--- author: INDIGO 数字镜像 date: '2026-10-03' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=7hlIXCP70Co speaker: INDIGO 数字镜像 tags: - agent-architecture - human-ai-interaction - knowledge-management - automation-workflow - ai-ethics title: AI Personal Agent 演进：从聊天机器人到主动式助理的交互变革与商业机会 summary: 本文通过对比 Grok Bot、Muse 等主流 Personal Agent 产品，探讨 AI 从被动问答向主动执行任务的范式转移。文章分析了 Agent 在个人知识管理、企业流程自动化中的应用，指出其带来的信息孤岛风险与权责挑战，并展望了 AI 视频生成及算力基建投资的未来趋势。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: [] companies_orgs: - OpenAI - Anthropic - Meta - xAI - Google - Apple - Nvidia products_models: - Grok Bot - Muse - Manus - Instinct - Claude Code - ChatGPT - Midjourney - Suno - Mac mini media_books: [] status: evergreen --- ### 直播开场与声音测试 八点钟到了，我们可以正式开始了。大家听得到我的声音吗？我先把背景音乐调小一点。我们现在正在测试声音，刚开播，直播间里人还不多，所以需要先等一下，不是说一上来就能马上进入正题，至少要先跟观众聊上十来分钟左右，大家才能慢慢进入状态，先暖个场。 背景放的这种音乐很有 W 酒店、Indigo 酒店的风格。现在刚开始，大家还在陆续进来。今天是国庆放假期间，放假期间大家还能抽时间过来听我们聊天，真的挺不错的。有人问这是不是 Indigo 的月末直播，其实不是，这是我临时起意开的一场周末氛围直播（Vibe 直播），非常随性（random），就是突然想到了做个直播，然后在前天或者昨天发了个预告。正好我觉得最近这一两周左右，Personal Agent 特别火。 ### 嘉宾克莱尔介绍与背景经历 我们先来介绍一下今天的嘉宾。我先口播介绍一下，这位是我们群里的群友克莱尔（Claire），也是在温哥华的群友。克莱尔应该在我的两三个群里面都在，在我的主群里面也在。克莱尔以前是做投资的，之前 base 在北京和上海，疫情前左右出来的，满打满算应该也来了七八年了。克莱尔是在 2017 年先去了美国，然后 2019 年来到了温哥华，有幸成为了我的邻居，虽然住得还是蛮远的邻居。 后来克莱尔在温哥华这边做电商，主要做跨境电商的自动化营销。跟我上一期 Indigo Talk 聊到的大罗（Roger）以前是同事，他们都做 SEO 优化、投放优化，所以他们非常早就接触了准 AIGC 的东西，也就是用 AI 生成内容，然后去 Meta 做大规模广告投放，以及做 Google 广告优化等。这是克莱尔过去的一些背景：投资人背景，以及社交网络的广告投放优化。 最近随着 AIGC 开始大火，克莱尔自己也做了一些 AIGC 的视频栏目。一会儿可以给大家看一段准备好的小视频。大家说背景音乐太像 Indigo 酒店了，非常动感，那我先把音乐关掉，这样就好了。我们先来暖暖场。现在人还不多，不知道 YouTube 那边大家有没有什么问题，推送内容关掉了我这边看不太到。待会儿我们在手机上打开 YouTube 调成静音看一下，虽然会浪费一点带宽，但没关系，能看到大家提问就好。 现在才刚开始，西雅图/温哥华时间是晚上 8:04，北京时间是早上 11:00 多，东京时间是 12:00，美东时间是晚上 11:00。YouTube 那边观众说没问题可以听到。我们一般会照顾东八区、西八区这几个主要时区，基本上大差不差都能覆盖到。 刚才陆续进来的朋友，我再重复介绍一下克莱尔。克莱尔以前做投资，后来做互联网营销，以跨境电商为主，所以他们很早就接触了 AI 自动化。大罗他们做的产品在大语言模型出来之前就已经有了，平时大家都是天天趴在 YouTube 上看有什么新技术出来，然后马上开始学，基本上都是快速学习者。 ### 氛围直播的缘起与分工 我们今天的主题在屏幕上方能看到几个大 Logo。今天主要会聊三个产品，因为我们都实际用过这三个。至于 Manus 出的产品，我还没用过，听说挺贵的；还有一个 Instinct，我装了但没怎么用，当时发邀请码（invite code）的时候我就装了，但 Instinct 好像是最有个性的，完全没有 App，采用极简主义风格，不过也是最能够帮大家完成任务的。 介绍一下为什么会有这次直播的背景。平时朋友见面跟 Indigo 闲聊，大家都希望 Indigo 能有更多的输出。很多小伙伴反映说，Indigo 总是采访别人，在采访别人的过程中自己的输出反而比较少，每个月通常只有一个月末直播。所以我们想做一个节目，克莱尔作为提问者，代表社群里的小伙伴向 Indigo 提问。虽然没有正式投票，但克莱尔就作为群里中等偏下水平的代表，来向 Indigo 提问，让 Indigo 带来更多输出。 最近大家都在用聊天机器人（Chatbot）和 AI Agent，现在又出了一个新物种叫 AI Personal Agent。那就让一直在前线的 Indigo 先帮大家试毒，这就是整个直播的背景。 之前我跟克莱尔聊，我说我想更多地做一些直播输出。因为两个月一次甚至两三个月一次的月末直播，时间间隔太长了。虽然内容压缩得很精炼，而且月末直播对我个人意义很大——能把过去两三个月的东西重新压缩、重组、深度消化，对自己非常有用，对大家也就有用，所以我坚持做了两年多——但我也想让比较 random 的氛围直播（Vibe 直播）更频繁一点。而且我不喜欢一个人对着屏幕讲，旁边有个人提问互动会好很多，于是我就邀请了克莱尔，今天算是第一次试播。未来可能每两周或者遇到热门话题时就开播一次。克莱尔会提前收集很多专业的问题来提问，我来回答，提问和回答其实是最好的学习方式。能够零延迟在现场看到 Indigo 的展示和洞察，也是一件很幸运的事。 现场看到了陈宇霆，宇霆待会儿麻烦帮我把新群的二维码发我一下，万一有人想进群我们好操作展示。 ### 展示克莱尔制作的 AIGC 视频 现在刚过去几分钟，我们先放一段克莱尔做的视频内容，让大家更了解克莱尔。克莱尔现在也是一位 AIGC 博主，在做科普内容。屏幕上放的就是克莱尔制作的视频：“你现在抬头看太阳，因为太阳光以每秒 30 万公里的速度跑来，你看到的其实是 8 分钟前的太阳；光子在太阳内部经历漫长的随机碰撞漫步，平均需要约 10 万年到 17 万年才能到达太阳表面……” 克莱尔做的科普短视频和长视频，相当于未来在社交网络传播用的内容，以硬核知识科普为主。他在视频里实验了很多新技术，各种模型都用过，把自己的数字人形象也做进去了，打造了自己的人设。有观众说海报很好看，还以为是真人照片，其实是两个数字人住在那儿。克莱尔从两年前就开始在 Discord 里面用 Midjourney 生成内容，一直对内容生成很感兴趣，更擅长硬核长视频，把过去的知识融汇进去。 做视频需要下真功夫，要零点一秒、零点一秒地反复微调，这跟投资不一样，投资有时候胆子大、靠直觉，但视频制作需要实打实付出大量工作（hard work）。欢迎大家关注克莱尔的新账号“七七森森”，在 YouTube 上的粉丝相对多一点，抖音、小红书和 B 站是新开的。 我们继续等一下观众，现在直播间大概 90 个人，通常到了 100 人我们就正式开始核心话题。 ### AI Personal Agent 赛道与核心关注点 我们先来看一张梗图，这张图放在中间，应该用了好多年了。大家看最底层的 OpenAI 好像都快被大家忘了，而最上面最火的是什么？就是 Manus、Glowstick/Groq 以及刚出的 Dot 等等。今天主要由克莱尔提问，我来给大家分享一些内容，后面也会展示实际的使用体验。不过我看了一下我电脑里的记录，里面全是非常个人隐私的东西，投屏出来还得现场稍微筛选一下。 做这次直播前，克莱尔在线下跟温哥华的群友见面交流，收集了大家的问题。Indigo 的群里卧虎藏龙，大家在各行各业都是率先使用 AI 的人，跑得非常快。比如克莱尔在内容生成类工具上用得很多，但这个月出来了一个新物种——Personal Agent。 目前这个新物种有三大主要玩家：Glowstick/Groq 类工具、Manus 以及 Dot。大家目前都在观望该怎么用。因为现在整个 AI 领域层出不穷，每个月、每周甚至每天都在发布新东西，学习曲线（learning curve）非常长，大家都学不过来。比如刚学完 n8n，又去学 ComfyUI，马上又冒出了新工具。大家都不想盲目跟进，希望跟着 Indigo 的步伐看看深度思考与试用结果。 群友们最关心的核心问题包括：这三大玩家试用下来究竟有什么样的功能？分别适用于什么样的具体场景？它们在底层技术和应用场景上有什么不同？分别适合哪些用户群体，是普通大众用户、企业级用户，还是个人小微企业主？它们各自的长板和短板在哪里？在实际使用过程中，成功跑通的场景有哪些，翻车的地方又在哪里？大家可以多点点赞，我们马上展开逐一剖析。 ### Personal Agent 与传统聊天机器人、Coding Agent 的演进 点礼物给克莱尔，这是他第一次做直播，今天还有点不好意思，欢迎欢迎，大家鼓励一下，不然他压力好大。 