Personal Agent 火了，新酿还是旧酒？
英文标题：Personal Agent 火了，新酿还是旧酒？
Personal Agent 最近突然火了，但长期记忆、持续运行、主动执行，其实都不是新能力。真正的变化是什么？这篇文章从 OpenClaw、Work 一路聊到 Muse，试着拆解一下。
3.2 KB
589 B
27.7 KB
50.1 KB
54.3 KB
78.7 KB
8.2 KB
中文
最近 Muse 这类 Personal Agent 挺火。
刚开始看的时候，我其实有一点疑惑。
大家介绍 Personal Agent 时，经常会提几个特点：
长期记忆、持续运行、主动帮你做事。
但如果你过去有在关注 Agent，会发现这里面有些东西其实并不新。
OpenClaw 上半年已经把常驻 Agent、Memory、Skills、Cron、Heartbeat、消息入口这些东西跑了一遍。
所以如果把这一波 Personal Agent 简单理解成：
可以长期记忆的、持续运行的、主动帮你做事的 Agent。
我觉得有点牵强。
我认为 Personal Agent 最核心的应该是个人AI孪生 。
Agent 跨过了“长程任务可用线”
我觉得今年 Agent 最大的变化之一，不一定是突然多出了什么全新的能力。
而是它终于开始跨过一条线：
长程任务可用线。
过去的模型也能调用工具，也能操作浏览器，也可以自己写代码。
但任务一长，问题就来了。
跑偏、忘记目标、工具失败、异常以后不会恢复……
所以以前很多 Agent Demo 看起来很惊艳，但真的交给它一项一两个小时的工作，往往就没有那么美好了。
这件事情最近发生了明显变化。
不管是 Work 类产品完整一项长程的日常办公，还是像我前几次分析的，几个小时的产品开发任务，当下的 Agent 的遵循度和完成度都是相当可以的。
这其实是一个质的跨越。
否则一个可以 24 小时运行、但复杂事情做不好的 Agent，并没有那么大的意义。
OpenClaw：一次 Agent 范式的提前验证
所以现在回头看 OpenClaw，我越来越觉得它今年真正重要的地方，不是某个具体功能。
而是它提前把一套 Agent 范式跑了一遍。
一个 LLM 不一定非要待在 Chat 页面里。
它可以：
长期运行，有自己的 Memory，连接消息渠道，调用 Skill，定时醒来，进入自己的电脑和数字环境。
今天很多 Personal Agent 强调的基础元素，OpenClaw 其实都已经出现过了。
但我觉得以上技术功能点还是其次，更重要的是：
OpenClaw 完成的需求验证。
它证明了真的有一批用户想要：
一个一直在那里、拥有上下文、可以进入真实环境替自己做事的 Agent。
而不是：
一个更加聪明的聊天机器人。
你的个人AI孪生
如果说 Work 类产品的核心对象是“任务”，
那么 Personal Agent 的核心对象正在变成：
你
Work 类产品大概是这样的：
任务``├── 背景``├── 文件``├── 工具``└── 结果
所有上下文都围绕“怎么把这一项工作完成”服务。
而一个真正的 Personal Agent，可能更像：
你``├── 目标``├── 偏好``├── 关系``├── 承诺``├── 历史``├── 当前背景``├── 应用``└── 任务
就像是你的个人AI孪生。
持续映射你的记忆、偏好、关系、目标和当前状态，形成一个不断更新的“你”的模型。
这时候 Task 不再是最顶层对象。
Task 只是你下面的一个子对象。
Work 关心的是：
这项任务应该怎么完成？
而 Personal Agent 开始试图理解：
这个人本身的画像、以往的经历和偏好、当前的事情与记忆是否有所关联、是否触发推进。
而这里最关键的能力，是“主动”
Personal Agent 几乎都会强调 Proactive（主动）。
