微信｜yokyliu617
Muse把Personal Agent带火了。
Muse上线两天后，仅美国iOS下载量就超过8.3万，并升到App Store总榜第二；大约一周已有超过50万用户尝试，日活超过25万。9月18日，它登上美国App Store免费榜第一，截至9月24日，累计下载量已经超过340万。
对一个只在美国上线、发布还不到三周的新产品来说，这已经足以把Personal Agent从硅谷创业圈的讨论，推成一个大众消费产品的新概念。
Muse火起来之后，国内的Today.ai也被放进了同一个坐标里。Today.ai一开始强调的是“主动式Agent”：它不等用户提问，而是通过长期记忆理解用户，在需要的时候主动出现并继续执行任务。因为这套能力本身就和“Personal”高度相关，Personal Agent成为新概念以后，Today.ai也自然获得了更广泛的关注。
但如果把这些产品拆开看，我们不太认为Personal Agent是一种全新的技术范式。它更像是过去几年几条独立路线的集合：长期记忆解决“它是否认识你”，AI Companion解决“它以什么关系和你相处”，Computer Use解决“它能否替你操作”，Proactive Agent解决“它能否在你开口之前出现”。Muse做的，是第一次把这些分散能力装进一个面向大众的完整产品，并给它们起了一个统一的新名字。
所以这一期，我们想推荐的不是一批突然冒出来的新物种，而是中国团队围绕这些能力做出的几种Personal Agent实验。
1、AirJelly
https://www.airjelly.ai/
产品概述
AirJelly是一款运行在Mac和Windows上的Context-Aware Proactive Agent。它在本地读取用户跨应用的工作活动，把Slack、Zoom、文档、日历、邮件和浏览器里分散的上下文整理成一条持续更新的时间线，相关数据不上传云端。
围绕这条时间线，AirJelly会生成每日工作报告，从对话、会议和消息里自动提取带截止日期的任务，也允许用户追问过去工作中的任何信息。积累足够上下文后，它还能主动发现没有跟进的事项、缺少准备的会议和中断的任务。
所以日报、时间线、任务、记忆和主动提醒并不是五个彼此独立的功能。它们都是同一套工作上下文经过整理后，在不同时间给出的结果。
团队背景
AirJelly由北京团队“持续低熵”开发，创始人黄柏特曾在字节跳动负责MineContext等AI产品。团队目前只有十人左右，已经获得五源资本投资。从产品路线看，这支团队延续了MineContext对于个人上下文和桌面行为理解的探索，但把终点从“记录发生了什么”，推到了“下一步应该做什么”。
为什么值得关注
今天的大多数Agent即使拥有Computer Use，仍然要等用户先给出目标、背景和材料。每次开始任务，用户都要重新把散落在聊天、会议、网页和文档里的信息拼起来。AirJelly没有先增加一个更强的执行工具，而是在后台持续维护一份“当前工作状态”：发生了什么、做过哪些决定、还有什么没有完成，以及新的变化影响了哪个目标。
这也是为什么它的时间线、日报、自动任务和主动提醒必须放在一起理解。AirJelly先把杂乱的工作过程压缩成Agent可以使用的上下文，再让Codex、Claude Code或自己的Agent在完整背景下行动。所谓“主动”，不是定时弹出一条通知，而是当环境发生变化时，Agent知道这件事为什么重要，也知道应该继续哪一项工作。
如果这套机制成立，AirJelly就不只是一个记录工具，而会成为应用和Agent之间的工作状态层。它真正需要证明的，是能否长期、准确地从桌面噪音中提取出有效状态；但这也正是Personal Agent从“等你下命令”走向“持续参与工作”之前，最值得解决的一步。
2、Ling
https://withling.top/zh/?lang=zh
产品概述
Ling是一款运行在iPhone上的主动型AI伙伴，目前已经开放TestFlight测试。它会把日历、提醒、语音、图片、文件、地点和用户的历史对话连接起来，形成一个持续更新的个人上下文。
