Muse爆火，dots入場：Personal Agent開始和互聯網平臺搶入口

本文作者： 李娜 2026-09-30 16:35 導語：Personal Agent 正試圖成為互聯網的新中間層。Personal Agent，正在成為這一輪 AI 產品競爭裡最熱的新概念之一。9 月 29 日，OpenAI 發佈了可以長期在線的個人 Agent 產品 dots，提出“always-on agents”。更早把這個詞推到臺前的是 Meta 發佈的個人 Agent 產品 Muse，截至 9 月下旬下載量突破 300 萬，一度將 ChatGPT 從美國 App Store 免費榜第一的位置上擠下。

（）Muse 運行在一臺獨立的雲端虛擬電腦裡，有自己的瀏覽器，可以替用戶打開網頁、填寫表格、發郵件、預訂旅行；一些耗時更長的任務，即使用戶退出 App，它也可以繼續在後臺執行。扎克伯格舉過用 Muse 爬山預約的例子：任務可以跨幾天甚至幾周持續存在。Muse 之後，這條路線很快開始變得擁擠。9 月 28 日，Manus 推出一款名為 Cue 的獨立應用。國內大廠也開始往同一個方向靠攏。千問宣佈加速打造 Personal Agent；豆包早在今年 4 月就啟動了代號 Spell 的 Personal Agent 項目，Muse 走紅後字節進一步加速推進，計劃 9 月底完成體驗版測試。

騰訊也被曝正在內測代號 Handy Bot 的 Personal Agent，並計劃推出獨立 App。不到一個月，Muse、Cue、千問，以及更多正在跟進的產品，把 Personal Agent 從一個產品概念推成了新的競爭方向。問題也隨之出現：過去兩年 Agent 已經火過很多輪，為什麼現在 Personal Agent 突然集中出現？以及這些公司想競爭的到底是什麼？01Personal Agent 圍繞“人”建立 ContextPersonal Agent 為什麼在這個時間點集中爆發？我們可以從以下三個方面理解。首先，是場景成熟度。

過去一段時間，Codex、WorkBuddy 這類辦公 Agent 已經把“AI 能真正替用戶做事”推向了主流。用戶願意交給 Agent 的任務正在變得越來越重。其次，是用戶需求的變化。Assistant Benchmark 創始人 David Pawlan 指出，市場上已有 122 款不同類型的 Agent 產品，日常高頻場景集中在郵件歸類、表單填寫和代理協作事項上。這些需求有一個共同特徵：用戶希望產品長期記住自己的狀態、習慣和偏好，替自己長期管理某件事。最後，是技術可行性。支撐長期記憶和後臺執行的技術，在這半年裡集中走向工程可用。

過去 Agent 一旦跨天、跨周，容易出現信息衰減、關鍵上下文丟失和任務跑偏；現在這些問題開始被長期 Memory、雲端執行環境和後臺任務機制逐步緩解。但長期理解一個人，和完成一個明確任務，是兩種不同的工作方式。辦公 Agent 通常圍繞任務工作。任務很明確，比如要修一個項目 Bug，就讀取相關代碼、報錯和測試文件，這是它工作的上下文，一項任務結束，這組 Context 的作用也基本結束。辦公 Agent 主要管理任務狀態，Personal Agent 則試圖長期管理一個人的狀態。

很多時候，用戶的想法還比較模糊，告訴它的可能只是“下個月想出去玩幾天”“最近想把生活規律一點”“這筆花費是不是還能更便宜”。正在做 Personal Agent 的創業者林周告訴，他們早期的產品更像“一句話生成一個小應用”，但很快發現，只要用戶沒有明確想法，Agent 就很難繼續提供價值。後來產品開始轉向長期記住用戶狀態、習慣和偏好，再判斷下一步需要什麼。這也決定了Personal Agent 的 Context 很難只圍繞一項任務建立，它要逐漸圍繞用戶本人組織起來。

