今年国庆前后,Personal Agent 这个概念爆火,Muse 上线数据很好,Instinct 也拿到了很好的融资。
作为 AI / Agent 领域的创业者,焦虑感扑面而来:之前做的 Agent 陪伴方向是不是没跟上这个风口?这个风口要怎么追,才能拿到融资、做出东西来?
在这个背景之下,我集中补了很多关于 Personal Agent 的内容,再结合手上的实际业务,梳理出以下几点零星的感受与思考。
01|信息输入与我的第一判断
个人习惯使然,这次关于 Personal Agent 的信息输入主要有三个部分:
- 和朋友录播客时的闲聊:彼时我还没有开始用 Grok Bot,当时的体感是,目前 Agent 更像是 PC 时代——对白领毫无疑问有效率上的助力,但对普通大众而言,还没到移动互联网的爆发时刻。
- 自己的 Podcast 知识库:检索出来的相关内容,是此次输入的大头。
- 国外大学课程:比如 Spark X 工程师 Lee 在 Stanford 分享的 always-on-agent。作为技术人,这部分内容我最喜欢,不总是商业和产品上摸不着的虚幻概念。
02|概念祛魅:国内大概率只有 Platform Agent
从技术角度来看,Personal Agent 就是一个概念,一千个人心中有一千个哈姆雷特。Grok Bot、Muse、Instinct、Town、OpenAI dots 完全都是不同的东西,但背后的技术脉络,倒是可以看出一些趋势:
在 Lee 的分享中,模型稳定处理长任务、Computer Use 等底层能力的大幅提升,让 Grok Bot 这样的 always-on-agent 有了基建。但反过来,“拥有云端电脑 = Personal Agent”,这个等号并不是这样划的。
从概念上讲,Personal Agent 的核心是围绕“个人”构建。Instinct 帮用户规划旅行,Muse 帮用户消费砍价,Town 帮学生家长处理学校邮件,Grok Bot 让个人管理拥有云虚机的 Bot 团队。
但鉴于国内各厂数据不互通,豆包手机也举步维艰,国内若有 Personal Agent,落地大概率实际上是 Platform Agent。
与之相对的是 Code / Work Agent,瞄准的还是办公场景。国内大厂押注这个方向很好理解——明确来钱,程序员和办公室牛马离不开。
至于普通用户的视角,OpenClaw 那一波是最贴近“自己有一个个人助理”的时刻,奈何维护成本居高不下,任务跑着跑着就没下文了。国内大厂在这个方向也做了探索,比如腾讯的 QClaw,从年初蹭虾的热度,到现在产品都下架了,感慨一波千变万化。
03|组织启示:Meta Muse 为什么能跑出来?
Meta Muse 的团队组织和产品创新过程,倒是挺有意味的:
- 小且扁平:不到 200 人,少了层层传达的信息损耗,也统一了产品把控,避免不同团队利益博弈下做出“缝合怪”产品。
- 高频分享体感:团队每周都有例行会议,彼此分享使用 AI / Agent 的新奇体验。我觉得这为后续的产品构想埋下了不少伏笔。
- 具体的验收标准:列了 100+ 产品特征,明确验收标准,以此为目标打磨创新,算是有非常清晰的使用场景。
和豆包“用户越多、Token 消耗越多、越像赔本买卖”不同,Meta 靠着 Muse 带动了一波股价,产品也契合公司的战略和护城河,这种时候就不能只盯着单次成本看了。
04|一手体感:为什么 Grok Bot 一秒抓住了我?