它的目标并不是把一个聊天机器人缩进手机里。比如用户随口说“下周找个时间约一下”，Ling会先把这件事记住，之后再结合日历和新的信息逐渐补齐细节；会议开始前，它也可以把上次的承诺、最新版材料和仍待决定的问题重新带回来。
Ling还把这种关系称为“共生档案”：用户在塑造Ling，Ling也在学习怎样更适合这个用户。
团队背景
Ling背后的创业者是刘逸洵。刘逸洵曾在阿里巴巴、腾讯任职，后来先后创办嘟嘟巴士和共享汽车平台PonyCar，是一名连续创业者。Ling的运营主体北京零一之外科技有限公司，由其创办的深圳市乐途宝网络科技有限公司控股。
为什么值得关注
电脑主要记录一个人的工作，手机却同时拥有时间、地点、联系人、照片、语音、健康和日程。它知道一件事什么时候发生，也知道用户当时在哪里，以及现实生活随后发生了什么。对于没有社交平台和搜索引擎的小团队来说，系统授权可能是最接近个人上下文的一条路。
如果Ling能把这些分散信号连接成一条持续变化的个人时间线，它得到的就不只是一个移动端入口，而是一套桌面Agent很难复制的数据资产。它真正需要证明的，是用户是否愿意长期开放这些权限，以及这种理解能不能转化成足够准确、不过度打扰的行动。
3、Everme
https://evermind.ai/
产品概述
EverMe是EverMind推出的个人AI产品。它没有再做一个独立的聊天助手，而是先给所有Agent补上一层共同的个人记忆。用户可以把自己的经历、偏好、关系和长期目标逐渐交给EverMe。之后，无论是Codex、Claude Code、Cursor，还是其他支持MCP和插件的Agent，都可以在用户授权后调用这些记忆。
换句话说，EverMe想保存的不是某一次聊天记录，而是一个能够跨越模型、工具和设备存在的“你”。背后的EverOS负责记忆、身份和权限等基础能力，Raven则用来测试Agent处理真实个人任务的能力。
团队背景
EverMe由盛大集团孵化的EverMind团队推出。团队CEO邓亚峰曾任360副总裁、人工智能研究院院长和搜索业务负责人，此前还担任格灵深瞳CTO，并在百度深度学习研究院工作。
EverMind目前同时在做面向Agent的记忆系统EverOS、底层记忆研究和面向个人用户的EverMe。放在这套产品布局中看，EverMe更像是统一个人记忆的消费端入口：用户通过EverMe建立和管理自己的记忆，其他Agent则通过EverOS、MCP或插件调用它。
为什么值得关注
今天ChatGPT、Claude和其他AI产品都在建立自己的记忆，但这些记忆彼此隔离，也会把用户和某个产品绑定在一起。EverMe试图把关于用户的经历、偏好和关系从具体Agent里抽出来，再通过MCP和插件提供给不同工具。它解决的与其说是“记得更多”，不如说是个人记忆的所有权和可迁移性。
如果未来不是一个超级Agent包办一切，而是不同Agent负责不同任务，那么共享记忆就可能成为新的控制层。用户可以更换模型和入口，却不用重新建立一个“自己”。EverMe未必是打开频率最高的应用，但一旦成为个人信息的标准底稿，它就会处在整个Personal Agent生态最关键的位置。
4、HanaAgent / OpenHanako
https://openhanako.com/
https://github.com/liliMozi/openhanako
产品概述
拟人化也是国内团队集中尝试的一条路线。Alice曾经用一个拥有持续记忆的“白艾莉”统筹搜索、写作、设计和开发等专业Agent；这里不再单独展开。
HanaAgent更准确的定位，不是一款免费提供模型额度的AI助手，而是一套开源的Personal Agent Harness。项目把人格、长期记忆、Agent循环、工具调用、定时任务、Skill和多Agent协作等能力组装成一套可以直接运行的桌面应用。
用户可以免费下载Hana的软件，但首次启动时需要自己连接模型Provider，填写API key和base URL，并分别选择主对话模型、处理轻量任务的工具模型，以及负责记忆编译和深度分析的大模型。它支持OpenAI兼容接口、Anthropic类型Provider、OAuth接入，也可以通过Ollama使用本地模型。
