从对话到常驻：个人智能体是什么
学习目标：掌握常驻个人智能体的定义与四种核心能力，能区分它和对话式 AI、浏览器 Agent、工作流自动化的边界
预计时间：30 分钟
难度：⭐⭐
先说结论
常驻个人智能体不是「更聪明的聊天机器人」。
它是一次运行位置的迁移：Agent 从你面前的那个对话框，搬到了一台云端的虚拟机里；触发权也从你手里，部分交给了时间和事件。
你不再问「帮我总结今天的邮件」，而是提前说「每天早上 7 点半，把这周需要我决策的事整理成一页」。然后你睡觉，它干活。
这个变化的工程含义比听起来大得多：它意味着这个系统必须有自己的身份、自己的存储、自己的调度器，以及一套在你不在场时仍能生效的权限规则。少了任何一环，它就只是个长上下文聊天窗口。
先看一个真实的产品动作
Anthropic 在 2026 年 10 月 21 日发布的 Claude Duet，把这个模式讲得很直白：
- 每天早晨给你一份简报，汇总已连接应用里最重要的事项
- 白天持续关注这些应用，只在「有事需要你」时发消息
- 每几小时检查一次已连接账号（官方说法是：如果不停检查，会更快烧完套餐额度）
- 它有一台自己的虚拟机和一个自己的浏览器，不需要你的电脑或手机开着
注意最后一条。「不需要你的设备开着」是常驻 Agent 和一切本地自动化工具的分水岭。
你的电脑睡眠了，cron 停了，浏览器扩展挂了——常驻 Agent 还在跑，因为它在别人的机房里，用的是自己的电源和自己的网络出口。
定义：四条判据
行业里「Agent」这个词已经被用烂了。判断一个产品是不是真正的常驻个人智能体，看这四条，缺一条就要打问号。
能力一：独立云端虚拟机
不是「在云端有个容器跑推理」，而是有一个能装浏览器、能存文件、能保持登录态的工作环境。
- Claude Duet：虚拟机 + 自己的浏览器
- OpenAI Dots：每台 dot 有自己的云电脑和浏览器，默认与你的电脑隔离，只有你明确允许才会连到你本地
- Meta Muse：Muse Secure VM，每个用户一台独立虚拟机
- Grok Bot：持久云电脑，同一账号下所有 Bot 共用一台，每个 Bot 有独立屏幕
为什么必须独立？因为隔离边界就是安全边界。Agent 在自己的 VM 里点错按钮，损失面是一个沙箱；Agent 在你的浏览器里点错按钮，损失面是你的全部登录态。
能力二：跨应用连接器
常驻 Agent 的价值不在「会推理」，在「能落地到具体系统」。所以连接器数量是硬指标：
| 产品 | 官方口径 |
|---|---|
| Claude Duet | 6,000+ 连接器与插件（Claude Marketplace） |
| OpenAI Dots | 4,000+ 应用（插件生态） |
| Meta Muse | 官方未披露数量 |
| Grok Bot | 官方未披露数量，走「用你的登录态操作任意网站」路线 |
这里有个容易忽略的分岔：连接器路线 vs 登录态路线。
连接器（OAuth、API、MCP）是结构化的、有明确权限范围的、可撤销的。登录态路线是把你的账号密码交给 Agent，让它像人一样在网页上操作——覆盖面大得多（大量内部系统根本没有 API），但信任成本也高得多。Grok Bot 官方明确说，这是为了操作「没有干净 API 或 MCP 的平台」。
能力三：主动触发
对话式 Agent 的触发源只有一个：你发消息。
常驻 Agent 至少多两种：
- 时间触发：每天 7 点生成简报、每周一汇总周报
- 事件触发：收到某类邮件、某个 Slack 频道有新消息、监控的页面发生变化
Grok Bot 把这件事做成了显式的产品对象：Routine。官方文档写明，每个 Bot 最多拥有 50 个 routine，单条 routine 的最近 20 次运行记录会被保留，两次调度之间至少间隔 5 分钟。routine 可以按计划跑，也可以由事件触发。
这个「至少 5 分钟」的细节值得琢磨：它不是技术限制，是成本与打扰的刹车。一个每 10 秒醒一次的 Agent，烧钱速度和误报频率都会失控。
能力四：关机续跑
这条最容易被忽略，但它是「常驻」的字面含义。
用户在三个层面关机：
- 关掉 App
- 合上笔记本
- 手机没电
三种情况下任务都必须继续。所以任务状态不能存在客户端内存里，必须存在服务端，并且要能被「恢复」——进程挂了、VM 重启了，任务还能从断点继续。
Grok Bot 的官方 FAQ 直接回答了这个问题：Bot 的工作跑在云电脑上，关闭 App、笔记本或手机都不会停止后台回合或 routine。
和对话式 Chatbot 的区别