我们今天问题比较多，可以先来聊一聊 Personal Agent。它跟我们传统的聊天机器人、AI Agent，包括大家现在都在用的 AI Agent，像 Claude Code、ChatGPT 的 Codex，还有 Claude Cowork 等等，到底有什么差别？这个新出的物种到底在什么样的场景下我们会更加频繁地去使用？ 我们投到前面的虚拟屏幕上来，这张图挺科幻的。三年前是 Chatbot，差不多一年半到两年前是 Coding Agent。去年第四季度的时候，Anthropic Claude Opus 4.5 到 4.6 出来之后，4.6 这一版是一个非常奇迹的版本，它的能力一下子有了跃升。除了 Coding 干得很好之外，它泛化出了很多完成任务的能力。也就是说，你给它很复杂的任务，它会调用很多工具并把它们组合起来。 因为有了 Opus 4.6 调用工具的能力，以及长时间执行 Agent 代理任务的能力，才有了 OpenClaw（最开始这个产品叫 Clawdbot）。感觉它把 Claude 今年年底想发的 Personal Bot 给提前发了一年，所以作者被迫改名。 那个时候我们就已经进入了图上的第三阶段，也就是 General Agent。它实际上已经可以帮你完成很多工作了。去年夏天年中的时候，我回国了一趟，回来在文化整理方面，我想分享一批书给别人。我就让 Claude Opus——那个时候应该是 4.5 还是 4.6——上网去帮我把书的封面都找下来，然后自动拼成一张小图片。那个时候它就有这个能力了，我并没有让它写代码，我就给它一个指令，它自己写 Python 去完成所有的工作，把三十本书的封面拼成了一张图。同期我用的 ChatGPT 等各种工具都不行，只有 Claude Opus 4.6 可以，每一次都可以把这个东西做好，我完成了两到三次。所以在一年前、也就是去年夏天的时候，它其实已经具备这个能力了。 今年夏天各大厂商开始做对应的产品，也是受 OpenClaw 的启发，因为这个在国内外非常火。在国内大家会记得叫它小龙虾。我们回顾一下历史，为什么突然过渡、进化得这么快？因为 OpenClaw 一下子把 Agent 的交互方式改变了，不是单纯用对话的方式。 ### Agent 的核心机制与 Harness 框架优化 Agent 有两个最重要的特质：第一点，它能够调用工具；第二点，它是在一个 Loop（循环）里面去完成工作的。在一个循环里完成工作，它就可以持续地像一个稳定的角色一样跟你沟通，不用跟一个对话聊太久、聊多了之后把前面的内容全部忘掉。有时候传统对话就是因为 Context（上下文）窗口太短了，而 Agent 架构对此做了非常大的优化。 给基础用户解释一下：Chatbot 偏向传统大语言模型的快问快答，把语料放进去，通过语料来推断。而到了 Agent，它不仅有逻辑推导和上下文理解，而且今年有个词很流行叫 Harness，也就是约束它的一个框架。Harness 给它提供了访问工具的权限、浏览器的使用权限、读写硬盘、写记录、写记忆，这一整套东西给它武装上之后，系统在不断优化它的 Context。虽然它的上下文可能也就一百万，但它需要不停地压缩并实时加载。语言模型之外的这些技术架构优化，让它感觉像一个活生生的人一样。你不断地给它分配任务，它都在自己的小本本上做记录，然后不停地去查看。 这也是 OpenClaw 出来时最大的一个变化。它当时设置了一个所谓的“SO 灵魂文件”：我是谁、我要扮演什么角色、什么东西我应该访问、什么东西我不应该访问。那个文件对我触动挺大的。在今年 1 月份的时候，我就搭建了一个自己的 Obsidian 知识库，之前给大家分享过，后面会再讲怎么把它移植到现在这些新的 Agent 上去。 ### 从本地自建到云端免配置：Grok Bot 与门槛降低 到今年夏天，把 OpenClaw 和那些需要自己去部署、安装到本机执行的多模型 Agent（比如 Hermes 等）先放在一边，第一款在云端组合得比较好、体验出色的产品就是 Grok Bot。它是 XAI 内部的一个 Side Project，一个周末项目，突然就做出来了。这些东西都是从底层涌现出来的。 当时他们设置了几个特性，让这个 Bot 在 Setup（设置）的时候没有任何门槛。大家如果安装过 OpenClaw，就会知道那个安装过程是非常痛苦的。要不然今年二三月份国内不会有那么多“代装一次收五百块钱”的服务。它部署太难了，虽然是开源的，但当时作者甚至说过是故意弄得这么难、不想给所有人随便用的，门槛极高。 但是用 Grok Bot 就不需要折腾这些了。你进去直接创建一个新的 Bot、一个新的 Agent，跟它说你想让它做什么就行了，过程就结束了。所有人都不需要自己配环境，它的云端直接提供了一个虚拟机。 Grok Bot 大概是 20 刀每月的订阅费，包含在 Cursor 的 Pro 包里面，或者包含在你订阅的其他包里。我订的是 X Premium，所以也是包含进去的。接下来他们大概率会升级一个大综合包，把 Cursor、Grok Bot 还有 X 都打成一个 API 或者整合进一个大包里，应该很快就会升级了。 再往后看，从 General Agent 继续往前走，大量的系统工程化之后，所有的底层都是 Agent Loop。未来可能每个人都会面向一个主 Agent，就像家里配备了一个私人助理一样，现在的趋势感觉就是这样子的。 ### 主流 Personal Agent 对比：Grok Bot、Muse、Spark 与 Instinct 我们再回到刚才克莱尔提到的、目前最流行的三个 Personal Agent： 第一个是 Grok Bot（注意 Grok Bot 和 Grok 不是同一个产品）。 第二个是 Muse，也就是 Meta 出的。Muse 发布后让 Meta 股价大涨，扎克伯格一下支棱起来了，Alex Wang（Scale AI 的 CEO）穿着洞洞鞋都火了。 第三个很快大家也会看到。 其实两个月前 Google 已经发布了 Spark，但 Spark 太像上一代的 Agent 了，不太像现在这种 Bot 的感觉。它有点像自动化执行任务的工具，只是一个可以长时间工作的对话窗口而已，有点像早期的 Manus，拟人化程度不够。 而在这一波之前，最早的开创者实际上是 Instinct。很多人可能都不知道 Instinct，它甚至没有独立的 App，只有聊天通道，存在于 WhatsApp 里面。你用电话号码创建登录之后，可以给它打电话，也可以在 WhatsApp 里跟它发文字说话，然后它帮你干各种事情。 Instinct 是开创者，接下来是 Grok Bot，然后是 Muse，再后面是各种 Dot 等产品。 这几个东西有什么不同？我简单来说一下。我自己最先用的是 Grok Bot，因为它刚出来第一天我就用了。我天天刷 X，社区里反应非常快，一发布我就下载了。 在 Grok Bot 之前，基于 OpenClaw 有非常多部署版的那种团队型聊天工具，需要自己安装。Grok Bot 把这一切变得极其简单，装一个 App，直接配好云端电脑，上面什么都不用额外配置。Grok Bot 有一个前端 App 运行在你的本地电脑上，同时云端有一台 VPS（云电脑），所有的 Agent 都运行在那台云端电脑上。 我把屏幕共享投出来，把窗口整理一下，桌面东西比较多以免隐私泄露。我们切换成这个模式，这样能看得清楚。界面看上去挺可爱的。 ### 工作流切分：Claude Code 深度工作与 Grok Bot 快捷触达 我这里的 Bot 数量其实还不多，因为我还在慢慢过渡。我现在主要的工作流还是使用 Claude Code，还没完全迁移过来。因为 Claude Code 已经很先进，我大量深度的代码和项目工作都在 Claude Code 里面跑。 你可以把 Grok Bot 当成一个聊天软件，只是上面不能和真人聊，全部都是与 Bot 对话。你可以在里面创建不同的 Bot。 平常的工作是怎么分配的？主力深度工作肯定依然是 Claude Code，那什么样的任务会交给 Grok Bot 呢？ 我现在慢慢把 Grok Bot 当成我最快速能够触达的日常界面： 第一，我想快速去搜 X 上有什么最新动态，帮我组织内容； 第二，让它直接访问我的知识库里面的各种内容，做快速查询。它就像是我个人的知识搜索引擎入口。 以前为了做这些事，我得专门打开 Claude Code，或者打开一个很奇怪的软件，或者在 Telegram 里找我之前配置的机器人，操作路径很长。而 Grok Bot 是打开即用、快速触达的。 ### 单主助理与多 Agent 架构的体验差异：Muse 与 Grok Bot Grok Bot 现在的新版本引入了一个主 Master。而 Muse 从一上线开始，最大的区别就在于它没有多 Agent 的复杂概念，将来也只有一个主 Agent。 Muse 的形象是一个很可爱的小雪人。你直接跟它说话就好了。如果要做其他事情，它是在主线程下创建一个分支任务，默认不创建，你也可以直接让它做搜索。但核心只有一个主入口，你所有的交互都在这一个主对话里完成。 为什么很多人喜欢 Muse 这种形态？因为很多人会觉得：“为什么我非要针对不同需求创建不同的 Agent、然后分别跟不同的 Agent 说话？这很奇怪，我平时没有那么多复杂的分类需求。我就是想让你帮我查一下邮件、帮我订个票、帮我做个日程管理。” 所以 Muse 的定位更像是一个独一无二的个人生活私人助理。我现在也是这样，我也在用 Muse，因为必须第一时间体验这些新物种带来的交互变革。 ### Muse 的使用体验与小雪人形象设计 我觉得 Muse 非常 smooth，速度很快，而且比较容易使用，很亲切。 昨天我看我太太把那个小雪人设成格格，一共我创建一个格格，然后格子还有点动，挺可爱的。