把现在被称为 Personal Agent 的产品放在一起看，会产生一种奇怪的割裂感。
有的是独立 App，有的只需要发短信或打电话；有的把所有事情交给一个有名字的个人助理，有的直接给你一组 Bot；一些产品运行在云计算机上，还有产品把一台专用 Mac 放在用户身边。这个类别尚未形成固定的屏幕、设备或组织方式。
这不代表 Personal Agent 只是一个空泛标签。各家公司仍在探索智能体住在哪里、用户如何接触它，但它们正在解决相似的问题：获得足够的个人上下文，记住真正重要的信息，跨越时间规划任务，并通过影响日常生活的系统采取行动。
本文讨论这些产品选择。如果你需要的是概念定义，可以先阅读什么是 AI 个人智能体。
Personal Agent 正在成为一个品类，而非一种界面
第一代消费级 AI 很容易辨认：打开聊天窗口，输入提示词，收到回答。Personal Agent 很难仅凭外观判断，因为界面已经不再等于产品边界。
Meta Muse 同时存在于独立 App、网页和 WhatsApp 中。用户关闭 App 后，它仍可继续工作，需要确认时再回来找用户。Instinct 选择了另一种呈现方式：没有新界面，用户给它发短信或打电话，它再像人一样使用手机和计算机处理任务。OpenAI Dots 则可以通过 ChatGPT、Slack、Teams 或语音电话接触。
这些差异不只是包装。入口决定了智能体何时能够找到用户、可能接触哪些上下文，也决定了使用它更像打开一个软件、联系一名助理，还是把工作交给一位同事。
判断一个产品是否接近 Personal Agent，更有用的标准是它的行为：它能否跨时间保持连续性，能否理解目标而不只回答提示词，能否使用工具或计算机推进工作，以及它是否把「提出动作」和「真正执行」区分开来。产品即使不像传统个人助理，也可能满足这些条件。
六个产品选择正在把它们推向不同方向
与其把所有产品塞进一个排行榜，不如从六项选择理解当前市场。
| 产品选择 | 已经出现的路线 | 对体验的影响 |
|---|---|---|
| 入口 | App、网页、短信、电话、聊天平台、操作系统 | 决定智能体何时出现，以及用户需要学习多少新操作 |
| 运行环境 | 云计算机、远程浏览器、本地设备、专门的常在线机器、混合环境 | 决定哪些状态可以保留、能够访问哪些应用，以及敏感信息存放在哪里 |
| 智能体组织 | 一个个人助理、主智能体加临时子智能体、稳定的命名智能体团队 | 决定任务如何分工，以及用户是否会看见协作过程 |
| 身份 | 以用户身份行动、以助理身份沟通、拥有类似同事的独立身份 | 影响权限、沟通礼仪与责任归属 |
| 初始市场 | 日常生活、个人知识工作、团队运营、垂直领域 | 决定产品先接入哪些上下文和工具 |
| 商业模式 | 免费层、个人订阅、平台套餐、企业席位、按量收费 | 影响谁控制部署，以及最终由谁付费 |
任何一项都不足以单独定义 Personal Agent。WhatsApp 对话背后可能是一套复杂的云端环境；屏幕上的单一角色，也可能正在调用多个模型和子智能体。面向个人销售的产品可能专注工作，企业智能体也可以学习某位员工的习惯，但这并不会让它自动成为覆盖完整生活的 Personal Agent。
运行环境正在分成云端、本地与混合路线
越来越多智能体获得了一个可以持续工作的地方，只是这个地方并不相同。
Muse 运行在拥有独立浏览器的专用安全虚拟机上。Dots 拥有云计算机，并能通过插件连接大量应用。Grok Bot 把多个常驻智能体放进云端工作环境。Gemini Tasks 可以调用连接器和已登录网站，再选择本地浏览器或远程浏览器执行任务；即使用户关闭设备，远程任务也可以继续。
Perplexity Personal Computer 提供了一个重要反例。它使用一台持续开机的 Mac mini，让系统接触本地文件与原生应用，同时由 Perplexity 的服务协助调度。持续性依然存在，只是机器由用户实际控制，并非完全位于厂商云端。
所以，「每个 Personal Agent 都需要一台云计算机」并不准确。共同需求是持久执行环境：一个能够保留文件、会话、工具、计划和未完成工作的地方。关于这一层的完整解释，可阅读为什么 AI 智能体开始拥有自己的云计算机。
一个个人助理和多个智能体，也可能是同一种产品选择