| 维度 | 对话式 Chatbot | 常驻个人智能体 |
|---|---|---|
| 触发源 | 用户发消息 | 用户消息 + 时间 + 事件 |
| 生命周期 | 一次请求 | 持续存在的实体（有名字、有记忆、有职责） |
| 运行位置 | 服务端推理，结果回到对话 | 云端 VM，有自己的浏览器与文件系统 |
| 用户在场假设 | 在场 | 默认不在场 |
| 失败代价 | 答错一句话 | 发错一封邮件、付错一笔钱 |
| 权限模型 | 基本没有（除了内容策略） | 必须有：审批分级、范围限制、审计 |
| 状态 | 对话历史 | 对话 + 记忆 + 长期档案 + 执行中的任务 |
一句话总结：Chatbot 的输出是文本，常驻 Agent 的输出是世界状态的变化。
这也是为什么第 3 篇要专门讲权限——不是安全洁癖，是这个形态本身的必然后果。
和浏览器 Agent 的区别
2025 年火过一阵的「浏览器 Agent」（比如在 Chrome 里点按钮的那类），和常驻 Agent 看起来很像，实际差三个关键点：
| 维度 | 浏览器 Agent | 常驻个人智能体 |
|---|---|---|
| 浏览器归属 | 你的浏览器、你的标签页 | 它自己的浏览器，在云端 VM 里 |
| 登录态 | 复用你已登录的 session | 独立凭证库（或你自己的登录，取决于产品） |
| 你的设备 | 必须开着 | 可以关着 |
| 并发 | 抢占你的屏幕 | 后台独立跑，不干扰你 |
| 可观测性 | 你能直接看到它在点什么 | 有的产品能看到（Muse 可围观），有的还看不到（Duet 官方承认暂不支持查看浏览器） |
「能不能围观」这件事在 2026 年 10 月还是个未完成项。Claude Duet 官方明确写了：还不能给你看它的浏览器。Meta Muse 在 CNN 的实测里，用户可以在它浏览时围观并介入。Grok Bot 提供云电脑预览，你可以随时接管。
看不见的自动化不是自动化，是赌博。 这条会在第 3 篇反复出现。
和工作流自动化（Zapier / n8n）的区别
| 维度 | 工作流自动化 | 常驻个人智能体 |
|---|---|---|
| 流程定义 | 人预先画好节点和分支 | 人给目标，Agent 自己规划步骤 |
| 异常处理 | 没画到的分支就失败 | 可以临场换路（也可能换错路） |
| 确定性 | 高 | 低 |
| 覆盖面 | 只有接好的节点 | 理论上任意网页与工具 |
| 成本 | 按任务/次数计费，可预测 | 按 token 计费，随思考深度波动 |
这不是替代关系。稳定的、高频的、规则明确的流程，永远应该用工作流；模糊的、长尾的、需要判断的任务，才交给常驻 Agent。 用 Agent 做固定流程，是花钱买不确定性。
演进时间线
71 天内四家全部落子，这在 AI 产品史上很少见。
| 日期 | 事件 | 模型 | 状态 |
|---|---|---|---|
| 2026-08-11 | xAI 发布 Grok Bot | 未公开 | Beta，订阅制开放 |
| 2026-09-08 | Meta 发布 Muse（美国） | 未公开 | 全面开放 |
| 2026-09-29 | OpenAI 在 DevDay 发布 Dots | GPT-6 Astra | 预览（Pro / Business Premium / Enterprise） |
| 2026-10-21 | Anthropic 发布 Claude Duet | Claude Opus 5.5 | 研究预览，美国 Pro/Max 候补 |
从 8 月 11 日到 10 月 21 日，正好 71 天。
为什么是这个时候？三个条件同时成熟：
- 模型能跑长任务了。目标 → 计划 → 执行 → 学习 → 继续，这个循环需要模型在多轮工具调用中不跑偏。Dots 的产品设计正是把它从「Prompt → Response → Stop」改成了持续循环。
- 连接器生态成型。MCP 和各类插件市场把「接入 4000+ 应用」从工程难题变成了配置工作。
- VM 便宜了。一台能跑浏览器的低配云主机，月成本已经进入个位数美元区间。给每个用户开一台，商业上开始算得过来。
还有一个隐性条件：竞争。四家在一个季度内互相看着发产品，功能清单高度趋同（云电脑、连接器、审批、晨报），差异化被迫转向权限设计与隐私策略——这恰好是第 2 篇和第 3 篇的主题。
架构分层
不管哪家产品，拆开看都是这六层。差别只在每层做得多厚。
逐层说明：
