我缺的不是更多 Agent,而是让两台 Mac 上的 Agent 有一个共同入口。
最近我一直在想,能不能把手里的 MacBook 和 Mac mini 连接起来,让不同的 Agent 在合适的机器上处理合适的任务,再把进度和结果及时送到手机或邮箱。
这件事我其实折腾了挺久。最开始,我试了不少 Harness 和使用方式,包括 OpenCode、Lody、Pi,以及所谓的 DeepSeek Harness,也研究了 VS Code Remote SSH、OpenClaw 和几种远程连接方案。它们都能解决局部问题,但没有一个能自然地把“设备、Agent、任务和通知”串成一套工作流。
最终留下来的,反而是我已经熟悉的几个入口:VS Code 负责本地开发和通过 SSH 连接 Mac mini,OpenClaw 负责邮件、浏览器、计划任务、Obsidian 和其他本地自动化,T3 Code 则是我近期看到的、专门面向编程 Agent 的控制面候选。
Tailscale 在这个过程中也证明了自己的价值。虽然手机同时使用 VPN 和 Tailscale 可能存在切换问题,但我在 Mac 上始终可以比较稳定地远程访问 Mac mini。这个方案解决了设备互通,却没有解决任务调度和状态管理。
我最近重新更新并运行 OpenClaw,发现它已经变化很多。现在它不仅能执行、定时和通知,还能接入 Codex、Claude、GitHub Copilot 等不同 Provider 的订阅。尤其是 Copilot,原来主要会觉得它被 VS Code 限定在 IDE 内;当它可以通过 OpenClaw 或其他 Harness 使用时,它的能力范围和价值都被放大了。
我手上的任务并不只有写代码。还有调研、邮件整理、浏览器自动化、视频渲染,以及各种适合放到夜间运行的计划任务。它们对模型能力、运行环境和响应时间的要求都不一样,没必要每件事都交给最贵、最强的模型。
我已经订阅了 ChatGPT Plus、VS Code Enterprise 和智谱 GLM Coding Plan,也重新把 OpenClaw 跑了起来。对我来说,问题不是再订一个 Agent,而是如何把已有的工具、机器和工作流组织起来。我在我的 Personal AI Stack里介绍过现有组件,这篇文章想继续往下讨论它们怎样协同。
我需要的不是一个更大的聊天窗口
过去,我通常按工具来组织工作:编程任务进 IDE 或终端,邮件和日程交给 OpenClaw,资料留在 Obsidian,项目和文章则放在 GitHub。工具各自能做事,但任务一旦跨越机器、模型和时间,就很难知道该在哪里启动、如何跟踪,以及最后去哪里看结果。
我希望这套工作台至少解决几个问题:
- 编程任务可以在 MacBook 或 Mac mini 上启动,不必总在同一台电脑前。
- Claude Code、Codex、VS Code 里的 Agent 等入口可以各用所长,订阅和认证仍由原来的工具负责。
- 浏览器自动化、邮件整理和 Obsidian 操作可以继续由 OpenClaw 执行。
- 长时间任务可以留在适合它的机器上运行,例如把视频渲染和计划任务放到 Mac mini。
- 代码类任务的变更可以回到 GitHub,通过 Branch、Issue 和 PR 留下记录。
- 我能用手机查看远程任务;需要推送邮件时,继续走现有的 OpenClaw 邮箱工作流。
这里有一条很重要的边界:我并不期待一个产品接管所有任务。我想要的是把编程、自动化、知识管理和通知放进一套清楚的分工里。
我原来准备自己搭一层控制平面
我的第一反应是自己拼起来:Mac 上运行 Agent 服务,再用 Cloudflare Tunnel 暴露入口,最后补一层任务状态和通知。这样做的自由度很高,但认证、设备管理、连接保活和手机端体验也都得自己维护。
我还在使用 Tailscale。不过在手机上,Tailscale 和我日常需要的 VPN 使用方式会互相影响。它可以把设备放进一张私有网络,但对我而言,手机上同时切换两个网络入口并不理想。
这时我看到 T3 Code 已经提供 T3 Connect。按它目前的远程访问文档,每个 T3 Connect 账号可以连接最多三台机器,手机和浏览器不计入机器额度。我的需求是 MacBook 加 Mac mini,两台正好在当前额度内。
T3 Connect 也不是一条通用 VPN。它解决的是 T3 Code 客户端远程连接到已关联的 T3 环境,不等于把手机、MacBook 和 Mac mini 全部放进一张可访问任意服务的私有网络。SSH、文件共享或其他服务仍要按各自的网络方式处理。这个区别很关键:我可能不需要为 T3 Code 的远程控制再自建一条隧道,但不代表可以卸载所有通用网络工具。
T3 Code 正好补上编程任务这一层
