Personal Agent，正在成为这一轮 AI 产品竞争里最热的新概念之一。 9 月 29 日，OpenAI 发布了可以长期在线的个人 Agent 产品 dots，提出“always-on agents”。
更早把这个词推到台前的是 Meta 发布的个人 Agent 产品 Muse，截至 9 月下旬下载量突破 300 万，一度将 ChatGPT 从美国 App Store 免费榜第一的位置上挤下。 （雷峰网） Muse 运行在一台独立的云端虚拟电脑里，有自己的浏览器，可以替用户打开网页、填写表格、发邮件、预订旅行；一些耗时更长的任务，即使用户退出 App，它也可以继续在后台执行。
扎克伯格举过用 Muse 爬山预约的例子： 任务可以跨几天甚至几周持续存在。 Muse 之后，这条路线很快开始变得拥挤。
9 月 28 日，Manus 推出一款名为 Cue 的独立应用。国内大厂也开始往同一个方向靠拢。
千问宣布加速打造 Personal Agent；豆包早在今年 4 月就启动了代号 Spell 的 Personal Agent 项目，Muse 走红后字节进一步加速推进，计划 9 月底完成体验版测试。腾讯也被曝正在内测代号 Handy Bot 的 Personal Agent，并计划推出独立 App。
不到一个月，Muse、Cue、千问，以及更多正在跟进的产品，把 Personal Agent 从一个产品概念推成了新的竞争方向。问题也随之出现：过去两年 Agent 已经火过很多轮， 为什么现在 Personal Agent 突然集中出现？
以及这些公司想竞争的到底是什么？ 01 Personal Agent 围绕“人”建立 Context Personal Agent 为什么在这个时间点集中爆发？
我们可以从以下三个方面理解。首先，是场景成熟度。
过去一段时间，Codex、WorkBuddy 这类办公 Agent 已经把“AI 能真正替用户做事”推向了主流。用户愿意交给 Agent 的任务正在变得越来越重。
其次，是用户需求的变化。 Assistant Benchmark 创始人 David Pawlan 指出，市场上已有 122 款不同类型的 Agent 产品，日常高频场景集中在邮件归类、表单填写和代理协作事项上。
这些需求有一个共同特征：用户希望产品长期记住自己的状态、习惯和偏好，替自己长期管理某件事。最后，是技术可行性。
支撑长期记忆和后台执行的技术，在这半年里集中走向工程可用。过去 Agent 一旦跨天、跨周，容易出现信息衰减、关键上下文丢失和任务跑偏；现在这些问题开始被长期 Memory、云端执行环境和后台任务机制逐步缓解。
但长期理解一个人，和完成一个明确任务，是两种不同的工作方式。办公 Agent 通常围绕 任务 工作。
任务很明确，比如要修一个项目 Bug，就读取相关代码、报错和测试文件，这是它工作的上下文，一项任务结束，这组 Context 的作用也基本结束。办公 Agent 主要管理任务状态，Personal Agent 则试图长期管理一个人的状态。
很多时候，用户的想法还比较模糊，告诉它的可能只是“下个月想出去玩几天”“最近想把生活规律一点”“这笔花费是不是还能更便宜”。正在做 Personal Agent 的创业者林周告诉雷峰网，他们早期的产品更像“一句话生成一个小应用”，但很快发现，只要用户没有明确想法，Agent 就很难继续提供价值。
后来产品开始转向长期记住用户状态、习惯和偏好，再判断下一步需要什么。这也决定了Personal Agent 的 Context 很难只围绕一项任务建立，它要逐渐围绕用户本人组织起来。
它不仅要知道这次要订酒店，还可能需要知道用户过去住什么样的酒店、不喜欢什么航班、预算大概多少；一件事情隔了几天甚至几周，也不能因为对话结束就重新从零开始。因此，Memory在 Personal Agent 里最困难的是从大量个人信息中持续判断：个人偏好中哪些是真的和眼前的任务相关的，要排除掉哪些一次例外、过期的信息。
另一层差别发生在 执行端 。办公 Agent 通常面对的是相对固定的工具集合：代码库、终端、文件系统和企业 API；Personal Agent 却需要根据用户需求在不同服务之间做选择，再跨浏览器、邮箱、日历、电话和支付等环境把任务接着做下去。
也因此，Muse 给 Agent 配独立的云端电脑和浏览器，Cue 更进一步给 Agent 配上邮箱、电话号码、钱包和电脑。 Manus 创始人肖弘在网络平台上把这种产品形态描述得更进一步：“…… 也许可以称之为人 ……” 这些设计背后的方向是一致的： 让 Agent 成为一个可以长期存在、跨服务行动的执行层。
