分类：AI动态 标签：人工智能、大模型、AI助手、生产力工具

过去一年，AI 产品越来越想变成一个「人」。

一边是越来越自动化的 Agent，已经可以直接操作电脑，甚至和其他 AI 互相通信；另一边则是近期大火的「个人助理」式 Personal AI。它不仅要完成眼前的任务，还想记住是谁在提需求：这个人关心什么，手上有哪些没做完的事。

就在最近一个月里，Meta 推出了 Muse；Manus 推出个人 Agent 应用 Cue；OpenAI 随后发布 Dots。它们的形态不同，但目的近似：长期记住用户的目标和偏好，进入用户日常使用的软件，并在用户没有主动提问时继续工作。

不过，放到国内的使用环境里，这些海外产品多少有些水土不服，要么仅在美区开放，要么可操作的应用主要是 Gmail、Slack、WhatsApp、Teams 等海外软件。

在这股热潮里，我注意到了 Today AI。它由 Teambition 创始人齐俊元打造，国内版于 9 月 24 日上线，已经接入飞书、钉钉、腾讯文档和邮箱等国内常用应用。用了 10 天以后，我也开始从 Today 身上看到 Personal AI 的局限与潜力。

一、我有常用的 AI，为什么还需要你？

平时，我们通常带着明确的问题去找 AI，问它问题，给它派明确的指令或任务。但 Personal AI 并不是这样，它是「了解我、围绕我、帮助我」的 AI 产品，更应该反问我：你是谁？

为了更好地使用 Today，我把个人的身高体重、兴趣爱好、职业履历、内容偏好等个人信息，一股脑发给 Today，急不可耐地建立个人画像。这个熟悉度很快就拉高了，但把自己介绍完，我还是不知道下一步该做什么。

这时，Today 先向我走了一步。

它根据我提供的信息，开始以早晚报的方式和我「打招呼」。它会在早晚报里告诉我喜欢的球队动态、某款我可能喜欢的游戏要上市了、今天的邮件摘要、关注的报刊这个月的封面文章等。这是我第一次感受到 Today 和传统 AI 不一样，它不需要我去主动发问，而是通过了解我去猜我可能会对哪些信息感兴趣。

这种主动，也让我愿意继续告诉它更多日常信息。我开始试着和 Today 交流工作和生活里想到的问题：

  • 轻快无缝的对话体验：在 Today 里，我的眼前只有一个窗口的对话。我不需要做任何窗口、项目、任务管理，所有的需求都能扔进同一个对话框。
  • 高信息密度的直给回应：我非常喜欢 Today 的回应节奏，一个问题可以很快得到直接的答案，信息密度高，说完就停。

有时候和 Today 聊天，我感觉像在和一个反应很快、很博学、记忆很好的人对话，它甚至会每天写日记，总结今天和我们的对话。这些感受很小，但当它反复发生，让我觉得 Today 不是另一个豆包、千问、DeepSeek，也不是另一个赛道的拟人陪伴型 AI。

二、所有事情，都在同一段对话里继续

电脑版的 Today，左侧是对话，右侧放着简报、任务、记忆和关联应用。

我先把 Today 连上了飞书。连上飞书后，我让它直接去读我近一周的工作文档，它判断出我在写的两篇文章，和一个日更的脚本栏目。之后，Today 每天早上都会给我发选题，还会主动问我，两个稿件推进到什么程度了，要不要聊一下？

比飞书用得顺手的是微信。把 Today 和微信绑定后，我能直接在微信上给 Today 发语音、图片、文件，Today 也在微信里回我。用到后来，我甚至不再需要专门打开 Today 的 App，它更像是微信列表里的一个好友。

不过，当我试着给它点儿重活时，问题也随之暴露出来。

我曾让 Today 帮忙汉化某款游戏的 mod，它自行拆包读文档，调用了 Claude Opus 5 开始汉化，代码重构过程做得相当干净。但在最后一步「汉化完的文件该放在游戏目录哪里」时，Today 很自信地给出了一堆笃定却毫无用处的指令，让我反反复复重启游戏测试了一个小时。

翻译这个 mod，Today 只花了 15 分钟，而我因为它的失误折腾了一个小时。反过来的情况也发生过，我曾让 Today 出一份能照着念的 60 分钟足球陪练方案，Today 却把它升级成了后台任务，花了将近一个小时写了个网页。

我开始怀疑的不是 Today 有没有能力，而是它判断不了轻重缓急：什么时候一句话回答就够了；什么时候值得启动一个长任务；当自己的答案会直接导致用户去做大量操作时，是不是应该先查证，再给答案。

三、Personal AI 的未来之路在何方？

Today 给了我一个很具体的国内 Personal AI 入口。它接入了飞书、钉钉、微信，比起那些围绕 Gmail 和 Slack 搭建的海外产品，更能感受到 Personal AI 真正嵌入日常之后是什么样子。

回顾我们获取信息的方式，经历了两次迭代，并正迈向第三阶段：

  1. 我们主动去互联网上搜索，搜完自己判断 ->
  2. 我们开始直接问 AI，把搜索外包 ->
  3. Personal AI 继续往前推一步：它足够了解我，不需要我去搜去问，时刻盯着你感兴趣的领域、邮件、短信、即时通讯，我只需要「批奏折」。

当然，Today 只是我观察 Personal AI 的一个切口。Meta 的 Muse、OpenAI 的 Dots、Manus 的 Cue，产品形态虽不同，但大家想做出来的东西越来越像：有记忆、主动性和行动能力的 AI，它足够了解你、长期在线，还能替你做事。

但在通向这个终点的路上，还有三道坎很难跨过去：

  1. 判断力：它的能力越强，越需要学会克制和判断。是直接回答，还是后台思考，是来问我，还是默默帮我做好。这些琐碎的判断，决定了 Personal AI 究竟是在替人省时间，还是制造新的工作。
  2. 生态：Personal AI 想成为你的数字助理，就必须进入你的数字世界。海外产品围绕 Gmail 等搭建能力，但在国内，微信、淘宝、美团、支付宝等超级 App 才承载着大量真实生活。模型可以跨市场复用，接口却需要一家一家打通。
  3. 信任与隐私：Personal AI 要成立，第一步就是让用户愿意交出更多隐私。Muse 最近就曾被曝出近 19 万条用户对话记录遭到泄露。当 AI 记得我的朋友是谁、知道我的工作进展、能读邮件和日历，还可以替我发消息、改文件、下单甚至付款，错误就开始从说错一句话进入现实，而 AI 是不担责的。

这种权限和责任的不对等，是 AI 行业的结构性问题。它不会因为模型更聪明而消失，也不会因为产品体验更好而消失。

所以，Personal AI 最终面临的大坎儿，是人类对 AI 行为边界的共识，关于错误归责的规则，以及用户对这段关系的控制权。

现在，技术在加速，这些东西都还没有拿出来讨论过。但它们最终将决定，Personal AI 究竟会成为你的朋友，还是仅仅变成你的电子工友。