你直接跟他说就好了，把这个头像换掉，他自己就去找照片，然后把照片变成动画。 那天我看 a16z 的一个访谈，就提到他们为什么要弄成一个小雪人。如果弄成一个非常拟人化的形象，会有恐怖谷效应。他们调研过，弄成一个小雪人看起来像个可爱的小 bot，会有那种亲切感。这是它最大的特点。 ### 贴身助理与主动性交互（Proactive Agent） 我认为 Muse 是最接近普通用户日常场景的。比如日常的三大事情：网店自动下单、订餐、旅游计划，再加上个人邮件处理、个人日程安排，这四大类。我现在偏 personal 的视角，非常 personal，我不区分是什么，反正有个邮件过来就处理就好了。 我也是这样用 Muse，把它当成我的贴身小助理。我就觉得苹果的 Siri 应该做成这个样子，但 Siri 现在简直还跟智障一样。 前两天 Groupbot 升级了，他也做了一个组。我自己取的名字叫做 Super Group。我们在直播前，我把界面最大化，字体可以变大。刚才他知道我们俩要直播，他知道我们要直播，我不知道他是怎么知道的，给了很多上下文，调用了不少 API。我真的忘了他是怎么知道的，可能从昨天的一个电话，或者你昨天分享了一个 Notion 的配置给我，里面好像有些信息他就读进去了，默默记着你的邮件。或者他读取了我的邮件，看到没有，双周直播在这里。然后他在今天七点半的时候提醒我了，说直播大约半个小时之后开始，你可以先打开给我的这个页面。我这边连不上。 然后今天主要讲哪一段？Instinct 要不要进入？因为我前面问过他关于 Instinct 的内容，这个是他主动提的。 现在所有的 Agent 带来了一个最大的变化，就是让事情变成了主动性的（proactive）。他会主动 push 你一件事情，因为他主动检查邮件，发现今天收到邮件，这个事情很重要，就发个消息给你：要不要办？你怎么办？他都可以想好。几次都没有隐式了。 现在 Groupbot 和 Muse 都能访问我的邮箱，但是他们两个人的侧重点好像不一样。Groupbot 知道我的东西更多，因为他有记忆，知道我在做什么。刚才我在测试，我说 Instinct 是干嘛的。我现在就可以问我的主 bot。 我们小结一下：原来我们的聊天机器人更多是一种你问我答的、比较被动的形式。现在的 personal agent 有一个很大的改变，就是它可以有很多主动性，主动去 push 你。你只要给他一个目标，或者给他开放一些 API 和接口，他就开始主动提醒你：你这个时间要干嘛，你这个时间要不要下单，这个时间要不要开会。他会有一个主动性，这个主动性可能跟你给他的上下文相关。 这里面就有个问题：比较 Grok 和 Muse 包括其他产品的话，你感觉给他们的上下文是一样的吗？还是说上下文是由你主动给的，还是他们自己去调用的？哪一个 bot 的上下文调用合理性、主动性和准确性更好？ 这三个我都有体验。Muse 反应很快，说话挺有人味的，挺像人的。而且他还有脾气，昨天我群里面有人说他要骂人了。这个脾气可能是工程师在设计的时候给他的性格设定。他很快，但是我觉得他查事情的深度欠缺一点点。不过没问题，只要你没有太多的深度邮件或者很长很长的任务让他去处理，他就很好。 第二个，他的添加任务、安排事情的功能，特别是结合 Facebook Marketplace 卖货，太好了。因为在一个生态里，比如我拍个照片，我说把这个电脑帮我卖了，这是个什么东西，我跟他说，他就帮我卖了。发上去以后，他去写文案。以前电商做的事情，他帮我卖货，因为他有大量的数据训练，他对 Facebook Marketplace 卖货或者买货很熟悉。但是他一上线的时候亚马逊就把他封了，而 Shopify 很快跟他合作了，这个我们后面可以讲。 这是最大的一个变化，他有 Facebook 生态，有 Instagram。特别是好多人在用它来做 Instagram 自动化营销。有很多博主就开着 Muse 帮自己回答问题，管理 Direct DM，跟粉丝互动。然后今天帮我生成一个我的形象，因为他的视频生成效果还是挺不错的。他有 Facebook social database，在后面为日常简单任务做了大量优化，包括打电话订餐都能做。 ### Groupbot 的虚拟机架构与多机调度 Groupbot 就不一样，我觉得它是一个 geek 产品，它很 geek。它其实是顺着原本团队的技术路线做的，一出来就很突出它的虚拟机。现在很多人都不知道 Muse 虚拟机是什么，但是 Groupbot 第一天出来就有一个很强大的虚拟机在这里。 我选这个 bot，打开侧边栏，我把画面打开。有 YouTube 的大 V 博主就说，Groupbot 定位是帮你优化流程的数字劳动力，可以让你多线并行使用。我点开这个 computer，把它最大化一下，点开之后它就会连上我的电脑。这个电脑现在还是 16G 内存，你在上面干什么都可以，下面有浏览器。这是一个 Linux 系统，用我的身份登录了。在我的权限下面做所有的事情。他有个 terminal，有个 workspace。这很 geek，大量的人可能不会用这个东西，甚至不知道这个东西存在。 但是很多人，像我当天就试了，我还在上面装了一个程序和我家的电脑组网，我可以直接访问他。这个挺有趣的。 这个电脑就在这儿，然后他现在有 library，有 detail。我这个 bot 应该会自动每周维护我的 workspace。我里面有个 works 目录，就是一个 page。我经常把各种知识库里面的任务让 AI 写进去，然后他会看有什么东西没做并告诉我。 所以会把 Notion 的权限放给他，给一个配置权限，让他访问就好了。比如我可以让他问一下 Indigo Mind，在我的知识库里面查一下我最新的笔记，这篇关于 Instinct 的采访，把大概的内容告诉我。 他现在拥有知识库的权限。不是多选，是我自己有一个知识库，这个知识库不在他的服务器上，在我电脑上面，在我的另外一台电脑上面。Groupbot 可以装到多台电脑上面，他的云端电脑会协同管理你所有的体系，它是一个调度器。 在云端上面，比如我现在问了这个问题之后，这个 Agent 在云端执行，它就访问到我的另外一台电脑，在那个电脑上面查我的 Indigo Mind 知识库里面的超大文件，查我最新的关于 Instinct 的文章。他在用 Indigo Mind 查。 Agent 之间会相互派任务。他已经查出来了，在两分钟左右、一两分钟的时间就已经出来了。 ### 商业模式与多模型生成信息图测试 你看 Instinct 的采访纪要，我当时 9 月 29 号消化的，然后我存了。数字都是大家报出来的。这个产品是没有 App 的，只有手机端。 超级助理有个最大的特点，现在大家很了解为什么这些 Agent 给我们免费使用。Muse 和 Instinct 的商业模式就是在交易中抽佣，最核心的就是要促成交易，对个人用户永远免费。Muse 现在是有免费发放的 token。所以你看他的增长。 我刚才让他画了一张图。我现在为什么喜欢 Groupbot？因为我让 Groupbot 可以访问所有的模型，所有的模型都可以用在这里。你用来帮我生成一张图，你把 Instinct 的采访里面提到的数字帮我生成一张极简的信息图，只强调数字，黑色底板，白色前景。现在就调用 Midjourney。我先把它发出去，他现在非常坚韧地帮我干活。 生成的时候我们聊一下，Muse 现在还是不能多电脑调用。对，Muse 没法控制，我没测试过，但是他正在使用 Midjourney。 所以这个 Agent 无所谓，它就是一个壳，一个前端，它背后可以调各种模型。当然大家一般也不会这样配置。我用了一个很特别的服务，这个界面我是直接给他 API 了，存在他电脑上。然后他马上要画好了，很方便。 现在他就在我手边，我打开电脑就跟他说，其实都不用管他，跟他说“你给我一张图”。但是我要属于那种 pro 用户，不是小白用户，我一定要玩出一点不一样的东西出来。主要任务就是我想用这个模型做这个事情，用另外一个模型做另外的事情，怎么实现呢？他都可以。 它是一个多模型调用，你会用它做一些稍微有一点点深度、稍微有一点点智力的工作。而 Muse 更像是一个私人的管家助理，不用搞很 deep 的工作，搞很 shallow 的工作，帮你搞搞日程、下订单。 应该快好了。reading file 了，生成的图片应该已经缓存了。其实 Groupbot 在后台写代码，写了一大堆 Python，然后完成后给你，其实用户看不到任何过程。 出来了，只要数字。我说了只要数字，每日增长 10% 等于 Y，每个人可以邀请 5 个用户，marketing 费用是 0，通过 eBay 是 300。有的数字不对。GMV 50% 是 travel，大量的旅行收入，大量的收入来自于旅行用户，50% 的用户问的是关于旅行规划的。所以这是 Consumer AI 最大的市场。 ### 旅游场景与保姆税（Babysitting Tax）的探讨 首先探讨的具体应用场景是旅游。旅游通常被认为是最耗费时间精力的安排之一，涵盖了订机票、预订酒店以及各类协商等繁琐环节。因为传统旅行社本身就是中介机构（Agent），因此自然会引发思考：这是否应该直接被 AI Agent 替代？ 针对当前展示内容中的一些数据争议，对话转向了关于 Agent 实际使用门槛与价值的探讨。最近在湾区的一些行业研讨与对谈中，频繁提及一个概念——“保姆税”（Babysitting Tax）。这个概念的核心在于如何科学地评估目前使用 AI Agent 服务的投资回报率（ROI）。 例如，当前市面上的订阅服务（如 Groq 等各类 Agent 服务）起步价通常至少在 20 美元起。如果交给 Agent 处理的任务本身属于容错率极高、无伤大雅的事项，其最终输出的结果无论好坏，都不会实质性地影响核心工作成果。