- 接入层：决定你在哪里被打断。Dots 支持 ChatGPT 桌面/网页/移动 + Slack + Teams；Muse 走自己的 App + WhatsApp + Web；Duet 是独立 App（iOS/Android/claude.ai）。
- 调度层：决定它多久醒一次。Duet 是「每几小时」，Grok Bot 支持 routine + 事件，Muse 是每小时更新档案、每晚深度分析（第三方报道口径）。
- 执行层：决定它能碰到什么。这一层越宽，治理层必须越硬。
- 治理层：决定它不能碰什么。这是四家产品真正的分水岭，也是唯一不能靠模型能力弥补的部分。
- 记忆层：决定它有多「懂你」，同时决定它泄露时有多严重。
- 审计层：决定出事后你能不能复盘。没有审计的常驻 Agent，等于一个没有日志的生产服务。
一次任务的完整生命周期
以一个「每天早上生成竞品动态简报」的 routine 为例：
06:55 调度器唤醒
↓
06:55 加载上下文：用户档案、上次简报、未完成事项
↓
06:56 规划：要查哪 5 个来源 → 选工具（只读 HTTP + 浏览器）
↓
06:57 执行：抓 5 个页面 → 3 个成功、1 个 403、1 个改版
↓
06:58 策略检查：本轮全是读操作 → 放行
↓
07:00 生成简报草稿 → 写入文件
↓
07:01 策略检查：要发到邮箱 → 命中「对外发送」→ 挂起等审批
↓
07:30 你醒来看到通知：简报已就绪 + 1 条待审批的发送请求
↓
07:31 你点同意 → 发送 → 审计日志记录 who/when/what这条链路里有三个设计决策值得记住：
- 只读步骤不需要审批，但要留痕。 否则审批疲劳会让用户全点同意。
- 写操作挂起，而不是拒绝。 挂起保留了自动化价值，拒绝会把用户逼回手动。
- 审批请求必须有上下文。 「是否允许发送邮件？」这种问法等于没问。要给收件人、主题、正文预览。
三个还没解决的问题
常驻 Agent 在 2026 年 10 月仍然是半成品，这三个坑必须知道。
1. 判断「什么值得打扰你」
Duet 官方自己承认：可能误判消息的紧急程度，还在持续调。这不是模型不够强，是**「重要性」本身没有客观标签**——它只能从你的反馈里猜。
工程上的解法是让用户显式配置：「只在我被 @ 时通知」「只报金额超过 X 的」。别指望 Agent 自己学会。
2. 网站开始防 Agent
CNN 实测 Muse 时发现：Amazon 屏蔽了它的浏览，Target 拦截了自动结账点击。TechCrunch 也报道 Amazon、Adidas 等零售商在封堵 Agent 行为。
这是长期趋势。Agent 越像人，风控越要区分它和人；而区分手段（验证码、行为分析、设备指纹）恰恰会把一部分真人一起挡掉。「能操作任意网站」这个卖点，在商业网站上会持续贬值。
3. 可靠性还没到「不管它」的程度
同一批实测里，Muse 推荐了几年前就关门的餐厅，还能起草 Facebook Marketplace 的砍价消息但发不出去（功能与宣传不符）。
所以正确的心智模型是：常驻 Agent 是「预加工」而不是「代执行」。它把 90% 的活干完，你花 10% 的时间检查。如果你的任务连 10% 的检查时间都省不出来，那它不适合你。
常见误解
误解一：「常驻」等于「一直烧钱」。 不是。主流产品都用「巡检间隔」控制成本。Duet 明确说每几小时检查一次，因为不停检查会更快耗尽套餐额度。常驻是「随时可被唤醒」，不是「每秒都在推理」。
误解二：Agent 越多越好。 Grok Bot 官方文档专门警告：不要用不同的 Bot 当安全边界，因为同一账号下所有 Bot 共用一台云电脑，文件互相可见，一个 Bot 的登录态其他 Bot 也能用。
误解三：连接器数量等于能力上限。 6000 个连接器里，你大概只会用 5 个。真正决定体验的是那 5 个接得深不深（能不能读附件、能不能改状态、权限粒度多细），而不是总数。
本节小结
- 常驻个人智能体 = 独立云端虚拟机 + 跨应用连接 + 主动触发 + 关机续跑，四条缺一不可
- 与 Chatbot 的根本差别是输出从文本变成世界状态，因此权限模型从「可选」变成「必需」
- 与浏览器 Agent 的差别是浏览器归属和登录态归属；与工作流自动化的差别是「人画流程」还是「模型规划」
- 2026 年 8-10 月的 71 天里四家同时落子，功能趋同、差异集中在权限与隐私
- 架构上永远是六层：接入、调度、执行、治理、记忆、审计；治理层是唯一不能靠模型变强来弥补的
- 它现在是「预加工工具」而不是「代执行员工」，网站封堵和可靠性仍在早期