但“主动”这个词其实很容易被说得过头。
每天早上 8 点自动跑一次，是主动。
收到一封邮件以后自动运行，也是主动。
但这和我们想象中的“真正主动帮我做事”，显然还有很大距离。
我感觉现有 Agent 的主动性可以理解成下面几个层次：
| 层级 | Agent 在做什么 | 核心变化 | | --- | --- | --- | | L0 响应 | 用户提出需求，Agent 执行 | 人发起 | | L1 调度 | 到了预设时间自动执行，例如每天整理邮件 | 从即时调用变成持续运行 | | L2 触发 | 邮件、日历、文件、系统状态变化后自动执行 | 从时间驱动变成事件驱动 | | L3 筛选 | 事件发生后，判断它是否值得处理、是否需要打扰用户 | Agent 开始拥有判断权 | | L4 意图 | 结合历史、当前状态和上下文，判断用户接下来可能需要推进什么 | 从理解任务走向理解人 | | L5 目标 | 围绕长期目标持续发现问题、寻找机会并提出下一步 | 从执行既有任务走向生成任务 |
真正开始有意思的是 L3：
这么多事情发生了，什么值得处理？
到了 L4：
用户没有明确下达任务，但结合过去和当前状态，这件事可能该推进了。
L5 则是：
围绕长期目标，主动发起新任务。
如果再压缩一下，分界线其实很清楚：
L0-L2，任务还是人定义的；从 L3 开始，Agent 才开始参与判断“什么值得做”。
最近也看到有人把这种变化叫做：
Agent 开始获得“发起权”。
这个说法我感觉非常形象，Agent 被动的参与者，到主动的发起者。
我觉得，这才是“主动”真正值得关注的地方。
大家抢 Personal Agent 的商业猜测？
前面聊了很多 Personal Agent 的技术方面，接下来，我们聊一个商业因素。
迁移成本。
现在换一个 Chatbot 很容易。
模型谁更强，我就换谁。
因为你真正重要的东西并没有完全沉淀在里面。
但如果一个 Personal Agent 已经积累了：
你的历史、偏好、联系人、项目、文件、日历、长期目标，以及哪些事情该提醒、哪些事情不要打扰你……
那你还能够轻易更换吗？
也许，这几家大厂，只是在抢占新一轮的流量入口。
English / 原文
最近 Muse 这类 Personal Agent 挺火。
刚开始看的时候，我其实有一点疑惑。
大家介绍 Personal Agent 时，经常会提几个特点：
长期记忆、持续运行、主动帮你做事。
但如果你过去有在关注 Agent，会发现这里面有些东西其实并不新。
OpenClaw 上半年已经把常驻 Agent、Memory、Skills、Cron、Heartbeat、消息入口这些东西跑了一遍。
所以如果把这一波 Personal Agent 简单理解成：
可以长期记忆的、持续运行的、主动帮你做事的 Agent。
我觉得有点牵强。
我认为 Personal Agent 最核心的应该是个人AI孪生 。
Agent 跨过了“长程任务可用线”
我觉得今年 Agent 最大的变化之一，不一定是突然多出了什么全新的能力。
而是它终于开始跨过一条线：
长程任务可用线。
过去的模型也能调用工具，也能操作浏览器，也可以自己写代码。
但任务一长，问题就来了。
跑偏、忘记目标、工具失败、异常以后不会恢复……
所以以前很多 Agent Demo 看起来很惊艳，但真的交给它一项一两个小时的工作，往往就没有那么美好了。
这件事情最近发生了明显变化。
不管是 Work 类产品完整一项长程的日常办公，还是像我前几次分析的，几个小时的产品开发任务，当下的 Agent 的遵循度和完成度都是相当可以的。
这其实是一个质的跨越。
否则一个可以 24 小时运行、但复杂事情做不好的 Agent，并没有那么大的意义。
OpenClaw：一次 Agent 范式的提前验证
所以现在回头看 OpenClaw，我越来越觉得它今年真正重要的地方，不是某个具体功能。
