决的不再是"换一个模型就行了"，而是："我要花多少时间，才能把整个工作流迁走？"
● ● ●
02 平台依赖，并不是必然发生的
说严谨一点：不是用了豆包就一定会被豆包绑定，也不是用了 Workbubby 就一定离不开它。
如果你只把它当普通聊天工具，平台依赖其实非常低。依赖是分层的，不是二元的。
平台依赖梯度
真正的问题不是"我有没有用某个平台"，而是：我的核心工作流里，有多少部分只能在这个平台上运行？
一个只复制一句通用 Prompt 的任务，几乎没什么迁移成本；但一旦加上平台专属 Skill、桌面操作、文件权限、浏览器控制、特殊上下文和平台内部数据，平台依赖就会明显加深。这是两个完全不同的问题。
● ● ●
03 Skill 到底属于谁？
这是我最近反复在想的一个问题。
我们很容易把很多东西都叫 Skill，但一个 Skill 里其实混杂着完全不同的东西。以一套内容生产 Skill 为例：选题 → 选题评分 → 资料研究 → 内容生产 → 质量评分 → 重写 → 风格调整 → 多平台输出。
这里面真正有价值的，可能不是某个平台里的那几段 Prompt，而是整套解决问题的方法：怎么判断一个选题值不值得做、怎么定义内容质量、什么情况下要重写、什么情况下要换方向、风格标准是什么、最终输出要满足什么条件。这些东西，换一个 AI 依然可以保留。
但同时，也有一些东西天然属于平台：怎么调用工具、怎么操作浏览器、怎么访问文件、怎么使用平台上下文、怎么处理平台特有的输入输出。这些换平台后，大概率要重新调整。
Skill 四层拆解
我更愿意把一个 Skill 拆成四个检查维度：
- Core：方法论、任务逻辑、判断标准、质量标准——必须掌握在自己手里；
- Assets：Prompt、模板、素材、知识——可以随场景换；
- QA：验收标准——决定最终质量，应该独立保存；
- Adapter：平台 A / B / C 的具体实现——随平台变化。
四个检查问题
哪些东西必须掌握在自己手里？哪些可以随平台变化？哪些需要独立保存？哪些决定最终质量？
● ● ●
04 "AI 可以换，Skill 不用换"也不完全正确
以前我会觉得：Skill 只要写好，就应该到处能跑。但实际操作下来，不同 AI 的能力差异非常大——上下文长度、指令遵循、推理能力、工具调用、文件处理、浏览器操作、输出稳定性，全都不同。
所以合理的目标不是"换 AI，Skill 一字不改"，而是：换 AI，核心工作逻辑尽量不变；平台相关的 Prompt、执行方式和 QA 参数可以调整。
换句话说：可迁移的不是逐字不变的 Prompt，而是任务意图、方法、数据、判断标准和质量要求。至于怎么让某个 AI 做到，属于执行层的问题。
● ● ●
05 Adapter 也不是做完就不用管
既然平台有差异，给每个平台做一个 Adapter 不就好了？理论上可以，但 Adapter 本身也是要维护的。
每个 Adapter 都可能要处理：不同的上下文机制、不同的输入方式、不同的工具、不同的文件权限、不同的输出格式、不同的模型行为、平台自身的更新。
所以结论是：不是所有工作流都值得做多平台适配。一个非常简单的 Prompt，没必要为了跨平台而跨平台。只有当某套工作流价值足够高、迁移成本足够大时，这种抽象才真正有意义。
● ● ●
06 桌面 Agent 和 API 模型，根本不是一回事
传统 API 模型更像：程序 → API → 模型 → 结果。它适合被程序直接调用。
而桌面 Agent 更像：我的任务 → 桌面 AI → GUI → 浏览器 / 文件 / 操作系统 → 执行结果。它面向的是"人 + 图形界面"。
这意味着：有一个 Task Router，并不等于能自动调度所有桌面 Agent。如果一个桌面 Agent 没有开放给外部系统调度的标准 API，Router 最多只能告诉你"这个任务更适合交给豆包"，真正把它送进去、操作界面、等待执行、拿回结果，仍然可能需要人工操作、浏览器自动化、桌面自动化或系统级脚本。
个人 AI 工作系统
