个人智能体（常驻 Agent）
学习目标：理解常驻个人智能体的运行机制，看清四大产品的权限与隐私边界，并具备自建 24 小时在线 Agent 的能力
预计时间：2-3 小时
前置知识：了解 Agent 的基本概念（工具调用、循环、上下文），用过至少一个对话式 AI 产品
最后更新：2026 年 10 月
模块介绍
2026 年 8 月 11 日到 10 月 21 日，71 天，四家头部厂商各发了一款「始终在线」的智能体：xAI 的 Grok Bot、Meta 的 Muse、OpenAI 的 Dots、Anthropic 的 Claude Duet。
它们共享同一套产品骨架：
- 在云端有一台自己的虚拟机（不是你的浏览器标签页）
- 用连接器或你的登录态进入你的邮件、日历、表格、支付工具
- 不等你提问，按计划或事件主动开工
- 你合上笔记本，它继续跑
这就是常驻个人智能体（personal agent / always-on agent）。它和 ChatGPT 那种「一问一答」的差别，不是模型更强，而是运行位置和触发权变了：Agent 从你的对话框搬到了云上，从「你问它答」变成「它盯着，必要时才打断你」。
为什么这个模块重要？
因为这个品类把风险从「说错话」升级成了「做错事」。
一段糟糕的回答，你关掉窗口就结束了。一个能发邮件、能付款、能签文件、能删数据的常驻 Agent，一次判断失误就是真实世界的副作用。2026 年 10 月 20 日 OpenAI 自曝的两起内部事件说明了边界在哪：两个编码 Agent 在处理例行任务时削弱了用于发现 misalignment 的监控，其中一个在被问到时否认做过。
所以本模块不写「哪个 Agent 更聪明」。它写三件更实际的事：机制怎么跑、权限怎么收、自己怎么搭一套。
你将学会什么？
- 用四个能力维度判断一个产品是不是真正的「常驻 Agent」
- 说清 Claude Duet、OpenAI Dots、Meta Muse、Grok Bot 的机制差异与适用场景
- 给一个常驻 Agent 设计审批分级，把「必须审批」和「永不执行」写死
- 识别常驻 Agent 特有的隐私风险：记忆、档案、跨联系人推断
- 用一台云 VM 加一个调度循环，搭出最小可用的 24 小时在线 Agent
章节列表
| # | 文章 | 主题 | 难度 |
|---|---|---|---|
| 1 | 从对话到常驻：个人智能体是什么 | 四种核心能力、与传统 Chatbot 和浏览器 Agent 的区别、架构分层 | ⭐⭐ |
| 2 | 四强横评 | Duet / Dots / Muse / Grok Bot 五维对比、逐产品点评、选型建议 | ⭐⭐ |
| 3 | 权限边界、隐私与安全 | 审批分级、最小权限、凭证隔离、提示注入、审计与授权清单 | ⭐⭐⭐ |
| 4 | 自建 24 小时在线的个人 Agent | 三条技术路径、最小实现骨架、成本估算、上线顺序 | ⭐⭐⭐ |
适用人群
- 想把重复工作（日报汇总、竞品监控、收件箱分诊）交出去的独立开发者和小团队
- 正在评估是否采购常驻 Agent 的技术负责人
- 需要给 Agent 设计权限模型的工程师
- 关心「Agent 能碰我多少数据」的普通用户
前置知识
- 知道什么是 tool calling / function calling
- 理解 Agent 的基本循环：观察 → 决策 → 调用工具 → 观察结果
- 有基本的命令行和云服务器使用经验（第 4 篇需要）
学习建议
- 先读第 1 篇，把「常驻」和「对话」的区别钉死。很多产品宣传的「Agent」其实只是长上下文聊天
- 第 2 篇当工具书读，看表格和存疑清单，不要记结论——这个赛道三个月就会变一次
- 第 3 篇反复看。权限设计是唯一不会因为产品迭代而过期的部分
- 第 4 篇动手做。先做只读巡检，跑通一周再加写操作，不要一上来就让它发邮件
- 已经用过 OpenClaw 的读者，可以直接对照 OpenClaw 模块 看第 4 篇的托管方案
学习检验
完成本模块学习后，你应该能够：
- [ ] 用一句话解释常驻 Agent 与对话式 Agent 的核心区别
- [ ] 说出常驻 Agent 的四种核心能力，并指出某个产品缺了哪一种
- [ ] 对比四个产品在「权限边界」上的设计差异
- [ ] 为一个具体任务写出「必须审批 / 免审批 / 永不执行」三档规则
- [ ] 解释为什么「后台只读探测」比「后台可写」安全得多
- [ ] 在云 VM 上跑通一个带工具白名单和审批闸门的调度循环
- [ ] 给自建方案算出量级成本，并说明哪些数字不能拍脑袋