两类 Agent 的差别也因此不只是“办公”和“生活”。办公 Agent 更关心如何把一个明确任务做完，Personal Agent 则试图长期理解用户，并在不同时间、不同服务之间把事情接着做下去。
02 Personal Agent 想抢在用户选择平台之前 过去二十年，互联网平台长期争夺的是用户注意力和流量入口。谁能让用户先进入自己的平台，谁就更有机会掌握后面的搜索、推荐、广告和交易。
过去，一个人想买一台咖啡机，会先打开淘宝，再搜索、筛选、比较。如果换成 Personal Agent，用户只需要说一句：“帮我买一台 1000 元以内、明天能到、评价不错的咖啡机。
在淘宝或Amazon真正被打开之前，Agent 已经知道了他的需求、预算和时间要求。过去的链路是： 用户 → 平台 → 服务。
Personal Agent 想把它改成： 用户 → Agent → 平台 / 服务。正在做 Personal Agent 的创业者林周告诉雷峰网，他们现在会让 Agent 长期追踪用户的状态，再主动判断什么时候应该介入。
比如一个人持续健身一段时间后，Agent 不必等用户重新来问，可以根据此前的计划和状态主动给出下一步建议。这也正是Personal Agent 想占据的，比注意力更靠前的一层东西。
我们可以把这种逻辑称之为： Intent Economy，意图经济。谁先拿到用户意图，就开始拥有替用户选择服务的分发权。
用户已经产生需求，但还没有决定去哪个平台。这也是它和互联网平台原有的入口和分发权发生重叠的地方。
要做到这一步，光有一个会操作网页的通用 Agent 还不够，它还需要 Connector。 Connector 可以简单理解成 Agent 和外部服务之间的“接口”。
它可以把用户日常使用的服务接进来，用户授权后，Agent 可以读取邮件、日历、商品和订单，并在权限范围内执行操作，这也是 Personal Agent 和通用 Agent 一个主要的差异点。 Meta 最近围绕 Muse 快速扩展 Connectors，把零售、支付、旅行、办公等服务接到 Agent 后面，包括 Walmart、PayPal、Expedia、Notion 等。
换句话说， Muse 正在尝试搭建一张 Agent 可以直接调用的服务网络。也就是说，Personal Agent 真正想争夺的不只是用户需求的第一入口，而是需求之后的 服务分配权 。
问题在于，这种分配权并不是 Agent 单方面就能获得的。 03 Agent 想成为入口，巨头还守着门 Personal Agent 的产品叙事里，互联网像一个可以自由调用的巨大工具箱。
用户给出目标，Agent 自己去搜索、比较、调用不同服务，最后把事情做完。但真正开始执行以后，它很快会碰到一个问题： 用户愿意让 Agent 去，并不意味着平台愿意让 Agent 进。
Muse 和 Amazon 的冲突就是一个很例子。 Muse 上线后可以替用户在不同网站搜索和购物，但 Amazon 很快阻止了它访问自己的购物网站。
Amazon 给出的理由是 Muse 没有事先获得许可，并强调第三方 Agent 应当公开自己的身份，同时尊重服务提供方是否愿意参与的决定。 Amazon 此前也对 OpenAI、Google 等公司的购物 Agent 采取过类似限制。
这件事也暴露出了 Personal Agent 入口逻辑里的一个缺口。用户可以授权 Muse 替自己购物，但在平台看来，Agent 是谁、代表谁、能读取什么数据、出了问题由谁负责，仍然要由平台自己的规则决定。
换句话说，Personal Agent 面前其实有两道授权： 第一道来自用户，我允许你代表我行动；第二道来自平台，我是否承认你可以这样进入。只有用户授权，Agent 即使知道用户想做什么，也未必真的能把事情做完。
只有用户授权，Agent 能理解用户想做什么，却未必真的做得成。 Amazon 的态度就很典型：它限制站在消费者前面的第三方 Agent，却同时在卖家业务中增加 Agentic AI 能力。
区别在于，后者仍然服务于 Amazon 自己的工作流；而当 Personal Agent 先拿到用户需求，再决定是否调用 Amazon 时，它已经开始介入平台原本掌握的入口和分发。 Shopify 给出的则是另一种答案。