它不僅要知道這次要訂酒店，還可能需要知道用戶過去住什麼樣的酒店、不喜歡什麼航班、預算大概多少；一件事情隔了幾天甚至幾周，也不能因為對話結束就重新從零開始。因此，Memory在 Personal Agent 裡最困難的是從大量個人信息中持續判斷：個人偏好中哪些是真的和眼前的任務相關的，要排除掉哪些一次例外、過期的信息。另一層差別發生在執行端。辦公 Agent 通常面對的是相對固定的工具集合：代碼庫、終端、文件系統和企業 API；Personal Agent 卻需要根據用戶需求在不同服務之間做選擇，再跨瀏覽器、郵箱、日曆、電話和支付等環境把任務接著做下去。

也因此，Muse 給 Agent 配獨立的雲端電腦和瀏覽器，Cue 更進一步給 Agent 配上郵箱、電話號碼、錢包和電腦。Manus 創始人肖弘在網絡平臺上把這種產品形態描述得更進一步：“……也許可以稱之為人……”這些設計背後的方向是一致的：讓 Agent 成為一個可以長期存在、跨服務行動的執行層。兩類 Agent 的差別也因此不只是“辦公”和“生活”。辦公 Agent 更關心如何把一個明確任務做完，Personal Agent 則試圖長期理解用戶，並在不同時間、不同服務之間把事情接著做下去。

02Personal Agent 想搶在用戶選擇平臺之前過去二十年，互聯網平臺長期爭奪的是用戶注意力和流量入口。誰能讓用戶先進入自己的平臺，誰就更有機會掌握後面的搜索、推薦、廣告和交易。過去，一個人想買一臺咖啡機，會先打開淘寶，再搜索、篩選、比較。如果換成 Personal Agent，用戶只需要說一句：“幫我買一臺 1000 元以內、明天能到、評價不錯的咖啡機。”在淘寶或Amazon真正被打開之前，Agent 已經知道了他的需求、預算和時間要求。過去的鏈路是：用戶 → 平臺 → 服務。Personal Agent 想把它改成：用戶 → Agent → 平臺 / 服務。

正在做 Personal Agent 的創業者林周告訴(公眾號：)，他們現在會讓 Agent 長期追蹤用戶的狀態，再主動判斷什麼時候應該介入。比如一個人持續健身一段時間後，Agent 不必等用戶重新來問，可以根據此前的計劃和狀態主動給出下一步建議。這也正是Personal Agent 想佔據的，比注意力更靠前的一層東西。我們可以把這種邏輯稱之為：Intent Economy，意圖經濟。誰先拿到用戶意圖，就開始擁有替用戶選擇服務的分發權。用戶已經產生需求，但還沒有決定去哪個平臺。這也是它和互聯網平臺原有的入口和分發權發生重疊的地方。

要做到這一步，光有一個會操作網頁的通用 Agent 還不夠，它還需要 Connector。Connector 可以簡單理解成 Agent 和外部服務之間的“接口”。它可以把用戶日常使用的服務接進來，用戶授權後，Agent 可以讀取郵件、日曆、商品和訂單，並在權限範圍內執行操作，這也是 Personal Agent 和通用 Agent 一個主要的差異點。Meta 最近圍繞 Muse 快速擴展 Connectors，把零售、支付、旅行、辦公等服務接到 Agent 後面，包括 Walmart、PayPal、Expedia、Notion 等。

換句話說，Muse 正在嘗試搭建一張 Agent 可以直接調用的服務網絡。也就是說，Personal Agent 真正想爭奪的不只是用戶需求的第一入口，而是需求之後的服務分配權。問題在於，這種分配權並不是 Agent 單方面就能獲得的。03Agent 想成為入口，巨頭還守著門Personal Agent 的產品敘事裡，互聯網像一個可以自由調用的巨大工具箱。用戶給出目標，Agent 自己去搜索、比較、調用不同服務，最後把事情做完。但真正開始執行以後，它很快會碰到一個問題：用戶願意讓 Agent 去，並不意味著平臺願意讓 Agent 進。Muse 和 Amazon 的衝突就是一個很例子。

