我使用国产「个人 AI 助手」的十天｜AI 上新

来源：极客公园

Personal AI 的精髓——像人又懂你。

作者｜Moonshot

编辑｜靖宇

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。

而另一边，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。

它们的形态不同，但目的近似，都在试图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。

Today AI 应用的主页面｜图片来源：Today AI

至少对国内用户来说，它算是目前最容易上手体验 Personal AI 的产品之一。而用了 10 天以后，我也开始从 Today 身上看到 Personal AI 的局限与潜力。

栏目作者召集

极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！

现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。

同时，优秀作者还有机会进入极客公园 AI 体验群，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。

01

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。

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……

它整理出我可能感兴趣的信息，用早晚报发给我｜图片来源：Today AI

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，而是它了解我之后，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。有的问题很轻，轻到我只是随口一问。有的问题很重，需要了解我整个工作习惯。

Today 会深究我的游戏喜好，也会了解我的工作内容，甚至会把这两者关联起来，展开话题跟我讨论｜图片来源：Today

使用常见的 AI 产品时，我们习惯为不同任务开不同对话，写不同的 prompt，避免上下文互相影响。复杂的任务还会演变成项目。

但在 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，我所有的需求，都能扔进同一个对话框。

有一次，我正让它为选题收集资料，下一秒就问「前两天你和我提的那个游戏，发售没有？评价咋样？」Today 不仅知道我说的是哪个游戏，还查到了发售和评价的信息，回复完我，又继续回到了工作任务上。

用 Today 的方式很「轻快」，不用考虑窗口管理｜图片来源：Today AI

这是我觉得 Today 最「Personal」的地方，现实中，人和人的聊天不用考虑上下文污染，也不用一个话题单开一个窗口，我们可以很正经地聊着工作，同时插一嘴「昨天那家店好吃吗？」，双方都知道你在说什么，也能把话接住。

而且我非常喜欢 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。这个思路很像近期爆火的 Jev，Jev 主打的是快速判断，直给答案，不把时间花在长思考和长输出上。AI 产品里能做到这一点的很少，大多数都在用废话填充回应的开头和结尾

像这种小问题，Today 可以很简明扼要地把重点快速提炼。｜图片来源：Today

有时和 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。

它的 Personal 也不只体现在「了解我」上，还在如何更像一个「人」。

真正让我看见 Today 可以怎样进入工作，是打开电脑版以后。

02

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，此前，我只能对 Today 描述我的日常工作。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，还有一个日更的脚本栏目。我让它看完栏目脚本后，每天早上 9 点，给我推送适合放进栏目的选题。

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？

Today 已经了解了我的工作内容，会主动帮我寻找选题｜图片来源：Today

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。

可以直接在微信和 Today 交互｜图片来源：微信

但用到现在，Today 还是在处理一些轻任务，我想试着给它点儿重活。

我想给某款游戏的 mod 做汉化，这是个脏活，涉及大量文件的逐一排查和修改，目录结构、脚本编码、依赖声明都可能出问题。

我直接把 mod 的 zip 压缩包发给 Today，它自行拆包读文档，而后调用了 Claude Opus 5 开始汉化，我可以在侧边栏看到它整个代码重构过程，做得相当干净。

右侧的对话是 Today 在理解我的需求后，自行编写的详细 Prompt，之后发给 Claude 去执行｜图片来源：Today

拿到汉化文件时，我以为最麻烦的工作已经结束了，问题出在最后一步：汉化完的文件，放在游戏目录的哪里？这个问题本身不难，但 Today 的处理方式让我来回折腾了很长时间。

Today 很自信地告诉我「我知道问题是哪里了，英文不能用大写/42.0 不能写成 42/文档里不能有中文……」每一条都说得很笃定，每一条都让我去操作，每一条都没用。

翻译这个 mod，Today 只花了 15 分钟，而我因为它无用的指令，反反复复重启游戏，测试了一个小时。

我最后直接下命令「你去官方文档里查一下，官方要求的 mod 文件结构是什么。」它一下就查到了，汉化最终成功了。

此事也被 Today 自行记在了「日记」里｜图片来源：Today

它解决了前面更复杂的代码问题，却倒在一个有明确资料可查的安装步骤上，让我反复试错。它「轻快」的回答速度没有消失，只是把等待和验证的时间甩给了我。

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。

Today 把文案工作理解成了「生成网页」｜图片来源：Today AI

一个很轻的问题被处理得过重，而一个关键操作，它又处理得过轻。

两次经历放在一起，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……

对一个越来越主动、越来越接近真实操作权限的 Personal AI 来说，这种轻重判断会直接决定我敢把多少事情交给它。

毕竟，AI 是不担责的。

03

Personal AI 的线头在哪里

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。

用了一段时间，我对它又爱又恨，但对 Personal AI 这件事本身，反而越来越想看它走到哪里。因为我觉得它跨越了信息获取方式的两次迭代，正在进入新的阶段。

第一次，我们主动去互联网上搜索，选题、球队动态、游戏发售日期，搜完自己判断；

第二次，我们开始直接问 AI，把搜索外包；

Personal AI 继续往前推一步：它足够了解我，不需要我去搜去问，它会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」。

而我面对 Personal AI，也不需要做上下文管理、设置项目、Prompt 工程，只需要用自然语言持续地和它说话。我越使用它，越不需要向它解释「我是谁」。

Today  支持非常多的外部应用管理｜图片来源：Today

当然，Today 只是我观察 Personal AI 的一个切口，这十天里体验到的，也只是这个方向正在尝试的一部分。

Meta 的 Muse 会长期记住用户的信息，在后台持续工作，还拥有一台独立的云电脑；OpenAI 的 Dots 同样强调「always-on」，能连接大量第三方应用，围绕一个目标持续推进任务；Manus 的 Cue，又往前走了一步，它试图让每个 Agent 都可以有自己的身份、邮箱、电话、钱包、工位……

产品形态不同，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。

通向这个终点，有几道坎很难跨过去。

第一道是判断力。等 Personal AI 真正走到 Agent，它进入的不只有工作，还有日常生活。这意味着，它需要了解我的优先级、习惯、关系、风险偏好。

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。这些很琐碎的判断，会越来越决定 Personal AI 到底是在替人省时间，还是制造新的工作。Today 上的轻重失衡，只是「判断力不足」最轻微的版本。

Today 已经有可以发 iMessage 的能力｜图片来源：Today

第二道是生态。Personal AI 想成为你的数字助理，就必须进入你的数字世界。邮件、日历、文档、即时通讯是起点，往后有购物、出行、支付和各种本地服务，这些都是它认识用户、替用户行动的接口。

这也让 Personal AI 比普通 AI 产品更依赖本土生态。海外产品可以围绕 Gmail、Calendar、Slack 搭建自己的能力，但到了国内，微信、淘宝、美团、支付宝这些超级 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。

Today 通过分类记忆的方式，来更好地了解用户｜图片来源：Today

前两层至少还是技术问题。真正难的是第三层：信任。

Personal AI 要成立，第一步就是让用户愿意交出更多隐私。你给得越多，它才能做得越好。

这一步，Muse 最近就翻车了，在 9 月密集推广期，Muse 被曝出近 19 万条用户对话记录遭到泄露，其中包括用户告诉 Muse 的个人目标、日程安排、私人关系和财务信息。

这还只是数据层面的风险，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 会成为你的朋友，还只是你的电子工友。