所以所谓的"AI 工作系统"，现实中很可能不是神奇的中央控制器，而是：一套自己的工作流 + 一组能力不同的执行器。
● ● ●
07 Router 自己，也不能成为新的单点依赖
假设我真做了一个 AI Task Router，所有任务都经过它——那我还要问一句：Router 放在哪里？
如果 Router 又完全建立在某一个平台上，那只是从一个平台依赖，换成了另一个平台依赖。
所以如果以后搭建自己的 AI 工作系统，核心部分应该尽量可导出、可保存、可迁移：Skill、数据、资产、任务逻辑、QA 规则、Router 规则、配置，可以放在本地文档、Markdown、配置文件、表格、脚本、自己可控的数据库里。不一定非要做一个复杂的软件，但至少不要让核心规则只存在于某个 AI 平台的对话记录或内部配置里。
● ● ●
08 平台不是越多越好
多平台确实能降低单个平台不可用时的风险，但平台多了，也会带来：账号管理、数据分散、隐私风险、工作流复杂度、Adapter 维护、使用成本。
所以合理策略不是"AI 越多越好"，而是：在可管理的情况下，让关键工作流拥有合适的备用执行器。
甚至很多工作流根本不需要备用——比如"帮我把这段文字改得更顺"，换哪个 AI 都行。但如果是每天都要运行、已经成为生产力基础设施的工作流，有一个备用执行方案，就非常值。
● ● ●
09 免费额度的正确打开方式
以前看到"免费额度 100 次"，我的第一反应是：赚到了。
现在我会多问一句：如果这 100 次用完了呢？
如果答案是"那这个工作流就没法运行了"，说明这个工作流对平台存在比较强的依赖；如果答案是"没关系，我可以切换到另一个执行器"，那免费额度就真的只是一个成本优化因素——额度越多，当然越划算。
所以我不排斥免费 AI，免费额度就应该用。只是不要因为免费，就把整个工作系统都押在它身上。
● ● ●
10 真正该积累的，不是账号
以前我们很容易把 AI 产品当成资产："我有 ChatGPT""我有 Claude""我有某个 Agent"。
但现在我越来越觉得：账号当然是资产，但它不是最底层的资产。更底层的是自己的 Skill、Prompt、数据、素材、工作流程、判断标准、QA 和自动化经验——这些东西才更接近真正的生产能力。
如果方法、数据和工作流都沉淀在平台内部，那么换平台时，损失的不只是一个账号，而是已经建立起来的生产方式。
行李箱
● ● ●
最后：一个简单的问题
现在再问我"豆包好不好、Workbubby 好不好、Hermes 好不好"，我的答案反而变简单了：都可以用，但不同的 AI 承担不同的角色——有的适合复杂推理，有的适合桌面执行，有的适合浏览器操作，有的免费额度多，有的更稳定。
工具可以多，但系统不要失控。
以后每建立一个重要 AI 工作流，我都会问自己一个问题：
判断平台依赖的一句话
如果明天这个 AI 消失了，我需要付出多大的代价，才能继续工作？
- 只需要换一个执行器 → 很好；
- 需要重新调整一些 Prompt → 完全正常；
- 需要重新适配工具和执行方式 → 存在一定依赖，但可能值得接受；
- 需要重新设计整个工作流 → 平台锁定已经比较严重；
- 没有它，整个系统就无法运行 → 认真评估这个依赖值不值得。
并不是所有依赖都应该消除——如果某个垂直平台的能力就是独一无二的，依赖它完全合理。真正要避免的，是在没有意识到的情况下形成依赖。
AI 可以租，模型可以换，Agent 可以换，甚至某些平台也可以成为不可避免的依赖。但那些真正属于你的东西——工作方法、数据、判断标准、核心工作流——应该尽可能掌握在自己手里。
免费额度多的时候，就用；哪个 Agent 擅长某项任务，就让它做；平台变化了，就重新适配。真正重要的，从来都不是"我现在用哪个 AI"，而是：AI 换了以后，我还能不能继续用自己的方法工作。
● ● ●
你怎么看？你现在用 AI 是"提问"多，还是"下任务"多？如果明天你常用的 AI 突然没了，你需要多大代价才能继续工作？评论区聊聊，我看看有多少人已经开始把工作方式往自己手里搬了。