但如果赋予它更大的边界和权限，比如让它真正代表本人去给外部客户发邮件，或者撰写一份正式合同，用户就必须时刻跟在它身后去追查、复核与纠错。原本用户自己手动填写一份表格可能只需 20 分钟，但交由 Agent 执行后，后续的人工检查与修正可能反倒需要花费整整一个小时。这种跟在 AI 后面全程“看护”所耗费的额外精力与时间成本，就被称为“保姆税”。这引发了一个深层问题：到底应该把哪些类型的工作交给 Agent？如何建立有效的查错机制？它究竟是在切实提高效率，还是反而拖慢了整体节奏？ 对于日常家庭琐事，例如孩子在学校与老师的沟通、政府发来的各类税务邮件等生活杂务，Agent 的处理能力已经基本过关。生活杂事并不等同于个人核心工作。对于工作（Work）相关的权限，不能随便完全放开给 Agent。 目前在实际操作中，可以采用权限隔离与流程控制的方式：即便使用相关工具，工作通常也运行在另外一个独立的邮箱环境中。对于日常问候以及结构简单的邮件、表格整理，Agent 都能较好地胜任。在关键操作上必须设立硬性控制红线：务必让 Agent 先将邮件生成为草稿存入草稿箱，用户本人亲自审查无误后，再由用户手动点击发送。通过这种方式，用户始终保留最终决策与发出的控制权。也就是说，现阶段可以让 Agent 拥有读取权限并负责初步的脏活累活，但最后拍板、写入和交付的环节，依然由用户自己把控。 ### 模型深度对比与云端 Personal Agent 的操作机制 在工具选择方面，目前已有多种实践。比如使用 Muse 处理生活杂事，同时也在使用 Dot。实测表明，Dot 在读取和解析邮件深度方面表现不错，能够精准理解邮件深层次的含义与背景意图。不过在推理与响应速度方面，OpenAI 的相关基础架构感觉偏慢，整体体验不够流畅，成本也相对昂贵；而且其虚拟机访问与响应的速度不如 Groq（Groq 的速度非常快，打开虚拟机就能直接操作），且无法同时跨多个电脑和终端进行协同控制。因此在综合体验上，它处于较为居中的位置：既不够极致极客，也不算特别简单亲民。不过在模型能力层面，其模型深度是足够的，调用的是顶级的 Extra 级别模型。 在写代码与任务调度方面，Groq 的表现相对略好一些。当用户把部分实际工作交付给它时，它能够顺利承接并执行下去。 总结而言，目前的基本使用原则是：只要不需要最终签署法律合同，或者直接动用银行账户，在日常起草邮件、处理信息的范围内，当前的 Agent 能力已经足够支撑。 针对现场图表中部分标注数字存在的小错误，现场演示了利用配置好的高能力模型（例如 Claude Opus 等）来进行自动校验与校对。有观众提问：具体该如何实现多模型的调度与调用？ 在早先的演示中已经展示过类似逻辑，比如直接输入自然语言指令，让模型生成黑底白字的信息图。现阶段所谓的 Personal Agent（个人智能体），核心特征就是通过自然语言进行交互与调度，完全不需要用户具备工程师背景或手动编写代码调用 API。用户只需使用纯自然语言沟通，系统便会自动去调度底层能力。这是因为整套系统是依托云端的一台电脑作为核心中枢，去协调和调用不同物理设备上的能力。因此，即便本地物理电脑处于关机状态，云端的后台电脑依然在持续运行与工作。 这种云端架构的优势在于跨设备协同。例如，在所有需要工作的主机上都安装同一个客户端并登录同一账号，系统便能清晰掌握当前挂载了多少个物理设备；当用户下达指令要求调用某台 Mac 时，系统就能准确识别并路由。因此，Personal Agent 相比于传统的复杂 AI Agent，大幅降低了大众的使用门槛，配置完成后纯靠自然语言即可驱动。 在随后的校对演示中，调用高能力模型对图表进行校验后，系统成功指出了重复项，并给出了针对性的修改建议，指出数字本身基本正确，主要是脚注和部分角注的标注存在误差。高能力模型虽然单次调用成本较高（如 Opus 级别），但其逻辑与校验精度表现确实更为可靠。 ### 多模型调度架构：API 直连、代理与自组织 Agent 容器 针对观众关心的多模型调用实现方式，主要有两种路径： 第一种方式是如果有足够的预算，直接将各家模型的官方 API 接入系统。直接配置并接入 API 的优势在于操作直接、稳定，且使用原生调用没有任何被风控的风险。 第二种方式则是通过第三方架构或中间代理进行桥接。例如部分模型使用 Gemini 提供的原生 API，而对于所有模型的统一调度，则接入了一个湾区朋友开发的名为 Tiygma 的自组织 Agent 容器服务。 从技术架构上看，这是一个非常极客的技术方案。它本质上充当了一个 Harness（测试调度载体/运行底座），允许将不同的模型接入并运行在它的容器内部，从而完成各类 Agent 的端到端任务。其工作方式类似于支持全模型的 Claude Code，底层既可以通过对话框的形式交互，也可以通过统一的 API 进行交互。它同时支持本地运行的模型与云端模型。该系统对外提供了一套远端代理接口，充当了统一的桥梁。 通过这个桥梁，用户只需面对一个统一的 API 入口，就能调度底层的各种模型。在现场展示的请求记录中，刚刚发起的 Claude 请求消耗了相应配额，系统将请求统一分发出去。这类似于开源或商业统一 API 路由的功能。该容器具有极高的执行效率，可以常驻部署在服务器上，专门用于跑通底层的“Agent Loop”（智能体自主循环任务），实现用一套接口统一解决所有异构模型的调用需求。 ### 场景分层：消费级助手、专业级幕僚与三方生态差异 从极客技术架构回归到普通大众能用到的 Personal Agent 话题。针对 Dot 等工具，由于起步门槛高达 100 美元，属于目前三款常见 Personal Agent 中费用最昂贵的。但如果其实际执行效果足够出色，对于需要专业支持的用户而言，依然具备极高的性价比——这相当于花费 100 美元雇佣了一名优秀的数字员工。在众多行业 KOL 与专业博主的测评中，往往将其评价为“精英幕僚”，原因之一在于其宣称可以调用多达 4000 多个外部 API。 对此，实际体验表明各家工具的生态侧重点存在明显差异： 1. **Groq**：其支持的工具主要继承自开发生态（类似于 Cursor 的技术栈延伸），绝大多数属于面向程序员的开发者工具，普通非技术用户在日常生活中往往用不上。 2. **Muse**：明显针对大众消费者的日常生活与轻办公进行了深度优化。其支持的接口多为团队商务洽谈拓展的生活与电商服务，例如各类消费体验平台、Shopify、Stripe、PayPal 等常见支付与购物工具，专为优化个人日常任务而设计。 3. **OpenAI 生态**：依托庞大的 ChatGPT 插件与 GPTs 开发者生态，接口覆盖面最广，接入 4000 多个 API 是完全成立的，能够广泛渗透至各类场景。 为了清晰界定这些工具的定位，现场展示了一张梳理不同使用场景的架构图。 用户群体通常同时具备双重属性：既是专业用户（Pro User），也是普通消费者（Consumer）。因此，最佳实践是根据场景进行严格区分： - 在普通消费与日常杂务场景下，选用 Consumer Agent（例如 Muse），用来处理日常事务； - 在专业与深度知识工作场景下，则选用专业级 Pro Agent（例如基于 Claude 体系或开发栈构建的工具），用于处理具备深度知识、编程或高阶逻辑的任务。 Groq 等工具因为继承了底层代码工具的基因，更适合处理稍具深度与专业性的知识工作；而 Muse 则清晰定位于面向大众普通用户的个人管家。 ### 硬件终端拉平与 Personal Agent 的未来格局 在探讨普通用户的交互变革时，Meta 大力押注并推广 Personal Agent 的战略逻辑尤为关键。因为 Personal Agent 的成熟正在引发终端交互维度的根本性颠覆。 过去，智能手机长期占据个人计算的核心统治地位。但在 Personal Agent 时代，智能手机、智能眼镜（Smart Glasses）、智能手表等可穿戴设备的信息与交互地位正在被全面拉平。Meta 之所以全力投入智能眼镜（甚至被戏称为“眼镜店”），其核心战略目的就是为了打破苹果与谷歌在智能手机系统层面的垄断格局。只有全力压低智能手机的中心化权重，大幅提升眼镜、手表等边缘可穿戴设备的主动交互地位，新兴硬件厂商才有机会真正挑战苹果与谷歌建立的移动护城河。像 Meta 联合推出的智能眼镜，当前已经逐步支持并接入这类 Agent 能力。 对于普通用户而言，Personal Agent 带来的第一大根本变革在于**极简的无感访问体验**。用户拥有的是一个如影随形的私人专属助理，彻底告别了过去使用 ChatGPT 的传统交互习惯：用户再也不需要每提一个问题就必须手动新建一个对话框，也不必时刻提心吊胆地顾虑当前对话框的上下文窗口是否被撑满、需不需要再开新会话。未来，用户只需在任何设备上以自然语言随口交代任务，Agent 便会在后台自动拆解并委派所有的子任务。 更为关键的是，它会常驻在后台持续执行，甚至扮演“监工”与督促者的角色：实时跟踪待办进度、推动学习目标、自我观察状态、进行自动纠错，并端到端地独立完成既定闭环任务。与此同时，这也对隐私安全提出了极高要求，要求底座平台具备极高等级的数据保护标准。 在这一轮硬件与 Agent 的演进浪潮中，手机、眼镜、手表三者的界限被拉平，使得过度依赖单一手机硬件生态的苹果面临着天然的危机与挑战。但与此同时，苹果也迎来了全新的硬件发展机遇。例如，近期配置了强大能效比芯片的 Mac mini 在全球市场持续供不应求、频频卖断货。苹果这种“无心插柳柳成荫”的硬件优势，使其意外成为了当前本地运行各类 Agent 服务的顶级计算载体（Agent Computer）。许多需要构建个人专属云端/本地 Agent 服务的主机节点，第一首选正是 Mac mini。