實測ChatGPT dot後，我明白了大廠為什麼必須做個人智能體

dot 的雲電腦，用戶可以點擊“接管”自己操作和原來的codex 以及 chatgpt 去比，倒是沒有很新的內容，功能裡有常規的 Google Drive、Google Calendar、Outlook Email，也有 Runway、GitHub的接口，如果書忽略速度層面，實際體驗和在本地的差別並不大。dot 的插件菜單裡列出了多種工具入口我的要求是，先了解小紅書圖文的發佈規律，再從內容庫裡選稿，生成文案和插圖。它按照這個順序，先打開了小紅書，然後碰上登錄彈窗。

dot 打開小紅書後，頁面彈出了登錄窗口在dot 給我的實際操作說明中，它按圖索驥地去尋找了類似的傳播樣本和小紅書的發佈形式分析，主要做了發佈要求核對和編輯建議。但也並沒有太深入，也就是勉強能用，當然原因是因為我們之前沒有直接用AI 發佈過內容生成，所以還是缺少記憶和提示詞。中途我換了一次選題，直接發消息就行，不用選擇排隊還是插入。消息下面出現了Read，後面的任務也按新要求繼續做了。最後，它交來了七張配圖、可複製的文案、Word 發佈包和完整壓縮包。dot 交來的文案、Word 發佈包和圖文壓縮包文件拿回來檢查，統一的3:4 豎版，藍黑黃一套配色，風格統一、中文能正常閱讀。

我想保留的公司判斷沒展開，成品寫了大段上下文和權限，把公司名字換掉，好像也能用。後面又補了一次修改測試：只改第四張圖，把泛泛的介紹換成具體的任務流程，對應文案的替換段落也直接給它，其他六張別動。這次它做到了。Codex 把新舊文件下載回來逐項比了一遍，另外六張圖的文件校驗值完全一致，文案和 Word 也只改了指定位置。只想動一張圖，最怕它把其他六張又重新做一遍。這次它保住了已經做好的部分，後續修改就省事多了。補測時，Codex 還關掉了查看 dot 的頁面，過一會兒回來取結果，任務照樣繼續做。這樣用，我可以先去忙別的，等文件做好了再回來改。比守著雲電腦一起卡，要舒服一些。

不過驚喜之處在於，OpenAI 這次發佈的空間是可以實現雲端的 dot 和本地的 codex 上內容的互通的。簡單來說，就是兩個部分的產物都可以放在空間裡，用戶在 codex 或者 dot 上調取內容指明雲端空間的產物，是可以比較精準的拿到想要的上下文的。然後既往最難同步的部分，也就是手機端和電腦端的信息，也可以通過dot 進行互通，相當於通過雲把各個維度的上下文都打通了。相比之下，原先chatgpt 的聊天功能與 codex 本身的互通還有些問題，跟手機端的上下文同步就更糟糕了，這是一次非常正向的功能改進。我原來用ChatGPT 聊選題，用 Codex 處理材料、做文件。

換個地方繼續，常常還要重新告訴它。按官方說明，Space 可以保存文件和頁面，dot 的記憶則會選擇性保留信息。把資料明確放在那裡，至少比每次都指望它想起來更方便交代。這一圈用下來，我希望dot 先把響應速度和找材料做好。手機上交代事情，電腦上回來改圖，這個用法我確實需要。可如果我每次都要等它、幫它找文件，省下來的操作又會補回去。也正因為親手用了這些步驟，我開始理解國內大廠為什麼要做個人Agent。以後遇到一件事，我可能先找自己的助手，再由它去調用軟件。大廠要爭取的，是我一開始把任務交給它的機會。

其實換湯不換藥騰訊 WorkBuddy 今年 3 月就已上線，可以接收文件處理、內容創作等任務，也接入了企微、釘釘、飛書、QQ。後續更新中，騰訊又加入了文檔資料庫、產物上傳，以及本地長期記憶的查看與編輯。阿里的QwenPaw，前身是 CoPaw，既支持本地部署，也能放在雲上運行。對話歷史、個人知識庫和文件工作區，都是它想長期保留下來的東西。字節火山引擎的 ArkClaw 則直接把助手放到雲端，用戶可以從飛書、微信、釘釘交辦任務，不用讓自己的電腦一直開著。現在已經明確有動向的是豆包、元寶，千問雖然在之前貼著muse 做了一波傳播，但是實際產品還沒有看到。

但可以確定的是，行業的“百蝦大戰”即將重現。畢竟個人 agent幾乎就是把功能重新調配一下就又是一個集成了雲服務的入口，還有增量銷售的空間。與其說這是一個“新範式”，不過說是大廠的各 BU 在新熱點出來之後爭奪內部話語權的一個好的 timing，畢竟加上新的服務之後，又可以促活一波。用戶當然也確實需要這樣的服務。個人資料、工作文件怎麼保存和處理，要符合國內的數據規則；日常使用的賬號和軟件，也得能接上。國內廠商要做的事情很多，光把一個聊天窗口擺出來，承接不了後面這些工作。有云業務的大廠，還多了一項收入機會。雲廠商有生意可做了讓我單獨租一臺雲服務器，我未必需要。

但如果一個助手能替我在上面查資料、改稿、做圖，手機上交代完，電腦關了也能繼續幹，這臺服務器就有了用處。稿件和產物也得存著，過幾天我還要回來改。用戶付的可以是助手訂閱費，服務背後則會用到存儲、計算和模型。採用雲端運行的第三方助手，會給雲廠商帶來採購需求；如果助手本身就是雲廠商做的，這些服務也可以一起提供。騰訊雲的Agent Bucket 已經有具體案例：WorkBuddy 的每個 Agent 實例，都有自己的雲存儲空間，用來保存上傳文件、中間結果和工作產物。阿里雲也提供面向智能體沙箱的OSS Agentic Bucket，用來長期保存文件。

它的 Agent Sandbox 進入深度休眠後，會停止收取 CPU 和內存的運行費用，繼續收取保存狀態的快照存儲費。助手閒著，可以先把文件和工作狀態存下來，等有任務了再啟動計算。以後每翻一次舊材料、處理一份文件，都可能繼續使用計算和模型服務。存儲把資料留下來，後續工作又會帶來新的用量。當然，資料和助手也可以留在自己的電腦上。雲廠商想讓普通人持續付費，就得把安裝、維護和使用做得足夠省事。這可能是這波個人智能體爆發對於廠商來說最大的意義。國內雲廠商還有一個很現實的機會。個人智能體越深入日常工作，要長期保存和調用的個人資料就越多，圍繞這些數據的本地存儲和合規處理，也會產生更多需求。

海外產品展示出來的這套用法，國內廠商可以用本地的雲服務來承接。原本不會租服務器、也不關心算力的普通人，可能為了一個持續替自己幹活的助手，開始按月支付訂閱費。過去直接向個人用戶賣雲服務，很難講清楚買回來有什麼用；現在助手每天做的事情，就是付費理由。國內雲廠商由此有機會接住相當大一部分個人用戶的需求，把存儲和計算做成一門持續收費的C 端生意。