爆火了的Muse和Instinct們不能做的，OS3能？

字母AI2026.09.28 15:37 · 來自北京全文4120字00:00 / 11:42Personal Agent的下一程，Rabbit OS3已經開跑。文 | 字母AI小扎拿出Muse Charm之後，Rabbit r1又被翻了出來。不少人看到這款新設備時，都會幻視兩年多前的橙色小方盒。在X上，有人將小扎拿著Charm、呂騁拿著r1的照片放在一起玩梗，不少外媒在報道Charm時，也都提到了這款初代AI硬件。一臺可以隨身攜帶的小設備，通過語音聽懂用戶的要求，再讓AI替人辦事。這幅畫面，確實讓人覺得熟悉。讓人感到熟悉的不只是硬件。

2024年，Rabbit在r1發佈會上，用打車、訂票、點外賣等場景，向大眾解釋Personal Agent（個人智能體）到底能辦什麼事。此後，這幾樣任務反覆出現在一代代Agent產品的演示裡，逐漸湊成了一套觀眾熟悉的“標準套餐”。評測網站Assistant Benchmark也把訂機票、訂餐廳、購物等列進了Personal Agent的測試維度。這套題目受歡迎的原因不難理解：外賣有沒有送達，票有沒有訂上，買東西有沒有省錢，交付結果明確。比起解釋模型又提升了多少分，這些場景更容易讓人看懂，AI究竟能替自己做什麼。但最容易演示、傳播的任務，難道就是Personal Agent最有價值的用武之地嗎？

大公司想讓AI下單，也難Muse爆火以後，很快遇到了平臺的阻力。當地時間9月20日，亞馬遜表示已阻止Muse代表用戶在其網站購物。亞馬遜稱，Meta未事先告知Muse會訪問其網站，Muse瀏覽時也未標明代理身份，並對其處理用戶憑據的方式提出隱私和安全擔憂。從技術角度來看，採用雲虛擬機的Personal Agent方案，已經有過很多被禁止訪問的案例。呂騁在接受科技媒體WIRED的採訪時也提到：“這些，我們一年半以前就經歷過了。”AI能否穩定完成操作、替人下單，和是否獲准操作，是兩個問題。有時即使Agent知道該怎麼操作，平臺也未必放行，商業准入及背後的利益分配同樣可能卡住訂單。

平臺擔心的，除了賬戶安全和交易責任，還有自己的生意。過去，用戶在平臺上搜索、比較、看推薦，平臺從中賺取廣告費和交易佣金。如果這些過程都交給AI，用戶可能只記得自己的Personal Agent，不再關心訂單來自哪家平臺。平臺可能失去影響用戶選擇的機會，廣告和佣金的議價能力也會受到挑戰。Muse受到關注後，Airbnb、Booking、Expedia等旅遊公司股價承壓，就反映了市場對這種變化的擔憂：未來的交易入口，究竟掌握在平臺手裡，還是Personal Agent手裡？Muse的解決方式，是藉助大公司的資源和影響力，構建起一套Agent友好的商業生態。

在被亞馬遜拒絕後，Muse與美國買菜平臺Instacart宣佈合作。旅行技術公司Duffel也宣佈，美國Muse用戶已可查詢實時機票庫存和價格，處理預訂、取消及後續行程。在用戶端，Muse提供免費使用額度，吸引更多用戶使用，先讓用戶體驗Personal Agent的成果，再逐漸培養習慣。讓更多平臺接受Agent，需要處理商業准入、利益分配和交易責任，也需要持續投入。Meta這樣的大公司，有資源吸引用戶，也有能力影響生態。Muse火起來的意義也在這裡：推動更多服務接入，讓Personal Agent有更多可用的場景。如果這些合作能帶來更廣泛的開放，也會為其他團隊創造機會。

但資源有限的創業團隊，很難照搬大公司的投入方式。它們更需要靠技術和產品創新，爭取生存和發展的空間。創業公司的方案呂騁曾在採訪中提到，只有15人團隊的Rabbit，會通過Action Model的多次迭代來完善Personal Agent的能力。2024年1月，隨著r1的發佈，Rabbit的第一代LAM上線，當時只能通過r1使用；10月，Rabbit單獨推出了LAM playground，可以在網頁端使用，Agent能根據用戶要求瀏覽網頁、查找信息和執行操作。按照當時的技術說明，它會結合頁面截圖和網頁結構，判斷可以點擊的位置，並隨著頁面變化調整下一步行動。

遇到陌生網站，Agent會自己找到入口，把目標拆成操作步驟實現——這也是目前大部分Personal Agent仍採用的技術路線。2025年2月，Rabbit發佈了Android Agent研究預覽，將AI的操作範圍擴展到安卓應用和設備的系統功能。幾個月後，有AI手機沿用了這套技術路線，結果被各大App禁止訪問了。直到今年初，Rabbit把LAM升級為DLAM，讓Agent接入用戶自己的Windows和Mac電腦，在獲得授權後操作瀏覽器和桌面軟件。這套方案的效果是，通過真實設備執行任務，能夠有效減少雲端代理訪問時遇到的限制。