加之其成熟的 iCloud 跨设备同步生态，能够轻松让笔记本、手机与计算节点保持无缝数据一致，构成了新一代个人 Agent 的坚实物理底座。 ### 专业用户的云端多机协作与 Agent Loop 文件的变动，我的云端 Mac 命令就有了，我所有的 Agent 都知道。我现在还有通知事件没有看，对，就是日常事务处理，这个是普通大家会遇到的场景。 然后专业用户呢，通常专业用户都会有一台电脑，我要坐在电脑前面。那试着你在做视频、做剪辑、聊电脑，你现在还不止一台电脑，对吧？你还要渲染，还要干什么，然后它也会有云端。你看刚才我们在用 GroqBot，它也有云端，云端在帮我做协调。因为你的本地电脑，你没法直接做协调，你的网段都不一样，你们怎么协调对吧？你必须有一个 Cloud。所以 GroqBot 就很聪明地切到了这一点，它是一个总协调。 然后不同的 Agent 形成的组合，你看刚才我的这个里面，在我的 GroqBot 里面，我的组、我的 Super Grok，我一提到用这个 Mind，它知道去问用这个 Mind 的。用这个 Mind 呢，我给它一些前置条件：“哦，你是我的，用这个 Mind，你是我的知识库助理，你知识库的所有文件怎么放的、要怎么处理，他都知道。”所以说我另外一个 Agent 问他，他就会马上回答。对，这个就很方便。 那么他们之间会形成 Agent 循环，而且它也会把很多工作，周期性的事务性工作，放在云端执行或者放在本地来执行，实现自动化的。刚才 Groq 里面就有嘛，这边不是有个任务嘛，它要提醒我的工作是，啊对，是吧？这个待会我们可以看一下。对我有什么工作没做，然后这个就形成工作闭环。 我们其实后面你在做 AIDC 的时候，你大量的工作都可以进入 Agent Loop。如果说你不是那么追求创业者那种容错率极低的工作，然后就是需要不要人太多参与的、非核心决策性的工作，都可以交给比方说 GroqBot 来做。 你看我现在就有两套系统：一个是 Indigo Mind 系统，我所有的阅读、知识处理、我要做自媒体、我要分享内容、我要学习，我觉得任何人、任何 Pro User 都需要有自己的 Mind。对，需要有这个东西。然后第二个呢，我还有一个关于我的投资管理、投资的另外一个 Loop。我所有的市场情况、情报、信号，上面什么都有，所有股票的分数都有。刚才我刚刚给凯大看了我们做的那个报表，看到了内部的资料，还不错吧？非常专业，非常专业。 所以说利用另外一个循环，慢慢地，大家所有的专业用户，很多工作你就把它分派给不同的 Loop 去做就好了。因为每个人会有多个项目嘛，每个项目都有一堆 Loop 去做，然后每个项目都有一个 Agent，然后 Agent 和 Agent 还可以聊天，然后有个总控就好了。我觉得这种设计是非常 make sense，对不对？这个理论上应该就像个小团队一样。你个人的，OpenAI 的 Swarm/Task 应该也是可以完成的，也是可以的，一样的，一样的。但是 Muse 应该不行，Muse 不是这种设计逻辑。 ### 企业级 Agent Loop 与组织重构机会 OK，那么说企业用户，那就是最高级的了。企业用户它肯定也有云端，也有大量的私有环境，而且这个 Agent 会变成基础设施，就是 Every company is an agent loop。这是我之前说过的，以后未来所有的公司都是一个大型的 Agent Loop，人在里面只做监督和确认、审批就好了，到处都是在做执行。 那么这个地方对于企业来说，其实 Agent 是在支撑企业的组织流程。整个组织流程都会变化，比如说现在大量的流程，比如你们之前做营销事务、投放广告。我昨天有一个日本的朋友，我准备让他来做个小课程，非常好的案例。他在日本雇了十来个日本员工，他在网上卖 eSIM 卡。现在大部分裁了，只剩两个员工了。他说大量的销售员工和客服员工，全部被他的 Agent Loop 替代了，完全替代了。而且广告投放也不需要人去投放，去投放 Google 的广告，Agent 自己去做评估、自己做评测，然后自己看优化，然后看点击率，自己回来每天改方案，然后自己来执行。 所以现在对人类的挑战是很大的，要么就是被替换掉，要么你就得学好 Harness，做好 Super Agent 的老板，否则你就会被 Agent 替代了。是的，所以说企业是一个更复杂的场景。 但是我觉得这里面如果对于创业者来说，普通的底层大模型平台就别做了，这一局一定是大厂的肉，大厂是要切这块的。但是呢，你可以做上面的 Connector，做插件。对于普通用户来说，你要把你的 Service、你的 API 变成 Agent，然后你的 Agent 能够和别人的 Agent、和各个平台的 Agent 连接，促进这个机会，以后都到了 Agent 付款嘛，我觉得这是一个很好的机会。 然后对于 Pro 用户，其实能够做的更多。Pro 用户有很多很奇特的需求，很专业的工作流，大厂不可能全部做完。你可以做很多，比如说现在 GroqBot 的市场里面就有好多 Connector 和 Bot Template，你可以提供这个 Template 给别人用，卖模板嘛，对吧？这个很好嘛，你就卖给专业用户，把专业工作流和工具打包卖给他。就等于说我自己懒，我不愿意自己去配置、去 Harness，我买你设计好的。我设计好了一个 Loop，对吧？ 然后企业就是一个更大的市场。为什么 Claude、OpenAI 都想切企业？这里面有巨大的升级。企业所有的 SaaS 都会重做一遍，用于 Multi-Agent，企业所有的部门都能重构一遍。这个东西现在其实还没真正开始，现在大家还很迷茫。这看到一些团队里面最牛逼的、会用 AI 的员工，他在一个人拼拼拼干，然后其他的看着他干，因为组织结构没变。但是对一些小团队来说，其实变化很大。小团队他们做了很大的这种变化。我这个应该没有投屏上来，这样会更好一点。没关系，就是小团队来说，他们会变得更快，会变得更快。 对大企业来说，大企业有更复杂的问题，就是安全性问题。对，是的，我们可以回顾一下这张图，我们把这个图放到我们这个画面上来，把这个打开在中间，我们这样看。刚才要把这个东西讲完了，对，我们就是最后来回顾一下。 对刚进直播的朋友们给大家回顾一下，Indigo 讲的这三部分：它分为普通用户、专业用户、企业用户。那现在 Indigo 的使用经验来看：普通用户，一般我们每个人都是消费者，每个人都有自己的私人的生活管家，那 Muse 就是一个非常适用于这种场景的。然后但是它不仅是软件，还要跟所有的硬件相结合，包括你的个人电脑、你的手机、眼镜、你的手表等等，日常处理的事。刚才如果大家看回放的话，他也给了很多投资的建议和创业的建议，大家可以从中找到，如果你想在 AI 方面创业的话，他也给了关于每个分类里面他所看到的机会。 然后专业用户里面，Indigo 他比较常用的是 Groq。那 Groq 可以处理很多日常性、带有知识性和不需要最后做重要决策的知识性任务，都可以交给 Groq 来做，有点像一个非常高级的数字员工。 企业用户里面，现在还是在一个比较复杂的状态，然后需要很长一段时间去适应。我觉得未来最大的机会就是把企业用户市场全部升级，因为三十万亿美元的白领知识工作市场，这个就意味着企业全部都重构。但是这个要很长时间，要五年以上到十年左右才能重构。但是专业用户呢，这种生产专业用户用的工具，肯定马上就能卖钱。然后呢，对于普通用户来说，你一定要提供那一端，把你的 Service 变成 Agent，就是 Agent to Agent 就 OK。 ### 权限边界与生物识别的安全防线 所以我们先聊到这儿之后，大家都很关心的一个就是安全性的问题，对吧？现在我们已经分类去讨论了不同的场景，然后现在主流的三大玩家，他们有什么样的特点，然后能做哪些事物。 那大家最关心的就是安全性的问题。我访问了很多小伙伴，大家都说对 Muse 出于不信任，Gmail 绝对不能开放权限给大家，我们的账户不能给它，我的钱包、我的一系列私密的东西、我的私人敏感问题都不能被 Muse 知道，对吧？然后还有很多像 Groq 里面，刚才我也看到说你会把有一些配置给它权限，但也不会给它所有的放权，都给它一些繁琐性的、有容错空间的事情。 所以我们现在的问题就是说，这个安全性怎么界定？如果是 Indigo，从你的使用体验来讲，你会给每个 Personal Agent 哪些权限？然后哪些权限你是绝对给不到它的，绝对不会信任它的？在现有这个阶段。但我相信这个模型还有安全性都会增长，因为我有看到 Muse 他们在做一个叫 Sentinel，类似于一个保安的系统，就是说他做了一些物理摩擦——读的时候你可以把权限都给它，但是写的话是需要人类来 approve 的。这样的话就有一个物理摩擦，就等于说有一个安全的拦截，像一个保安一样。现在很多模型都在做这种安全性的设置，当然即使有这种设置的时候，我觉得现在人类也不会完全把钱包、Gmail 都扔给它。所以你现在觉得这个安全性到底是个什么样的状态，然后未来发展会怎样？ 我现在是 Gmail 给它们了，因为这个确实是没办法，我得体验嘛，不然我不给我就用都用不了，我什么都干不了。为了体验产品，我就给了 Gmail，然后给了 Calendar，这两个东西。然后 Notion 给了，那你提供了 MCP 嘛，然后你给它一个页面，它就能访问嘛，因为它们都是偏知识性的，对吧？ 因为我个人的隐私东西，我肯定存在一个专门的地方，密码管理器。那我肯定不能给的，我所有的银行信息、密码管理器都不会给的。对，差不多就是这样子。 然后我觉得今天苹果刚刚发了一个新闻，说苹果会把 full access 的这个 Driver 权限给收回来。他说现在 Agent 太多了，太危险了，不知道谁是小偷。对，不知道谁是小偷。然后它现在一申请就是整个硬盘的权限。我估计苹果肯定要更严格地授权哪个目录能访问、哪个文件夹怎么访问，这个肯定要打开的。