屏幕上出现多少个角色，并不能告诉你后台究竟有多少个智能体在工作。
Dots 目前以一个主要 dot 为起点，同时描述了未来多个专业 dot 共同工作的方向。Grok Bot 把团队直接放到用户面前：多个常驻 Bot 可以分工，并在彼此之间传递上下文。Gemini 则保留一个熟悉的统一入口，由任务、可复用技能和执行系统在后台承担不同工作。
这些设计可以放在一条连续线上：
- 一个可见智能体，一套主要执行过程。 用户始终把任务交给同一个个人助理。
- 一个可见智能体，后台动态调用专业能力。 主智能体拆分任务，再调用临时子智能体或工具。
- 一组可见智能体。 多个有名字的专业角色长期存在，并能互相沟通。
因此，多智能体不是 Personal Agent 的必备条件，而是一种任务编排方式。对用户更重要的问题是：工作在多个智能体之间流转时，记忆、权限与责任是否仍然清楚。
这里还需要守住品类边界。Dots 和 Grok Bot 展示了持久运行与多智能体协作，但它们的发布案例更多围绕项目、软件和团队工作展开，更接近个人工作智能体或 AI 同事，而非处理完整日常生活的消费级智能体。关于两类产品在范围上的差异，可参阅个人智能体与工作智能体的对比。
外形各异，能力闭环却在靠近
技术实现不同，各产品需要完成的功能任务却越来越相似。关于个人 LLM 智能体的研究综述把意图理解、任务规划、工具使用和个人数据管理列为关键能力。结合当前产品，可以进一步整理成七个连续环节：
- 获取上下文。 连接用户愿意提供的对话、日历、邮件、文件、位置或其他信号。
- 维护长期记忆。 把持久偏好、人物关系与承诺，同一次任务的临时状态区分开。
- 理解意图。 从不完整的请求中推断用户想要的结果，同时承认仍然存在的不确定性。
- 规划工作。 拆解目标、选择工具，并在环境发生变化时调整步骤。
- 使用工具和计算机。 通过 API、浏览器、原生应用、终端或它们的组合执行任务。
- 跨时间继续。 响应计划和事件，保留进度，在用户离开后继续工作。
- 交还控制。 请求确认、展示活动记录、接受纠正，并允许用户撤销访问权限。
这是功能架构，不代表每家厂商使用完全相同的技术栈。远程浏览器和本地 Mac 都能提供连续性；结构化记忆与对话历史检索都能支持个性化，但可检查与可纠正程度并不相同；一个模型可以负责全部规划，也可以把任务分配给多个模型。
真正一致的方向在于：智能体正在成为围绕一个人持续运转的闭环，不再只是藏在空白输入框后等待提示的模型。
上下文既是机会，也是负担
当强模型和工具使用逐渐普及时，产品差异会转向更难的问题：哪个智能体能够获得最完整且真正有用的上下文，谁能保持准确记忆而不堆积过时判断，谁能跨越混乱的应用稳定完成工作，又有谁能把权限解释清楚，让用户愿意继续委托。
这是我们对市场方向的分析，并非已经得到验证的行业定论。产品发布材料描述的是设计目标，不能替代长期、独立的证据，也无法证明记忆始终准确或复杂任务一定能可靠完成。
让智能体变得有用的能力，也会集中风险。邮件和日历会暴露关系与日常规律，持续登录的浏览器保留着凭据，错误规划可能变成真实的对外动作。如果多个智能体共享上下文，一个错误假设还可能传播得比单次对话更远。
因此，控制机制不能只是后补的设置页面。Muse 使用独立的 Sentinel 智能体审核对外操作，在敏感动作前请求确认，并提供完整活动记录；Gemini 也提醒用户，浏览器任务可能把私密信息交给网站，并可能遇到恶意指令。各产品可以采用不同保护方式，但长期要求已经很清楚：限定访问范围，在关键动作前确认，让活动可见，允许纠错，也允许撤销授权。
Personal Agent 的最终形态仍未确定
Personal Agent 并没有收敛成同一种 App。它们正在靠近的是同一项工作：理解足够多的个人上下文，帮助用户准备判断，并在清楚、可改变的边界内推进任务。
尚未解决的都是产品问题。主要智能体最终会住在操作系统、聊天窗口还是专用硬件里？用户需要一个连续的人格，还是一组专业角色？当智能体联系别人时，它应该代表用户发言，还是以自己的身份出现？服务最终由个人付费，还是由雇主或平台打包提供？
这些问题可能孕育出多个长期存在的类别，而非唯一胜者。评估它们时，不必先问产品是否长得像你熟悉的个人助理。更应该问：它住在哪里、记住什么、如何持续工作、以谁的身份行动，以及控制权在什么时候回到你手中。