所以Hana所说的“免费”，主要指Harness本身开源免费。如果接入商业模型，用户仍然要向对应模型厂商支付API费用；如果使用本地模型，则只需要承担自己的硬件和算力成本。
团队背景
OpenHanako由开发者liliMozi发起，采用Apache 2.0协议开源，目前主要由核心开发者和社区贡献者推动，并不是一个团队和融资信息完整公开的传统创业项目。项目上线后在GitHub迅速积累了数千颗星。至少在开发者群体里，“拥有一个可自托管、有人格的个人Agent”已经不是伪需求。
为什么值得关注
Hana中模型可以替换，Harness本身才是Personal Agent。
用户自己提供API key或连接本地模型，Hana负责把模型组织成人格、记忆、工具、定时任务、Skill和多Agent协作。也就是说，它把模型降成一个可以更换的零部件，把真正的产品价值放在模型之上的运行框架里。
这也改变了Personal Agent的商业关系：项目方不必长期补贴推理成本，用户则保留模型选择、数据存储和费用控制权。Hana真正验证的是，当底层模型越来越同质化之后，独立的Agent Harness能否像操作系统一样形成自己的生态。它的挑战不是能力数量，而是能否把配置门槛降到普通用户也愿意使用。
5、CowAgent
https://github.com/zhayujie/CowAgent
产品概述
CowAgent的前身是chatgpt-on-wechat。它最早解决的问题很直接：让用户可以在微信里使用ChatGPT。现在的2.x版本已经从聊天机器人扩展成一套开源Agent Harness，加入了任务规划、浏览器与电脑操作、Skills、三级长期记忆、个人知识库、自我进化和多Agent协作等能力。
它可以在个人电脑或服务器上持续运行，并接入微信、飞书、钉钉、企业微信、QQ、公众号、Telegram和Slack等渠道。底层模型可以替换，也支持自定义服务和本地模型。用户不需要迁移到一款新的Agent应用，在原来的聊天窗口里就能远程交代任务、接收结果，并让同一个Agent持续积累记忆和能力。
团队背景
CowAgent由开发者zhayujie发起，采用MIT协议开源，由社区持续维护；托管和企业服务由LinkAI提供。它的前身chatgpt-on-wechat已经积累了庞大的开发者和部署者社区。截至2026年9月，项目在GitHub获得约4.7万颗星和1万次Fork。与多数刚发布的Personal Agent不同，它是在一个已经被大量用户使用的开源项目上继续演化。
为什么值得关注
Personal Agent不一定需要发明一个新入口，它可以直接住进用户已经在用的聊天工具里。
微信、飞书和钉钉不只是分发渠道，也是工作安排、关系沟通和任务承诺实际发生的地方。用户在这些界面里提出需求，本来就比打开一款独立Agent应用更自然；Agent在电脑或服务器上持续运行，也使这些聊天窗口变成随时可用的远程控制台。
更关键的是，CowAgent正在把已有的渠道覆盖向上升级成一套完整的个人Agent：记忆负责延续上下文，知识库沉淀个人资料，Skills和工具负责执行，自我进化机制则试图让它在长期使用中逐渐适应用户。它值得推荐的原因不在于功能列表更长，而在于它已经拥有社区和入口，正在验证一条很现实的路径：Personal Agent可能不会取代用户熟悉的应用，而会成为藏在这些应用背后、持续工作的基础设施。
结语：
把这些项目放在一起看，真正有区分度的已经不是谁接入了更强的模型。AirJelly和Ling在寻找自己的数据入口，EverMe在争夺个人记忆的所有权，Alice和Aira尝试用人格维持长期关系，Hana把模型降成可替换的零件，CowAgent则去占据用户已经在使用的聊天入口。
当模型能力趋同以后，接下来关键在于Personal Agent还剩下什么可以成为产品。
现阶段的答案大致有五种：独有的数据源、可迁移的个人记忆、稳定的人格关系、已经存在的用户入口，以及独立于模型的Agent Harness。目前还没有哪一款产品完整解决隐私、权限、可靠性和长期使用价值的问题。
但这轮竞争的核心已经逐渐清楚：模型和工具会越来越接近，真正拉开差距的，是谁能获得更连续的数据、把这些数据变成对用户的理解，以及用户是否愿意长期把权限交给它。