我觉得这个确实是的，不然因为我不知道我文件夹什么地方存在一个密码在那，我不确定，太危险了。之前 Open Interpreter 就出现过这种问题嘛，把我的密码全部都传上去了。 那你现在比如说你要让 Muse 下单的话，你会直接让它完成这个 Loop 吗？就是下单的时候，是还是需要你人为确认？如果在 Shopify 网站上，它应该可以的。Shopify 它待会儿会给一个我的生物识别过来，我指纹一下，那个链接就完成支付。 物理摩擦有一道，对，有一个机制。而且跟大家说，大家一定不要相信密码，Agent 时代一定要相信生物识别！对，指纹、视网膜，一定不要相信密码。因为 Agent 可以拿到你所有的密码，但是它拿不到你在这个硬件设备上绑定的、存储的生物信息。虹膜、眼睛识别、扫脸，或者说是指纹，这个东西一定要做，一定要做！现在能够把你所有密码都换成 Passkey 就换 Passkey，不要相信用户密码，一定一定一定，我都提醒很多次了，已经很多次了。 那我可能是更保守的，因为我自己用 Muse，前两天在查安吉拉他们那些电影三打白骨精在上映，然后我让他们查了电影之后，在最后一步我还是不敢让它自己走完，还是要自己再去支付的。所以这个可能就是因人而异，我自己还是不太敢甩给它去做。 ### 信任建立机制与个人 Agent 的未来护城河 那你觉得未来呢？未来是一个比较理想的状况，是大家都会一键甩给它去处理吗？ 我觉得未来肯定是这样的，我觉得未来肯定大家是一件一件派活了。这里有很好的助理，交给他做一半了，然后你跟它有足够多的信赖。这个信赖就是你们在磨合中，很多授权、授权、授权磨合出来的。因为人是越来越懒的，你相信我们是被懒惰驱动的。当一个 Agent 很可靠地帮你干了半年或一年的工作，没有出现任何安全问题，你会越来越信赖它。刚才 Inflection 的 CEO 说大家在用了十五天之后，就有将近百分之三十的人就把信用卡交上去了。 但我现在也看了一个报告，BCG 的报告说只有百分之四的人现在敢把非常隐私的像账户、自己最重要的邮件传给它。但是相信这个比率应该是在一直在上升的。 OK，那除了安全性的问题，我们来聊聊说这些 Personal Agent 的护城河。因为现在大厂都在下场搞这个嘛，好像是这几个月的主要风口，然后像 Claude 还没有下场搞这个。那现在我也看到很多的课题马上要出来，应该就是我们现在说市面上这些…… ### Personal Agent 的护城河与入口之争 现在什么样的 Personal Agent 才算是有自己的护城河？现在的模型越来越好，很多 BCG 的报告以及硅谷的对谈都在讨论，模型本身可能已经不是主要的护城河了。因为模型最终大家都会发展得很好，容错率也会越来越高，所有的数据指标、准确性都会变得更好。那么到底是什么来决定哪一家的 Personal Agent 是最好的？最后会是一家独大的局面，还是百花齐放？大厂之间到底要怎么去管理自己的 Personal Agent，最终会变成一个个数据孤岛，还是大家会愿意开放出来？ 其实很多 Personal Agent 本质上是在争夺入口。用户的习惯是追求越来越简单，如果手机上有一个按钮，按一下跟它说话它就能把事情办妥，用户就不会再去到处找应用了。比如现在用 iOS 的习惯，往往是往下滑一下利用搜索框，直接对它说话或者打字输入一个任务和 Action，它就自动完成了，根本不想再进入应用列表里一个个翻找。用户肯定都有这种习惯，能语音代办的就直接语音代办，这完全是由懒惰驱动的。 虽然有人提到目前还看不到个人端规模化的明确需求，确实大家都在猜测阶段，得走一步看一步。但是 Google、苹果、Meta 这北美三大入口厂商，至少 Meta 已经走出来了。这三大厂商即便用户当下没有表现出强烈的需求，它们也会直接把功能推到用户面前。界面也会随之改变，以后不管是唤醒 Siri 还是在 Google 界面操作，出来都是一键式的流程，并且逐步培养使用惯性。一旦习惯养成，用户就会被潜移默化地改变，就像当年第一次使用苹果没有实体键盘的触屏手机一样，一开始大家也说没有需求、一定要实体键盘，觉得没有键盘怎么用智能手机，但慢慢地大家都习惯了滑屏。 ### 习惯的潜移默化与硬件入口的改变 在滑屏之前大家对此一无所知，而之后慢慢过渡到语音，用户就习惯直接用语音沟通了。未来可能大家甚至不再依赖手机，而是佩戴智能眼镜。眼镜上一定要有一个交互设计，只要按一下按钮说“把资料给我查出来”，它可以读给用户听，或者直接在屏幕上投影呈现，这样用户一定会天天使用，因为它极其方便，完全不需要掏出设备就能快速得到结论。 这种习惯的潜移默化，正是从用户每天接触的硬件设备强制推行建立起来的，时间久了就会形成依赖。当然，这里面会伴随大量的隐私问题。苹果和 Google 也会从硬件层面去进行阻拦，让竞争对手很难受、拿不到数据。就像之前苹果限制了 Meta 的广告追踪，导致 Meta 很难受、股价大跌。接下来苹果如果再做一些系统或硬件层面的升级限制，可能还会让 Meta 的股价受到冲击。 从这个角度看，Personal Agent 彻底改变了商业入口。比如两年前大家搜索普遍高度依赖 Google，而现在基本上都改用各类 Agent 或者其他新型工具来搜，很少再遵循以前传统的 Google 或百度搜索模式了，这对整个商业范式带来了巨大的改变。 ### 从讨好搜索引擎到讨好 Agent 商业范式的改变是极其深远的。以前做 SEO 时，所有网站都要去讨好搜索引擎的爬虫，同时讨好真实用户，目标是把自己的产品做到亚马逊或者 Google 搜索的第一页，好让大家能看得到。但现在大家需要讨好的则是 Agent。Agent 可以抓取并检索到第一万页甚至一百万页的内容，只要性价比足够高、符合用户需求，它就能帮你找出来。反过来说，如果 Agent 检索不到，这个网站就相当于不存在了。 现在为什么旅游规划类的 Agent 使用最多，也是因为自己组织旅游行程是非常耗费时间的事情。虽然太复杂的行程目前还需要人工再去校验一下，但这需要时间，产品本身也在不断迭代演进。 最关键的是，第三方提供服务的公司未来会演变为 Agent Service Provider（Agent 服务提供商），这将是一个巨大的转变。这一点在北美可能会推行得更好，因为那边的网站之间协作机制比较成熟，大家都有公开的 API 接口，彼此可以互相调用访问。而在国内推进就会相对困难，比如淘宝通常不会轻易开放外部访问，各平台之间普遍是数据孤岛。因此，中美两国在 Personal Agent 的发展路径上也会呈现出很大差异。 ### 中美生态差异：SaaS 协作与反科技情绪 北美生态整体上更倾向于开放互通，大家可以相互调用接口，就像现在能够调用各种底层模型一样；而在国内，微信内部很难直接检索出淘宝的商品信息。这种生态演变其实可以参考之前的 SaaS 市场：在北美，几乎任何公司都会采购 SaaS 服务，SaaS 与 SaaS 之间能够顺畅协作，大家不会因为对方做了一个功能就自己把轮子重造一遍，直接合作付费即可，因为当地的人力成本非常高。 但在国内，很多大厂倾向于把所有的基础设施自己重做一遍，因为人力相对便宜，同时各家都想建立自己的护城河，严防外部访问自己的数据。 此外，北美用户对于隐私往往更加敏感，甚至有更多不愿接触 AI 的人群。比如有一位思想保守的英国邻居平时极度看重隐私，坚决不用任何 Meta 的产品，但他最近试用了之后特别兴奋，一定要过来分享使用经验，其实大家都是用小号去注册体验。在北美，持反科技、反 AI 立场的人实际上比想象中要多得多，比如温哥华就经常能看到年轻人组织的反 AI 游行。 ### Context 数据层与巨头的护城河 行业里还有一个说法，认为未来的护城河可能与上下文（Context）紧密相关，即所谓的人类上下文层（Human Context Layer）。哪家公司拥有庞大的 Context，谁就拥有了数据主权。不过，各大公司其实掌握着不同维度的数据，无论是 OpenAI、Claude 还是 Grok 都是如此。 整个 Context 决定了 Personal Agent 能有多了解用户、能提供多高程度的个性化。了解用户的数据量固然是护城河，但数据本身的可迁移性同样十分重要。 目前大厂之间很难真正打通数据，因为它们基本处于垄断地位。比如在北美，邮件生态基本被少数巨头垄断，沉淀了用户最核心的数据，用户离不开它们，也基本不可能把邮件一键全量导出迁移。苹果掌握的本地与设备数据更多，包括健康等方方面面的数据。相比之下，Meta 目前主要拥有社交数据，而社交数据相对来说并不是最刚需痛点的，所以 Meta 现在急需向其他硬件与服务领域拓展突破，接下来各巨头之间势必会有一场激烈的争夺战。 ### 流量与产品投射能力的竞争 从个人视角来看，这场竞争的发展走向非常有趣。有了 Agent 的竞争之后，比拼的就不只是头部前沿实验室（Frontier Lab）的基础模型了。现在的 AI 竞争大家总盯着前沿模型，但 Agent 涉及到数据控制能力和产品分发能力，实际上演变成了流量竞争和产品投射能力的竞争。 前沿实验室做出再先进的顶级模型，个人用户其实根本用不上，那些往往只有专业开发者或企业端才需要。个人日常只是处理一下邮件、规划日程，基础模型的能力早就绰绰有余了。哪怕研发出极其顶尖的理论模型，个人用户也不需要；用户需要的是能不能帮我订好餐厅、安排好行程计划，或者陪我聊天、提供良好的情绪价值，只要这些体验做好用户就会买单。 未来 Agent 甚至可以帮用户生成两个搞笑视频逗人开心，或者每天让用户挑选、更换虚拟小宠物装扮，就像当年的 QQ 秀一样，娱乐板块蕴含着巨大的需求。它会越来越偏向娱乐化，比如配合智能眼镜，戴上后直接生成一个 3D 虚拟世界在里面互动。Meta 完全有能力朝这个方向延展，它之前的 Metaverse（元宇宙）只是起步太早了，现在通过智能硬件采集数据反哺生态，再结合 AI 生成能力，生态就能构建得更好。 