而是它提前把一套 Agent 范式跑了一遍。
一个 LLM 不一定非要待在 Chat 页面里。
它可以：
长期运行，有自己的 Memory，连接消息渠道，调用 Skill，定时醒来，进入自己的电脑和数字环境。
今天很多 Personal Agent 强调的基础元素，OpenClaw 其实都已经出现过了。
但我觉得以上技术功能点还是其次，更重要的是：
OpenClaw 完成的需求验证。
它证明了真的有一批用户想要：
一个一直在那里、拥有上下文、可以进入真实环境替自己做事的 Agent。
而不是：
一个更加聪明的聊天机器人。
你的个人AI孪生
如果说 Work 类产品的核心对象是“任务”，
那么 Personal Agent 的核心对象正在变成：
你
Work 类产品大概是这样的：
任务``├── 背景``├── 文件``├── 工具``└── 结果
所有上下文都围绕“怎么把这一项工作完成”服务。
而一个真正的 Personal Agent，可能更像：
你``├── 目标``├── 偏好``├── 关系``├── 承诺``├── 历史``├── 当前背景``├── 应用``└── 任务
就像是你的个人AI孪生。
持续映射你的记忆、偏好、关系、目标和当前状态，形成一个不断更新的“你”的模型。
这时候 Task 不再是最顶层对象。
Task 只是你下面的一个子对象。
Work 关心的是：
这项任务应该怎么完成？
而 Personal Agent 开始试图理解：
这个人本身的画像、以往的经历和偏好、当前的事情与记忆是否有所关联、是否触发推进。
而这里最关键的能力，是“主动”
Personal Agent 几乎都会强调 Proactive（主动）。
但“主动”这个词其实很容易被说得过头。
每天早上 8 点自动跑一次，是主动。
收到一封邮件以后自动运行，也是主动。
但这和我们想象中的“真正主动帮我做事”，显然还有很大距离。
我感觉现有 Agent 的主动性可以理解成下面几个层次：
| 层级 | Agent 在做什么 | 核心变化 | | --- | --- | --- | | L0 响应 | 用户提出需求，Agent 执行 | 人发起 | | L1 调度 | 到了预设时间自动执行，例如每天整理邮件 | 从即时调用变成持续运行 | | L2 触发 | 邮件、日历、文件、系统状态变化后自动执行 | 从时间驱动变成事件驱动 | | L3 筛选 | 事件发生后，判断它是否值得处理、是否需要打扰用户 | Agent 开始拥有判断权 | | L4 意图 | 结合历史、当前状态和上下文，判断用户接下来可能需要推进什么 | 从理解任务走向理解人 | | L5 目标 | 围绕长期目标持续发现问题、寻找机会并提出下一步 | 从执行既有任务走向生成任务 |
真正开始有意思的是 L3：
这么多事情发生了，什么值得处理？
到了 L4：
用户没有明确下达任务，但结合过去和当前状态，这件事可能该推进了。
L5 则是：
围绕长期目标，主动发起新任务。
如果再压缩一下，分界线其实很清楚：
L0-L2，任务还是人定义的；从 L3 开始，Agent 才开始参与判断“什么值得做”。
最近也看到有人把这种变化叫做：
Agent 开始获得“发起权”。
这个说法我感觉非常形象，Agent 被动的参与者，到主动的发起者。
我觉得，这才是“主动”真正值得关注的地方。
大家抢 Personal Agent 的商业猜测？
前面聊了很多 Personal Agent 的技术方面，接下来，我们聊一个商业因素。
迁移成本。
现在换一个 Chatbot 很容易。
模型谁更强，我就换谁。
因为你真正重要的东西并没有完全沉淀在里面。
但如果一个 Personal Agent 已经积累了：
你的历史、偏好、联系人、项目、文件、日历、长期目标，以及哪些事情该提醒、哪些事情不要打扰你……
那你还能够轻易更换吗？
也许，这几家大厂，只是在抢占新一轮的流量入口。