Muse 上線後可以替用戶在不同網站搜索和購物，但 Amazon 很快阻止了它訪問自己的購物網站。Amazon 給出的理由是 Muse 沒有事先獲得許可，並強調第三方 Agent 應當公開自己的身份，同時尊重服務提供方是否願意參與的決定。Amazon 此前也對 OpenAI、Google 等公司的購物 Agent 採取過類似限制。這件事也暴露出了 Personal Agent 入口邏輯裡的一個缺口。用戶可以授權 Muse 替自己購物，但在平臺看來，Agent 是誰、代表誰、能讀取什麼數據、出了問題由誰負責，仍然要由平臺自己的規則決定。

換句話說，Personal Agent 面前其實有兩道授權：第一道來自用戶，我允許你代表我行動；第二道來自平臺，我是否承認你可以這樣進入。只有用戶授權，Agent 即使知道用戶想做什麼，也未必真的能把事情做完。只有用戶授權，Agent 能理解用戶想做什麼，卻未必真的做得成。Amazon 的態度就很典型：它限制站在消費者前面的第三方 Agent，卻同時在賣家業務中增加 Agentic AI 能力。區別在於，後者仍然服務於 Amazon 自己的工作流；而當 Personal Agent 先拿到用戶需求，再決定是否調用 Amazon 時，它已經開始介入平臺原本掌握的入口和分發。

Shopify 給出的則是另一種答案。它沒有簡單把第三方 Agent 當成一個未經邀請的自動化程序，而是開始把 ChatGPT、Gemini、Microsoft Copilot、Meta 等 AI 產品正式納入 Agentic Storefronts，讓商家決定自己的商品是否進入這些渠道，並由 Shopify 繼續承擔商品、訂單和結賬等基礎設施。這可能更接近未來平臺與 Agent 的關係：平臺不會放棄規則制定權，它會把 Agent 納入自己的規則。從搜索爬蟲、第三方 App 到小程序，新中間層出現後，平臺最終都會建立自己的訪問規則。

Personal Agent 很可能也一樣：身份認證、官方 Connector、支付和關鍵操作確認，會逐漸被標準化。Agent 拿到用戶需求，並不意味著天然拿到了整個互聯網的分發權。需要重新定義的是：當一個 AI 聲稱自己代表用戶時，平臺在什麼條件下承認這種代理關係。04Personal Agent 離“下一代入口”還差什麼？如果只看最近一個月的產品發佈和融資節奏，Personal Agent 很容易給人一種“下一代入口已經出現”的感覺。但它離這條路線離真正成立還有距離。首先，它沒有明顯的底層技術躍遷。

Muse、Cue 依賴的瀏覽器自動化、Container、長期記憶、工具調用和後臺任務，此前都已經存在，開發者也早就可以把這些能力拼成自己的 Agent。Muse 真正的變化更像是工程和產品層面的：把雲端電腦、瀏覽器、Memory、權限和工具調用這套過去需要開發者自己拼起來的東西，做成普通用戶可以直接使用的產品。這也是為什麼今天跑得最順的場景仍然是退款退貨和購物比價：目標明確，出錯後也大多可以補救。它距離“長期理解一個人並替他處理生活”，還有很長距離。再往前，一個更難的問題是用戶願意把多少行動權交給 AI。

扎克伯格舉過一個例子：如果 Muse 知道用戶懷孕，它可以據此推薦無酒精飲品更好的餐廳，但不應該把“懷孕”這件事告訴餐廳。Meta 把這種能力叫“分寸感”。Agent 知道得越多，這種判斷反而越重要。到了中國，還會多上一層平臺的限制。海外的 Personal Agent，很大程度建立在 Email、Web、Calendar、信用卡這些相對開放的基礎設施上；而中國用戶的很多數字生活，都沉澱在微信、淘寶、美團、抖音、小紅書這樣的超級 App 裡。社交、支付、交易和本地生活服務，都深嵌在各自生態內部，並不天然向一個獨立的第三方 Agent 開放。