因此，后续 Agent 的竞争不再仅仅局限于头部实验室的技术较量，而是重新回归到商业分发与场景落地。OpenAI 未来可能会跻身成为新的 Mega 7 或 Mega 10 巨头。而在具体场景中，例如开车使用特斯拉 FSD（完全自动驾驶）时，车载交互就成了非常重要的信息入口，车主可以在车里与它聊天、分配任务，每天通勤的一个多小时里，原本只能听播客或与人通电话，现在 Agent 能在车上帮着干活，车主自然会产生深度依赖。 ### 硬件绑定与深度代劳引发的信息茧房反思 在不同的应用场景中，不同的 Personal Agent 会占据各自独特的生态位，并且与所在厂商的硬件设备深度绑定，无论是汽车、手机还是电脑都是如此。 这也引出了一个更深层次的思考：过去互联网时代，像今日头条这类产品通过 AI 算法进行推荐，已经让每个人深陷信息茧房，用户点了一条感兴趣的内容，系统就不断推荐高度相关的信息，导致大家很难看到圈子之外的内容。而在有了 Personal Agent 之后，这个问题可能会变得更加严重。因为 Personal Agent 掌握了用户大量的背景上下文，极度了解个人的喜好与习惯，推荐出来的完全就是用户心中所想的内容，最终每个人、每个 Personal Agent 都会变成一个彻底的信息孤岛。 在以往的探索中，很多经典事物往往是在错误中意外诞生的（例如可口可乐），很多创意也是在迷路和偶然中被激发的。然而当所有信息都追求极致的准确、高效，指哪打哪、想要什么就给什么时，这种“迷路”与偶遇未知的乐趣可能就不复存在了。 面对这种生活形态的转变，大家身边就像跟着一个虚拟小宠物或贴身助理，把所有信息梳理得井井有条，生活不再混乱，但也意味着人类对工具的依赖达到了前所未有的程度。人类天生就是赛博格（Cyborg），从古至今一直在用工具拓展自身的身体与认知边界，从早期的书写、印刷，到计算器、电脑，再到如今几乎成为人体器官一部分的手机。现在的 AI 则进一步取代了人类的部分认知，很多认知负担被直接卸载给了外部工具，接下来的认知与决策更是直接卸载给了 Agent。表面上看，人类似乎只需要做最高层级的宏观决策，琐碎的决策全交给 Agent，但慢慢地人类可能连决策都不需要做，彻底躺平即可，甚至未来两个人之间的交流都可以直接由各自的 Personal Agent 代替出面。这里面不仅交织着深刻的哲学追问，也带来了极大的安全挑战，例如当个人的 Personal Agent 直接与企业级的 Agent 展开自动化交互时，其边界与控制权又该如何界定。 ### Agent 权责区分与自动化落地的商业机会 发生问题之后权责怎么去区分，Agent 和 Agent 之间的责任怎么区分，目前并没有公司设计得特别好。现在所有的 AI 执行，最后都包含一个必须由人类进行 confirm（确认）的步骤。因为需要由人类来负责和归责，模型本身是不背责也不负责任的。未来大部分流程依然需要水落石出，所以接下来的核心工作其实就是验证和确认，这两件事情在实际推进中会非常耗费时间。 现在 AI 技术落地如此迅速，在这个演进过程中，会涌现出非常多的创业公司和全新架构，专门围绕底层保障以及邮件、业务流程的验证机制展开。从产业和投资视角来看，这里面孕育着两波极具成长性的新市场机会：第一个是验证机制，第二个是网络安全。随着系统自动化能力越来越强，安全与验证这两项基础设施将变得尤为重要。 虽然有人觉得当前阶段谈论这些还为时过早，但每个人在实际工作中的融入和使用程度本就各不相同。尽早体验未来的交互形态具有极高的价值，尤其从投资视角出发，只有亲自测试并验证底层逻辑是否靠谱，才能真正看清技术演进的边界。 ### 本地知识库体系与 Reveal 社群 Dashboard 交付 Indigo 重新共享了屏幕演示本地的知识管理架构。他在本地构建了一套完整的知识系统，里面沉淀了非常丰富的内容，涵盖日常的所有想法、直播内容、个人思考与各类笔记。例如在 Mac mini 上名为 Individual Mind 的笔记记录，Agent 会自动从网络及本地完成整理与读取。当需要检索相关资料时，完全无需在电脑中逐级翻找目录与文件夹，直接通过自然语言提问即可调出结果，其中还包含了各类内容的压缩归档以及其他关联项目的沉淀。 与此同时，Indigo 正在为 Reveal 社群交付全新的 Dashboard。该看板会把本地沉淀中可公开的内容直接同步上去，将日常的思考与天性分享给社群成员，省去了每天逐条分发的工作。Dashboard 中涵盖了周报内容（Weekly），以及通过自动化体系抓取并沉淀的市场观察与市场信号。 在底层架构上，这些数据的抓取与处理完全依赖一套运行在本地 Mac 上的 Agent loop 循环任务。系统每天自动跑批，负责从海量信息中提取市场情报并同步到 Reveal 的 Index 中，未来这套能力也将逐步开放出来，这正是本地个性化知识库落地的具体形态。 ### 直播复盘：从聊天机器人到主动推送的个人 Agent 本次直播进行了一个小时二十分钟左右，整体内容从对于三款个人 Agent 产品的实际体验切入，一直探讨到更长期的未来演进形态。从早期的聊天机器人，到如今能够主动 push 信息的 Personal Agent，用户与工具之间的交互范式正在发生根本性变革。生活在这个时代能够亲眼见证并尝试各种 AI 工具边界的拓展，是一件非常幸运的事情。 Indigo 提到自己之所以必须高频体验各类前沿产品，核心原因在于从事 AI 科技领域的投资工作，必须保持极其深度的使用习惯。面对市面上层出不穷的产品形态以及多达几千个联系人的复杂网络，任何新产品都需要亲自上手实测。 关于观众提到的“当前是否缺乏大众化规模需求”的疑问，目前行业多数判断仍处于推演阶段。既然各大公司都在投入重金进行研发与布局，未来的发展轨迹很难精准预测。即使最终产品落地，大众化需求的定义依然因人而异。至少就个人使用场景而言，个人的搜索引擎入口和获取信息的模式已经彻底被 AI Agent 改变，日常检索已经完全依赖 Agent 协助完成。 ### Grok-built、Claude Code 与模型角色的分工逻辑 针对在 Grok-built 等环境中调用 Claude、Gemini 等模型的做法，最直接且安全的方式是通过 API 进行接入。虽然可以尝试将 Claude Code 等工具直接安装到虚拟机内运行，但此类操作极易触发风控导致账号被封禁。相比之下，采用官方 API 或者第三方包装的聚合 API 是最稳妥的策略。对于需要极高推理能力的高智能任务，单次调用产生的 API 成本非常低廉，在关键场景下完全值得投入。 这种统一界面的使用体验非常便捷，用户无需在不同软件之间来回切换。相比于以前使用 Open Code 或 Open Chat 等开源工具时需要手动频繁挑选模型，现在的形态相当于在外部封装了一层更高级的 Agent 壳，由 Agent 自身编写代码来完成底层工具的调度。这是一种极具 Geek 属性的高级用法。 在实际订阅与成本分配上，Grok-built 的 X Premium Plus 档位每月大概在二十到三十美元左右，成本较为便宜且额度充足，主要原因在于它并不承担主力核心工作。所有高消耗、长上下文的代码编写与深度分析工作，依然由 Claude Code 等重型工具承担。在具体分工中，轻量级 Agent 仅负责编写粘合任务、串联工作流的“胶水代码”，这一步它完成得非常出色。 在复杂任务处理上，重型开发与长代码编写主要分配给 Codex 与 Claude Code。如今底层大模型已经逐渐形成了清晰的角色分工：有的模型负责干脏活重活，有的模型负责沟通交互，有的模型则负责轻度陪伴。 ### 复杂业务工作流与 Agent 数量的克制设计 面对观众关于“ChatGPT 是否已经足够满足日常需求、无需额外使用 Agent”的提问，如果仅仅是基础问答或简单的文本生成类需求，普通的 Chatbot 或简易的个人 Agent 确实完全够用。然而一旦切入实际的企业生产或专业研发工作，面对复杂的业务流程，依然必须依赖 Codex、Claude Code 等重型工具，每个人的具体工作流存在很大差异。 针对 Grok-built 这类工具动辄支持创建海量 Agent 的现象，普通用户往往容易陷入混乱，不知该如何规划职责。在实际操作中，针对个人场景创建四到五个 Agent 已经完全足够。除非是面向高校教授等极深领域的专业用户（Pro User），普通用户根本不需要维护庞大的 Agent 矩阵。 此前在社群中，有原 Slack 的推广人员分享过名为 Rivn 的产品，其形态类似于早期 Grok，支持将不同职责的 Agent 放入同一个对话框并由系统自动分配角色协同。早在今年二三月份，Indigo 就曾利用 Telegram 搭建过类似的多 Agent 便携协作对话框原型。 综合来看，个人 Agent 最适合承接高容错性、高重复性、无严格权责判定且对数据安全性要求适中的工作，例如日常知识的收集、分析、预处理与输出。在这些场景下，由两三个 Agent 协同完成任务会极其高效。至于涉及资金支付或关键数据写入的不可逆阶段，目前依然必须由人类亲自掌控。 ### C 端竞争格局、数据迁移成本与 AI 商业模式变现 针对未来 C 端 Agent 市场的竞争格局，拥有海量流量的科技巨头都会深度布局。在北美市场，除了 Apple（Siri 虽体验不佳但具备生态入口优势）、xAI、Meta 等一线大厂之外，顶级 AI 实验室以及创业公司也都在全力跟进，未来参与竞争的团队至少有十几家甚至更多。 虽然流量最终会呈现分流趋势，但 Agent 类产品与纯粹的内容流量存在本质差异。一旦产品的某个核心特质切中了用户的特定偏好，用户往往会保持极高的忠诚度与黏性。