它没有简单把第三方 Agent 当成一个未经邀请的自动化程序，而是开始把 ChatGPT、Gemini、Microsoft Copilot、Meta 等 AI 产品正式纳入 Agentic Storefronts，让商家决定自己的商品是否进入这些渠道，并由 Shopify 继续承担商品、订单和结账等基础设施。这可能更接近未来平台与 Agent 的关系： 平台不会放弃规则制定权，它会把 Agent 纳入自己的规则。
从搜索爬虫、第三方 App 到小程序，新中间层出现后，平台最终都会建立自己的访问规则。 Personal Agent 很可能也一样：身份认证、官方 Connector、支付和关键操作确认，会逐渐被标准化。
Agent 拿到用户需求，并不意味着天然拿到了整个互联网的分发权。需要重新定义的是： 当一个 AI 声称自己代表用户时，平台在什么条件下承认这种代理关系。
04 Personal Agent 离“下一代入口”还差什么？如果只看最近一个月的产品发布和融资节奏，Personal Agent 很容易给人一种“下一代入口已经出现”的感觉。
但它离这条路线离真正成立还有距离。首先，它没有明显的底层技术跃迁。
Muse、Cue 依赖的浏览器自动化、Container、长期记忆、工具调用和后台任务，此前都已经存在，开发者也早就可以把这些能力拼成自己的 Agent。 Muse 真正的变化更像是工程和产品层面的：把云端电脑、浏览器、Memory、权限和工具调用这套过去需要开发者自己拼起来的东西，做成普通用户可以直接使用的产品。
这也是为什么今天跑得最顺的场景仍然是退款退货和购物比价：目标明确，出错后也大多可以补救。它距离“长期理解一个人并替他处理生活”，还有很长距离。
再往前，一个更难的问题是用户愿意把多少行动权交给 AI。扎克伯格举过一个例子：如果 Muse 知道用户怀孕，它可以据此推荐无酒精饮品更好的餐厅，但不应该把“怀孕”这件事告诉餐厅。
Meta 把这种能力叫“分寸感”。 Agent 知道得越多，这种判断反而越重要。
到了中国，还会多上一层平台的限制。海外的 Personal Agent，很大程度建立在 Email、Web、Calendar、信用卡这些相对开放的基础设施上；而中国用户的很多数字生活，都沉淀在微信、淘宝、美团、抖音、小红书这样的超级 App 里。
社交、支付、交易和本地生活服务，都深嵌在各自生态内部，并不天然向一个独立的第三方 Agent 开放。 （Muse的通知消息：它会主动让用户把“在别的 AI 那里说过的背景信息”再发给自己） 这也带来一个尴尬的局面：最有条件把这些服务串起来的，恰恰是平台自己。
腾讯有微信和小程序，阿里有电商、支付、地图和旅行，字节也有内容、电商和本地生活。但如果一个 Agent 最后主要活动在自家体系里，它究竟是用户的 Agent，还是平台新的入口形式，就很难说了。
所以今天限制 Personal Agent 的，已经不只是模型够不够聪明。它至少还要同时跨过三道门槛： 任务能不能连续跑几天而不掉链子，用户敢不敢让它真的替自己做决定，以及平台是否愿意把关键服务交给一个外部 Agent。
这三件事，目前都还没有被彻底解决。 05 新故事，还是新入口？
Personal Agent 之所以迅速升温，一个很直接的原因是， 它被不少从业者视为接下来最具确定性的方向。相比 AI 办公，Personal Agent 面向的是一个人的整个数字生活。
Muse 出现以后，很多人的反应是“终于等到了！这种确定性，大厂已经用行动投了票。
但另一面也很明显：Personal Agent 的热度，本身也符合这一轮 AI 行业对“新故事”的需要。过去两年行业谈参数、Token、API 和企业收入；Personal Agent 出现以后，下载量、DAU、入口、生态、交易和分发这些消费互联网熟悉的词又回来了。
故事成立，不等于产品已经成立。长期 Memory、用户对交易控制权的让渡、平台开放，以及高推理成本下的商业模式，都还没有真正解决。
所以 Personal Agent 最后未必会以一个独立 App 的形态存在，它也可能直接长进手机系统、超级 App 和已有的 AI 助手里。但有一点已经越来越清楚：AI 正在从完成一次任务，走向长期代表用户行动。
过去互联网争的是用户先打开谁的 App，Personal Agent 想争的，是用户打开 App 之前的那一步。谁能成为用户和互联网之间新的中间层，已经开始成为下一轮竞争的位置。
▼ 推荐阅读 ▼ 流沙之上：陈冕、景鲲、倪正民和中国 AI 应用创业者的三种选择 2026-09-01 WorkBuddy、豆包工作、千问办公实测：AI 把活干完了，为什么你更累了？ 2026-09-18