T3 Code 把自己定位为 coding agent 的 control plane。它连接运行在本机的编程 Agent,让桌面、网页和手机端访问这些任务,并提供 Git worktree、变更查看和 GitHub PR 等开发工作流。它不是模型服务,也不替我出售或合并已有订阅。
这和我的现状挺契合:已有的模型计划和本机 Agent 继续由各自的工具管理,T3 Code 则统一编程任务的入口和远程协作界面。我不需要因为换了控制面,就把正在使用的订阅和模型全部迁走。
我已经亲自验证过 Codex 和 GitHub Copilot 接入都很顺利,可以直接使用订阅中的模型,不需要额外为 Agent 单独购买一套 token 或 API 配额。它们的体验确实比把订阅当成孤立入口时好很多。
订阅兼容性仍然不能只看套餐名字。VS Code Enterprise 不等于 T3 Code 会自动接管整个 VS Code,GLM Coding Plan 是否能通过我当前使用的 Agent 入口工作,也要按具体 Harness 和认证方式验证。

图片来源:T3 Code 官方网站。
从我的理解看,T3 Code 的价值在于把不同的编程 Harness 放进同一套工作流,并强化远程环境与多 Agent 编排。这个方向吸引我的地方,不是又多了一个聊天界面,而是任务可以留在实际运行 Agent 的机器上,我再从另一台设备继续查看和操作。
我的两台 Mac 会怎样分工
下面是我想逐步实现的目标架构。它不是“让 T3 Code 包办一切”,而是让 T3 Code 管编程任务和远程访问,OpenClaw 管更广泛的自动化,GitHub、邮箱和 Obsidian 分别承接代码结果、通知和本地资料。
我倾向于让 MacBook 负责交互密集的开发工作,让 Mac mini 保持常开,处理 OpenClaw、夜间任务、浏览器自动化和视频渲染。具体任务跑在哪台机器,仍要看它依赖的软件、资源和是否需要长时间运行。
代码变更回到 GitHub,方便我通过 Branch 和 PR 检查结果。邮件通知则继续由 OpenClaw 发到专用邮箱,ChatGPT 再按我现有的习惯检查邮件。Obsidian 仍然是本地资料和工作记忆的落点,需要编辑时让 OpenClaw 操作它。
所以,手机通知和邮件推送其实是两件不同的事:T3 Code 的手机端适合远程查看编程线程,OpenClaw 的邮件适合把计划任务或非编程流程的结果发出来。ChatGPT 读取邮箱是我自己的信息流设计,不是 T3 Code 内置的邮件集成。
T3 Code 自己的架构边界
从使用者视角看,T3 Code 的关键路径可以简化成:客户端连到运行 Agent 的机器,T3 Server 再连接本地 Harness 和项目工作区,代码变更最后通过 Git 工作流进入 GitHub。
每台需要运行编程任务的电脑都要有对应的 T3 环境和本机 Agent。T3 Connect 提供客户端到环境的远程访问,具体任务仍由连接在该环境上的 Harness 执行。跨环境子 Agent 编排属于编程工作流层面的能力,不应理解成任意类型任务的通用调度器。
这也决定了我不会把所有自动化都塞进 T3 Code。对我来说,它最合适的角色是代码 Agent 控制面;OpenClaw 继续承担日程、邮件、Obsidian 和定时执行等通用任务。两者各自有明确边界,比指望一个工具包办所有事情更现实。
先拿真实任务验证
我准备先用两台 Mac 跑一段时间,再决定是否把更多任务接进来。首先要验证的是:手机能不能稳定连回两台机器,任务在 Mac mini 上运行时能否从 MacBook 查看,以及 GitHub 的变更评审流程是否足够顺手。
之后再挑几个代表性任务试跑,例如在 Mac mini 上做一次长时间渲染、让 OpenClaw 整理一轮邮件、用 T3 Code 启动一个独立 worktree 的代码任务。每种任务都要能回答三个问题:它在哪里运行、怎样知道它结束了、结果最终保存在哪里。
我也会特别留意订阅和 Agent 的实际兼容性。把一个编程 Harness 接到控制面,不代表所有模型计划都能无缝切换;把手机接到 T3 Connect,也不代表获得了通用 VPN。把这些边界测清楚,比单纯看演示更有价值。
总结
我想搭建的不是一个万能 Agent,而是一个围绕两台 Mac 运转的个人 AI 工作台:T3 Code 负责编程 Agent 的统一入口和远程访问,OpenClaw 处理更广泛的自动化,GitHub 保存代码任务结果,邮箱和 Obsidian 分别承接通知与本地知识。
T3 Code 让我暂停了“自己从隧道开始造轮子”的计划。它目前的三台机器额度覆盖了我的两台 Mac,远程控制和 GitHub 工作流也正好对应我最明确的需求。至于它能否成为我所有 AI 任务的控制平面,答案还是否定的。它先成为 coding harness 的控制面,再与 OpenClaw 等已有系统协作,这才是我更愿意尝试的路径。