更为关键的是，随着用户在系统中沉淀的个人数据与上下文越来越深，其数据迁移成本会变得极其高昂。 整个个人 Agent 市场目前仍处于极早期阶段，自今年八月份起才刚刚起步，市场的大规模普及与大众接受至少还需要半年以上的时间。当前部分平台看似极高的数据留存和活跃度，很大程度上依赖于官方赠送的免费 Token 补贴和邀请码机制。 在商业模式与变现路径方面，纯粹依靠 AI 独立应用直接赚大钱的案例其实非常少。目前真正实现盈利的路径主要分为两类： 第一类是将 AI 作为赋能工具，深度嵌入原有成熟业务以提升利润率，例如大型企业通过 AI 优化广告投放、做精细化 SEO 等，核心是拿 AI 放大存量业务的变现能力。以 Anthropic 的大客户 Jane Street 为例，作为量化高频交易领域的顶级金融机构，它是算力消耗规模最大的客户之一，同时也是通过算法和高智能转化获取商业回报最丰厚的团队，投入的高昂 Token 成本能够换回几十甚至上百倍的实际利润；Meta 采购 Claude 服务同样是为了优化其核心广告推荐系统的转化效率。 第二类则是底层与通道层变现。如果创业公司仅仅是给用户做一层简单的工具封装，宣称为“AI Tools”并试图收费，其商业价值将迅速衰减，最终沦为一个单纯的模型逻辑中转站。在完全从零起步的纯 AI 商业化路径中，目前已被验证可行的成熟模式主要是 Token 中转站模式。相比之下，今年在资本市场上真正赚取巨额利润的依然是英伟达等底层硬件与内存厂商。普通用户的需求千奇百怪，且大量用户已经具备自行编写代码完成工具封装的能力，因此中层包装工具的生存空间正在被快速挤压。 ### 交流群二维码分享与社群规则说明 针对新进入直播间的观众关于如何进群的提问，主播团队在电脑屏幕上投屏了社群的交流二维码，并展示了名为“奇气森森”的个人频道信息。 该群定位为一个平等、纯粹的科技同步与交流社群。群内严禁推广个人公司业务或群发广告，核心倡导平等的信息交互，鼓励大家主动分享具有实际参考价值的科技动态、前沿工具评测与行业投资信息，欢迎同频的从业者进群交流。新进群的成员仅需简单介绍自己所在的城市与所属行业即可，旨在为关注科技加速的同频伙伴搭建一个长期沟通的连接窗口。 ### 社群沉淀与交流规范 我们在社群里面其实已经做了两年多，这里面我觉得高手挺多的。比如龟账也在里面，我还在里面看到了儿时的大佬，像什么果壳网的 CEO 之类的。因为我有很多群，同步群只是其中一个。社群比较多，群友也比较多。在这里真的非常感谢 Indigo，因为我在温哥华的很多朋友，包括我现在回国之后在北京、上海，包括我去苏州，在群里面吼了一声，都会有非常多同频的小伙伴响应。真的在 Indigo 的群里面交到了很多非常非常好的朋友。 这不是做广告，确实是真的可以。大家在群里面有很基础的规则：在里面不要用自己的观点去怼别人，这个是底线。发现一次警告，第二次我就踢群。大家平等分享，而且尽量保护自己所在的公司信息，不要透露具体公司，只说你自己从事的行业就好了。因为很多人喜欢做商业交换、商务交换，这个不合适，我们纯粹只是一个分享群而已。这是我的一些简单原则。 如果大家觉得这种直播形式好，我们有什么话题可以每一两周开一次，我觉得挺好的。Claire 主持得很好，可以代表群众。非常欢迎大家有什么问题可以发给我。 ### AI 商业模式与算力基建投资 大家总说 AI 商业模式还没有出来，但现在的模型公司已经赚成这样了。Claude 今年的收入都要过一千亿了，过一千亿是什么概念？一些云计算公司干了十几年都没干出来的体量，他三年就干出来了。这已经算是奇迹了。 现在来看，一个是卖 Token 赚钱，第二个是卖硬件赚钱，也就是卖算力赚钱。你看 SpaceX 换成卖算力的，有了 Cloud 之后马上股价就不一样了，发火箭肯定没有这个赚钱。 看我们的聊天窗口在屏幕上，我眼神儿不太好，字太小了。做这个石头屏幕，屏幕太大了，以后要像老人机那样放大，放到巨大，放到头顶上面。 有人问 Q* 用过没有，Q* 我还没用过，Q-minus 我也没用过，现在的工具太多了，完全用不过来。现在整个行业肯定还属于投入期。虽然现在收入有一千亿，但投入肯定不止，投入看着都是五千亿、五千亿地投。不知道哪一天才赚得回来，反正大家都担心这个问题，担心这是一个泡沫。 但是你看现在的路径：先是从聊天机器人升级到代码，再升级成 Agent，然后切换成二十四小时运转；接下来把它生成世界、生成虚拟世界、生成视频。这中间的消耗是非常巨大的，跟烧柴油一样每天在烧。这里面还有很多很多的需求，所以我们社群里大家也跟华尔街一样，很关心华尔街的叙事，都是跟着基建投入走的。只要出来一个什么 Agent 消耗 Token，大家心里就安心了，说明还可以继续消耗 Token，还可以继续投硬件。在当前这个时刻，继续投硬件是没问题的。 感谢狂刷礼物的榜一大哥，多谢多谢发礼物。等一下看有多少人进群，我现在也看不到，可能有一些吧。人真多，丁峰怎么又进来了？已经在老群里的朋友就不用再进这个新群了，不要重复进。当然如果进来围观一下也行，因为还有空间，等满了以后我马上就要踢人了。 ### 自动化任务规划与 Agent 工作流 我们下一次聊什么？有的时候新闻是突然发生的，就像这一次 Personalization 突然哐哐发了这三个功能。其实我们上周也在准备别的主题，但上周准备的主题这周就已经过时了，又得准备新主题。我们好像有很多主题，我来看看。 大家还要扫码是吧？我问一下系统，查一下我在 Notion 里面记录的还有哪些 tasks 没做。我觉得今天展示完之后，应该很多人会去付费 Grok。为什么呢？我先给他们做把锚子，我今天就决定给 Grok 付费，之前一直没付费，今天我就去付费一下。 你看他在工作了，真的出来了，看到没有？还把规则发出来了。系统告诉我，我有一个 AI Science 投研框架，昨天开完会，我下周、下下周去三藩湾区的时候去把它做了。然后新闻抓取方面，我有一个新的新闻抓取系统，来帮助我的 Agent 更好地干活。这些正在做，等他干完之后就会汇总过来。 把这个窗口关掉。这样不是很方便吗？超级方便，你都不用自己打开去找，很方便。那边这个系统我觉得现在还非常 rough，非常粗糙。以后等它整合好了，会变得更加聪明。 我总觉得有一种趋势，我们确实得往更高层次去思考。比如有了洗衣机之后，现在大家真的不会在家里手洗衣服了吧？除非有人纯粹是出于兴趣。我妈总跟我说手洗衣服洗得干净，我说洗衣机肯定比手洗得更干净。如果家里真的有了机器人之后，你也不会再去自己做家务了，你的需求就是继续往上拔高。技术在进步，信任也在进步，我觉得现在大家对 Personal Agent 主要还是一个信任的问题。 ### AI 视频生成演进与复古未来主义审美 有人问会有回放吗？会有回放的。 聊到 AI 生成视频，现在看上去已经很棒了，特别是有了空间智能之后。现在不都是用白模来指导生成视频，然后再套壳吗？我觉得接下来视频生成，大量都会是由像 Claude 或者新的工具来指挥视频生成，这会很酷。 我看一眼我的 X。视频生成模型肯定是会越来越好的。不知道大家看过没有，我放一下。我记得在去年的时候，大家还是在用 n8n 来搭建生成视频模型的 workflow，然后今年 Phoebe 就已经非常绚丽了。而且我觉得 Phoebe 5.5 可能只是视频生成的一个开始，因为现在像 Claude Code 都可以调用大量专业级软件，比如 After Effects 包括 Maya 的一些 API。 我的收藏太多了，有一个特别酷的 Agent 做出来的视频，我可能没收藏。我要找一下，我好像下载了，不记得了，可能也没有转发。当时很多人看过的，Elon Musk 也转了。这个 MV 做得很惊艳，我们把它放出来。 这个是 Claude 自己做的，它用了 Midjourney。我觉得到时模型就是由语言模型来指挥这些所有的工具、空间生成来做东西。虽然还是原来的 Claude 风格，但是已经很不错了。它自己写了一首歌，而且现在的真人画面恐怖效应也没有那么多了，完全让人感觉很舒服，做出了很潮酷的质感。这不是人类做的，这是一个 AI 做的，审美非常过关，Claude 的审美很好。这个 MV 名字叫《Singularity Has a Temperature Mild, No Grades, No Test, Agentic》，还没完全听懂，应该是 Suno 写的歌。现在 Suno 也很牛，Suno 写的歌感觉已经打败了百分之九十甚至百分之九十九的人类了吧。现在的版本确实可以了。 我们放完这首歌就准备收尾了，这是我们的片尾曲。感谢大家今天来看我的直播，这是我的首播。其实整个背后就是很大一串 Prompt 而已。群里当然可以交流 Keyboard 的使用，这种呈现效果很漂亮。你看这段转场转了四次，它的审美非常绚丽，很有 Cyber 的感觉，带一点银河星系的味道。 我蛮喜欢这种 AI 味儿的，我自己社群的设计其实也带一点这种风格，因为它有一种未来主义的感觉。原来人类剪辑出来的东西太有人味了，现在 AI 消除了那种恐怖谷效应之后，展现出一种非常新型、非常新鲜的 AI 味儿，而不是那种低劣的 AI slop 味儿。 这确实给传统视频制作人创造了很大的压力，大家又得重新想办法了。歌词里唱着“3, 2, 1, 0, do we make it? There's nothing to escape”，挺好听的，还有点复古主义的感觉，可以说是复古未来主义，潮爆了。 你可以拿它的这套公式自己去复刻一个，拿你自己的形象做一个，或者参考借鉴做一个类似的。后面这几个词挺有味道的，它写作就喜欢这样写，一看起来就是靠排版和颜色来做设计。 “Where we're so back.” 好，那我们今天就回到大画面，准备结束了。我们今天就结束了，谢谢大家！我们今天一共直播了一个小时四十五分钟。拜拜大家，假期愉快，周末愉快，拜拜，十一快乐！