執行環境也由雲端虛擬機延伸到用戶自己的電腦，原來安裝的軟件、保存的文件和進行中的項目，都可以由Agent直接使用和處理。從這些發佈時間看，Rabbit在Personal Agent的探索一直在行業領先。到了OS3，Rabbit又開始整合這些能力，探索下一代Personal Agent還需要解決什麼問題。OS3的新探索就在Muse Charm亮相的前一天，Rabbit發佈了OS3。用戶不必先買一臺r1。打開網頁，連接自己選擇的模型和電腦，就可以讓OS3使用現有的文件、軟件和工具處理任務。一個賬戶最多連接五臺設備，用戶也可以通過iMessage、Telegram或r1進行交互。

這次發佈演示的一項重點，是讓用戶一次交代多項任務，看Agent能否接得住。呂騁一口氣提出了幾個要求：找一本哲學書，製作閱讀指南，通過Slack發給自己；研究利物浦足球俱樂部，生成交互網頁；再做一份Agent競品分析，順便給OS3寫一本使用手冊。說完，他讓OS3拆分任務、開始執行，自己在同一個對話裡接著提問。一個直觀的交互變化，是OS3的網頁主界面採用持續對話。用戶可以在同一個對話裡交代多件事，多個任務能在同時後臺執行，互不干擾，用戶自己還能繼續提問，或者補充、修改前面的要求。

用戶少做的安排，成了系統需要解決的問題：哪句話是新任務，哪句話在修改舊要求，“剛才那份文件”指的是哪一個，需要調取哪些已有信息。持續對話的意義，在於把一部分任務組織和上下文管理交給系統。Rabbit押注的是：個人助理應該能接住隨時出現、不斷變化的交代，讓用戶少花時間整理提示詞和管理會話。這個方向也有其它產品正在探索。Claude Code近期開始測試的新版Projects，同樣讓用戶在一個主對話中提出需求，由AI拆分並協調後臺任務。OS3還把這種安排延伸到了用戶連接的設備上。聽懂要求、拆好任務之後，它還得判斷：需要哪些文件和工具，應該去哪臺設備幹活。

這涉及到Rabbit的第二個技術下注：接入用戶已有的工作環境，並智能協調多臺設備。雲端虛擬機有一個很直接的好處，那就是讓用戶可以關上電腦，任務留在雲端繼續執行。但除了平臺訪問的限制，還有另一項體驗成本：用戶需要把自己的工作搬進這個新環境。為了讓Agent開始幹活，用戶需要在虛擬機重新登錄賬戶、上傳材料、配置工具。但在用戶自己的電腦裡，這些東西早已存在：做到一半的項目、安裝好的軟件、幾輪修改過的文件，以及長期積累的資料。接入用戶已有的設備，可以讓Agent用上現成的文件和軟件，減少重新準備工作環境的成本。

不過，接入用戶的電腦，也意味著任務會受到設備狀態的限制：電腦休眠或斷網，在這臺電腦上執行的任務就會停止。OS3採取的解決方案是，它支持連接最多五臺設備，包括本地電腦、辦公室機器，以及用戶自己的雲虛擬機。如果任務需要某臺電腦上的軟件，就在那裡操作；需要長時間運行的任務，則可以安排在持續在線的設備上。用戶可以指定執行位置，也可以由系統根據任務智能選擇某臺設備，或在多臺開機的設備間接力完成任務。例如，OS3可以自動找到在A電腦上的視頻，然後使用有專業編輯軟件的B電腦完成剪輯，再到登錄賬號的C電腦完成上傳。能在多臺設備間分配任務、接力執行的能力，目前似乎還沒有其他Agent實現。

在實際使用時，我們嘗試讓OS3完成一項資料收集任務：調研Muse Charm並整理成報告，完成後發消息到手機。約15分鐘後，手機就收到了OS3通過iMessage發來的完成通知，消息中列出了調研內容和報告在iCloud中的保存位置。Muse由Meta自家的Muse Spark驅動，OS3則支持接入不同的模型服務，也可以使用本地模型。模型更新很快，用戶可能因為能力、速度或價格，決定換一家服務。國內的幾家模型也都支持接入，我們在測試時使用了阿里的Qwen，表現非常好。按照Rabbit的設計，更換模型後，此前積累的記憶、配置的技能和連接的設備可以保留。

OS3本身免費，使用雲端模型需自備受支持服務的API密鑰，並按用量付費。Rabbit希望OS3能承接這部分積累，底層模型可以更新，用戶與Personal Agent之間已經建立的工作關係繼續保留。一個Personal Agent逐漸知道你在做什麼項目、習慣怎樣處理文件、哪些事情此前已經討論過，這些積累不應該隨著模型更換而作廢。我們在Rabbit 的Community裡瞭解到，Rabbit OS3上線三天內，新用戶累計已成功完成超過1萬個任務，用戶使用自己的API key每天消耗總量近10億token，人均水平遠高於大部分Agent類產品。

一個長期使用的Personal Agent，還需要能核實任務結果，並把用戶的反饋用到下一次工作中，讓上次被糾正過的錯誤，下次能夠避免。只有當用戶越來越少地重複交代、檢查和返工，Agent才真正替人省下了時間。模型進步能提升理解和執行能力，平臺合作能帶來更多可用的服務，而如何用好這些能力，仍需要產品不斷探索。下一代Personal Agent，既需要生態為它打開更多可能，也需要一個個具體的創新，讓它真正好用。