（Muse的通知消息：它會主動讓用戶把“在別的 AI 那裡說過的背景信息”再發給自己）這也帶來一個尷尬的局面：最有條件把這些服務串起來的，恰恰是平臺自己。騰訊有微信和小程序，阿里有電商、支付、地圖和旅行，字節也有內容、電商和本地生活。但如果一個 Agent 最後主要活動在自家體系裡，它究竟是用戶的 Agent，還是平臺新的入口形式，就很難說了。所以今天限制 Personal Agent 的，已經不只是模型夠不夠聰明。它至少還要同時跨過三道門檻：任務能不能連續跑幾天而不掉鏈子，用戶敢不敢讓它真的替自己做決定，以及平臺是否願意把關鍵服務交給一個外部 Agent。這三件事，目前都還沒有被徹底解決。

05新故事，還是新入口？Personal Agent 之所以迅速升溫，一個很直接的原因是，它被不少從業者視為接下來最具確定性的方向。相比 AI 辦公，Personal Agent 面向的是一個人的整個數字生活。Muse 出現以後，很多人的反應是“終於等到了！”這種確定性，大廠已經用行動投了票。但另一面也很明顯：Personal Agent 的熱度，本身也符合這一輪 AI 行業對“新故事”的需要。過去兩年行業談參數、Token、API 和企業收入；Personal Agent 出現以後，下載量、DAU、入口、生態、交易和分發這些消費互聯網熟悉的詞又回來了。故事成立，不等於產品已經成立。

長期 Memory、用戶對交易控制權的讓渡、平臺開放，以及高推理成本下的商業模式，都還沒有真正解決。所以 Personal Agent 最後未必會以一個獨立 App 的形態存在，它也可能直接長進手機系統、超級 App 和已有的 AI 助手裡。但有一點已經越來越清楚：AI 正在從完成一次任務，走向長期代表用戶行動。過去互聯網爭的是用戶先打開誰的 App，Personal Agent 想爭的，是用戶打開 App 之前的那一步。誰能成為用戶和互聯網之間新的中間層，已經開始成為下一輪競爭的位置。

▼推薦閱讀▼流沙之上：陳冕、景鯤、倪正民和中國 AI 應用創業者的三種選擇2026-09-01WorkBuddy、豆包工作、千問辦公實測：AI 把活幹完了，為什麼你更累了？2026-09-18 原創文章，未經授權禁止轉載。詳情見轉載須知。0人收藏 分享： 相關文章 ai agent ai應用 從 Codex Harness 開源，看 AI 公司的護城河是什麼？...在三張圓明園鼠首照片裡，我們看到了3D AI的Harness ...越大越強，不再是 LLM 的專利：PixVerse R2 攻克實時 ...拆解 WorkBuddy、千問辦公和豆包工作，它們其實不是 ...

李娜 編輯 發私信 當月熱門文章 阿里開源 Qwen3.8-27B 本地實測：性能很強，但 Agent 適配仍待補課 我們拆了 1.1 萬個 DeepSeek Harness 插件，發現官方几乎沒有建立插件治理機制 萬字長文拆解DeepSeek V4 Pro與Harness：從後訓練到「代理自進化」，更大的變化在開源框架裡 流沙之上：陳冕、景鯤、倪正民和中國 AI 應用創業者的三種選擇 Qwen3.8-27B 登頂全球開源榜第一，曾經的「源神」又回來了！最新文章 實測 Qwen-3.8 與 GLM-5.3 的 Flash 版：誰能讓我提前下班半小時？

從 Codex Harness 開源，看 AI 公司的護城河是什麼？全網最硬核 OpenClaw 2.0 實測：從 ToC 到 ToB 的試探，Agent 網關能重塑工作流邊界嗎？對比 Codex，免費的 AgnesCode 也能在底層算子優化任務中打得有來有回 從海拉魯到現實世界：視頻模型如何理解「變化」 在三張圓明園鼠首照片裡，我們看到了3D AI的Harness時刻 熱門搜索 Android Android應用 安卓 庫克 增強現實 拼多多 PYTHON Square 早報 中國聯通 TC Disrupt