之前一直在分析、拆解 AI 在工作上的应用,刚好有位朋友在评论里让我锐评一下 Personal Agent。那就结合之前的研究,聊聊我的看法。
其实,Personal Agent 并非新鲜事,只不过是让 AI 更好地完成复杂任务。
真正值得研究的方向,是让计算机逐渐摆脱对预先定义业务数据结构的依赖,能够直接理解、存储、调用并动态调整现实世界中产生的信息。
Personal Agent(个人智能代理)标志着 AI 从【任务执行】向【持续协作】转变。事实上,OpenClaw、Hermes Agent 等开源项目已经在探索这一路径,如今各家大模型厂商也开始推动产品化。但底层仍然离不开【LLM + 工具 + 记忆 + 执行循环】,早在 2023 年,AutoGPT 就已经将自主执行的概念推向大众视野。
回顾近几年大模型应用的发展,可以把这些热点串起来:
- 【2022—2023】ChatGPT、Prompt Engineering、RAG、LangChain,重点是提问、知识检索与上下文增强。
- 【2023】AutoGPT,探索自主规划与工具调用。
- 【2023—2024】Dify、n8n、Coze、LangGraph,AI 工作流编排兴起。
- 【2024—2025】Computer Use、Manus,AI 开始直接操作软件,从给“指令”走向给“目标”。
- 【2025—2026】OpenClaw、Hermes Agent,结合 Skills、MCP、Harness、长期记忆等机制,探索持续运行与自主执行。
- 【2026】Grok Bot、Muse、Dots、Duet 等 Personal Agent 产品出现,大模型厂商推动云端托管与长期协作。
不难发现,虽然产品形态不断变化,但 Agent 的基本执行框架并没有被彻底改变。AI 从内容生成,发展到调用工具、编写代码、操作软件,甚至连接外部设备。交互方式则从【告诉 AI 怎么做】转向【告诉 AI 要做什么】,再由 Agent 自主拆解执行。
但工具调用不等于理解业务,多 Agent 协作也不代表能够正确处理复杂关系。最终结果仍然依赖模型能力、目标定义、约束条件与执行核验。
另外,记忆仍然是一大难题。目前 Agent Memory 主要围绕存储、检索、上下文注入展开。检索可能找不到正确记忆,即使信息进入上下文,模型也未必能够准确理解与应用,更不用说现实信息不断变化所带来的更新与冲突问题。
因此,我一直在思考:我们不断研究如何让 AI 更好地操作软件,但为什么一定要先有软件定义好的数据、功能和流程,AI 才能开展工作?
举个简单的例子。
你买了 3 个苹果、4 个橘子放进冰箱,后来 AI 看到你吃掉 1 个苹果。你问【还剩多少水果】,它能够直接回答。
今天的大模型当然能算出来,但如果没有提前建立库存表,也没有人为录入每次变化,它能否通过观察自行理解、记录和更新?如果出现新的水果,或者有人拿走了东西,它又能否持续维护正确的状态?
再放大到企业场景。
客户通过 “社交软件”询价 100 件产品,后来邮件改成 80 件,又通过电话调整交货时间。理想中的 AI 应该能够直接理解这些变化,并区分交涉意向与正式确认的信息,而不必先要求人将所有内容录入预设字段。
如果遇到新的业务情况,还能逐渐理解和建立新的关系,而不是每次都需要开发功能、调整系统。
事实上,这个方向并非没人研究。从早期 Dataspaces、Open IE,到近年的 GAM、E-mem、LOTUS、DocETL、Palimpzest,已有团队探索开放关系发现、记忆重构,以及不依赖完整预设业务模型的语义计算。部分能力已经得到验证,只是尚未形成能够长期维护可信事实、处理复杂关系并可靠执行真实业务的完整方案。
目前,Palantir 的 Ontology 是商业化领域一个值得参考的案例。它将业务对象、关系、动作和规则连接起来,让 AI 能够理解并操作业务。但它仍然需要显式定义不少业务结构,虽然可以调整,却尚不能完全依靠现实活动自行形成。
我认为,真正值得突破的,是让计算机能够先接收现实信息,再根据实际需要理解、关联和计算,让业务结构随着现实活动不断形成和调整。当然,涉及资金、权限与责任的正式业务,仍然需要核验、授权和追溯。
所以,Personal Agent 只是 AI 应用发展的一个阶段,并非终点。
如果计算机能够直接理解现实活动,我们或许不必再围绕【开发什么软件、增加什么功能、建立什么字段和流程】来开展工作。
不是让现实去适应软件,而是让计算机逐渐学会理解和适应现实。