自己使用 Grok Bot 的过程中,倒是惊喜满满。
我的探索是从 Claude Code 开始的。最开始自然是跑 coding project,后来顺其自然想到:把 project 目录内容从代码换成其他东西,是不是也有的玩?(LLM Wiki 就是这个时期的典型代表。)
我自己就用这种方式搭了公司的“商业 Coach 数字员工”。刚开始自然是惊喜好玩,但很快碰到了现实阻碍:
- 我总在调整管理的内容结构,一调整、一迁移 harness,东西就变了,慢慢就懒得维护了 ➡️ Grok Bot 直接把这部分复杂度隐藏掉了;
- 我想在手机上随时随地跟它聊、想口喷语音输入,但项目在我本地电脑上,电脑不可能一直待机连接 ➡️ Grok Bot 把它挪到了云端,不需要本地维护,手机语音输入也极其便捷。
而且我以前跑的一些例行任务,经常因为电脑没待机而断掉。后来 Claude Code 被封,我改用 Codex 调试 Podcast RSS 相关任务——本身链路就长,Codex 交互慢、对需求理解总差一口气,目录挪来挪去依赖又经常出错,多个 session 上下文丢来丢去。这个看似简单的任务,单纯因为调试成本太高被我搁置了。
Grok Bot 的模型能力先按下不表,它反应速度快,Bot 的拆分非常契合软件工程的单一职责原则,管理 Bot 也有清晰的层级。简洁的产品设计一下子抓住了我的心,还顺带激发了更多场景:
一个项目就是一个独立的 Bot,项目上下文全都在这里,手机电脑畅聊。背后接 Notion、Linear,云端电脑跑 lark-cli,周边工具用起来无比顺手。
甚至技术本身都不算多大的创新,但它重新定义和抽象了产品形态——干净整洁有逻辑,让大脑的上下文不爆炸,进一步释放了创造力,很有玩乐高的乐趣。
05|技术核心与商业现实:从 OPC 到数字组织
回到技术本身,Personal Agent 的核心关键在于三点:Harness、记忆,以及 Proactive(主动询问如何识别与处理)。从具体需求和场景切进来,再在这个架构上拼接不同模块。
而放到 AI / Agent 创业的商业现实里看:
ToC 的工具产品现在挺不好做的。工具大家都能 vibe 出来,技术平权了,流量又不好搞。反过来,AI 培训的需求见长,FDE(Forward Deployed Engineer)更是如此。
FDE 在我眼里分两类:一类是在现有业务里嵌入 AI 优化工作流,带来业务增长;另一类是深入到组织中,直接改变工作形态。面向 ToB 业务,一号位容易被说服,自上而下好推动;反之自下而上在员工侧落地,涉及到蒸馏员工、替代员工,自然会有阻力。
相比于 OpenClaw / Grok Bot 面向个人的多 Agent(本质还是数字员工或 OPC 一人公司范畴),AFK(Away From Keyboard) 这家创业公司直接跳到了面向企业的 Agentic System——做“数字组织”,这是真的 AI-Native 了。
他们描述了一个很有想象空间的场景:同一份代码,如果有 100 个员工,每个员工的 Personal Agent 都要读一遍,就要读 100 次;而如果有公司级的 Agent,实际上读一遍就够了。试想一下,以后想问某项目进展,企业内共享项目上下文,PM 和程序员日常工作都在和 Agent 交互,系统自然采集进展生成日报,那还开什么站会啊。
而和我们公司业务相对贴近的,是一个叫 Cubbie AI 的垂直场景 Personal Agent——面向大学生处理日常学业,比如看要交什么作业、怎么安排学习计划。毕竟 AI x 教育,本身也是一个很大的场景。
06|最后的一点小结
把上面这堆 Brain Dump 丢给 AI 帮我梳理了一下脉络,最后沉淀出三条最清醒的行动参考,就当作这一轮思考的小结吧:
- 产品抽象上学 Grok Bot:简洁、隐藏复杂性,让用户大脑不爆炸;
- 业务落地上学 Meta Muse:先定义好垂直场景下的具体 Case 和验收标准;
- 技术抓手上:核心死磕 Memory(记忆) 和 Proactive(主动性)——这恰恰也是和我们之前“陪伴”产品能力高度同源的地方。