夜雨聆风Product Hunt 上有个工具叫 tablo，介绍只有一句话：一只小猫，替你看着你的 AI 编程助手。
我一开始以为是恶搞。往下翻才发现不是——那几天的榜单里，干这件事的不止它一个。Port22 把 Mac 上跑的编程 Agent 投到手机上，240 票；AgentMicro 在 macOS 菜单栏里显示 Codex 任务跑到哪一步了，167 票；还有一个专门算你的 Claude Code 会话到底花了多少钱的，388 票。GitHub 那边也有 orca，专门管一整队并行跑的 Agent。
它们都不写代码。它们的工作是盯着写代码的那个 AI。
翻资料的时候看到一个数字，我盯着看了挺久。
Anthropic 关于 Agent 自主性的研究里提到：Claude Code 会话的单轮时长，99.9 分位从 2025 年底的不到 25 分钟，涨到了 2026 年初的 45 分钟以上。注意这是一轮。一个完整的功能从规划、实现、跑测试到修 bug，多跑几轮，几个小时是常态。
问题在于，Agent 默认不是全自动的。写文件、执行命令、访问网络，这些动作它会停下来问你一句"可以吗"。
于是就出现了那个很拧巴的场面：机器能连续工作几小时了，但它每隔一阵就要回头找你确认一下，而你可能在吃饭、在开会、在睡觉。
Agent Approve 的作者 Jim Beno 把这个两难说得挺准："离开终端，Agent 就闲在那儿等审批；打开 yolo 模式，它可能把你的主目录删掉。"他说他做这个东西，就是不想在这两者之间选。
自动化本来是为了让人少干活，结果长出了一个新工种：AI 监工。
这一批工具，各自站在哪个位置
我把翻到的整理了一下：
| 工具 | 干什么 | 有意思的设计 |
|---|---|---|
| Port22 | 把终端里的 Agent 投到 iPhone | 直接读 Agent 给出的真实选项做成按钮，不是模拟按键 |
| AgentMicro | 菜单栏看并行的 Codex 任务 | 只读本地元数据，从不上传提示词、源码和历史 |
| tablo | 一只看着你 Agent 的小猫 | 纯观察 |
| LangWatch 的用量追踪 | 算这次会话花了多少钱 | 只算钱 |
| Agent Approve | iOS + Apple Watch，跨 14 个以上 Agent | 拦 250 多种破坏性命令模式，还会拆开复合命令 |
| Grass | 手机上看实时输出流 | 每帧带序号，断线重连能把漏掉的重放一遍 |
| Agent AFK | Telegram 通知 + 输出验证 | 拿你的测试套件反过来查 Agent 有没有虚报完成 |
看完这张表，最让我意外的不是它们有多少花样，是它们的共同点——几乎全是只读的。
AgentMicro 在介绍里专门强调只观察本地元数据；tablo 就是看着；LangWatch 只负责算钱；Port22 说得最直白，它明确写着自己不是一个新终端、不是 IDE、也不是 Agent，只是一座桥。
十来个工具挤在同一个位置：把 AI 干的活搬到你眼前，然后停住。
反转在这儿：点了同意，但你其实什么都没看
Port22 有个第三方评测，里面提到一个缺点，我觉得这是整件事最要命的地方——它的审批卡片不直接显示代码 diff，想看改了什么得再多点一下。
评测原话的意思是：这会鼓励用户在没有完整上下文的情况下点同意。
想想那个画面：手机震了一下，屏幕上一行字"是否允许修改 auth.ts"，两个按钮。你在地铁上，一只手抓着扶手，另一只手点了"允许"。
那一下同意，很可能是你一天里信息量最少的一次决策。
这批工具解决的是"你能点"，没解决"你该不该点"。它把你从桌子前解放出来，代价是把审批变成了一个更容易敷衍的动作。原来在电脑前你还会瞄一眼改动，现在在手机上，你连瞄的机会都被折叠掉了。
那有没有敢替你点的？有。Claude Code Watchdog 就是——它每两分钟轮询一次会话状态，识别六种状态（进行中、有待办、报错、阶段完成、空闲、等待输入），然后调 Claude API 来决定该不该继续，能自己往下推、自己提交、自己开 PR。
用 AI 来监工 AI。这个方案有它的道理，也有它的问题，不过权限该怎么分档、护栏该怎么设，是另一个话题了，这儿先不展开。
我觉得走对方向的，是那个不做通知的
整批工具里，Agent AFK 是个异类。
它也有 Telegram 推送，但真正有意思的是另一个功能：shadow-verify。它拿你项目里已有的测试套件，反过来对 Agent 的输出做一次交叉验证，专门抓一种情况——Agent 说"完成了"，但其实没完成。
这个毛病有个名字叫"假完成"。用过编程 Agent 的大概都遇到过：它信心十足地告诉你搞定了，你一跑，报错。
我觉得这个思路和前面那批不在一个层面上。前面那些做的是"让你更快知道它卡住了"，Agent AFK 做的是"让你不用亲自去确认它做对了"。
顺着这个想，这批工具其实可以分三层：
- • 通知层：它卡住了，告诉你一声（Port22、Grass、大部分手机端方案）
- • 观察层：它在干什么、跑了多久、花了多少钱（AgentMicro、tablo、用量追踪）
- • 验证层：它说做完了，这话可不可信（Agent AFK 的 shadow-verify、Agent Approve 的命令模式拦截）
前两层是缓解，第三层才是解。
真正的问题从来不是"我不在场"，是"它说完成了，而我没有一个便宜的办法确认这件事"。前两层再做得精致，那个确认动作还是压在人身上——只是把它从桌子前挪到了手机上。
我的感受
按这三层把自己在用的工具过了一遍，发现我大部分精力都花在前两层：多装了几个提醒，多收了几条推送，本质上还是我在当那个瓶颈。
有个词最近在开发者圈里挺流行，叫"保姆税"——你用 Agent 省下来的时间，有一部分要交回去，用来看着它。这税交得心甘情愿，但总归是税。
我的感受是，这一批监工工具大概率是过渡形态。它们的出现刚好说明了一件事：Agent 已经能跑很久了，但还没学会怎么证明自己跑对了。等哪天它能自己举证，这些小猫、菜单栏图标、手表通知就该退场了——它们做得越好，越是在给自己倒计时。
这两天我顺手数了下自己被"等你确认"打断的次数，比想象中多不少。这个数字大概比任何一篇测评都更能说明，一个人需不需要这类工具。
