Personal Agent 赛道正上演六路争锋：OpenAI 想成为你的第二身份，Meta 接管生活交易，Google 调度邮件日历，还有产品让界面彻底消失。本文拆解 dots、Muse、Gemini Spark 等六款产品的入口、权限与执行逻辑，揭示真正的胜负手不是功能数量，而是谁能赢得用户的默认委托权。

假设你对一个 AI 说：“帮我安排下周去纽约的三天行程，避开已有会议，订好合适的酒店，再通知同行的同事。”

如果它只是列出航班、酒店和行程建议，它还是一个回答问题的助手；如果它能读取日历、比较选项、打开网站、填写信息，并在付款和发信前找你确认，它才开始接近 Personal Agent，也就是个人智能体。

最近海外产品密集涌现，容易让人产生一个直觉：把 dots、Muse、Gemini Spark、Instinct、Grok Bot 和 OpenClaw 拉成表格，比较谁能调用更多工具、谁能记住更多信息、谁的模型更聪明，就能得出胜负。

但这种横向排名很容易失真。它们看似都在做“个人助理”，实际争夺的是不同入口、不同数据和不同授权关系：有的想成为你的第二身份，有的先接管旅行和购物，有的依托邮件与文档做数字生活调度，有的希望界面彻底消失，有的给你组一支数字员工队伍，还有的把控制权交回用户自己。

所以，这一轮 Personal Agent 的“神仙打架”，争的不是谁先做出一个更大的聊天框，而是谁能成为用户的默认委托入口。

本文依据各产品截至 2026 年 10 月 1 日公开的官方页面与文档整理，没有把发布演示写成实测结果。文中的“六条路线”与评价框架是基于公开信息做的产品分析，不是厂商给出的行业分类。

一 为什么把 Personal Agent 做成排行榜 往往比不排更误导

传统 AI 产品对比，通常围绕模型能力、响应速度、价格和功能数量展开。Personal Agent 多了一层麻烦：同一个能力词，背后可能是完全不同的产品机制。

比如“能处理邮件”，至少可能指四件事：读取一封指定邮件、持续监控收件箱、代拟回复，或者直接把邮件发出去。前两项主要涉及信息访问，后两项已经触及外部行动和责任承担。把它们都写成一个“邮件能力：有”，会抹掉真正决定用户是否敢用的部分。

“记忆”也一样。记住这一轮对话中的名字，和长期保存用户偏好、项目文件、浏览器登录状态，不是同一层能力；“使用浏览器”可能是调用结构化接口，也可能是像人一样操作网页；“主动工作”可能是定时生成摘要，也可能是在用户没有下指令时自行发现问题。它们带来的收益、风险与授权成本都不一样。

更重要的是，这些产品不在同一条起跑线上。Google 已经拥有 Gmail、Calendar、Docs 和 Photos 的上下文；Apple 控制操作系统和设备；Meta 有 WhatsApp、Instagram 与社交关系；OpenAI 试图从 ChatGPT 向外连接应用；OpenClaw 则让愿意配置系统的人自己选择模型、数据位置与工具。

因此，比“功能多不多”更有解释力的问题是：谁在什么入口遇见它，它知道什么，用户允许它做到哪一步，出了问题又如何停下和恢复。

图：从“回答”走向“受托执行”的能力链（原创示意）

二 先划一条线 什么才算 Personal Agent

我认为，Personal Agent 至少要同时具备四个条件。

第一，它不是一次性会话，而是有持续身份。用户下次回来，不必重新解释自己是谁、项目做到哪里、什么结果算合格。

第二，它不只生成内容，还能进入真实工具执行动作。整理资料可以只停在草稿，但订酒店、改日程、提交表单、发送消息，都要求它跨过“建议”与“行动”的边界。

第三，它能处理跨时间任务。工作可以在应用关闭、电脑合上以后继续，或者由计划、事件和新信息触发，而不是每一步都等用户继续输入。

第四，用户仍能控制它。控制不只是一个总开关，还包括数据接入范围、单次动作审批、过程查看、撤回与纠错。

沿着这四个条件，可以把产品拆成五个连续维度：

1. 入口：用户在哪里把事情交给它，是聊天应用、手机系统、浏览器、消息软件，还是家庭设备？
2. 上下文：它能获得哪些持续信息，是单次对话、邮件与文档，还是屏幕、位置、设备和长期偏好？
3. 权限：它能读什么、能改什么、哪些动作必须确认？授权是一次性的，还是可以细分到应用和动作？
4. 执行：它能否把任务真正送到终点，并在网站阻挡、登录失效或信息冲突时把问题交还给人？
5. 信任：用户是否看得见它做了什么，能否纠正、撤回、追责，以及是否愿意把更多个人信息长期交给它？

这五个维度不是五项孤立功能，而是一条相互牵制的链。上下文越深，执行越容易贴近个人需求；执行半径越大，权限设计和审计能力越重要。Personal Agent 的产品难点，不是把这五项都拉满，而是在具体场景里找到用户愿意接受的组合。

图：六款产品争夺“默认委托权”的不同路线（原创分析图，不代表厂商定位）

先看它们目前大致处在什么位置：

这张表只能说明产品状态，不能说明真实完成率。厂商页面展示的是设计目标、公开能力和开放范围，不等于每个网站、账户与任务都能稳定跑通。

三 六条路线 它们想成为什么 而不只是能做什么

1 OpenAI dots 把一个 Agent 变成你的 第二身份

OpenAI 在 2026 年 9 月 29 日发布 dots，给出的关键词不是某个单点功能，而是“always-on”。官方介绍称，每个 dot 有自己的云端电脑，其插件生态可连接超过 4000 个应用，并通过 ChatGPT、Slack 和 Teams 与用户协作；目前先从一个 primary dot 开始，未来再扩展为多个 dot。

这个设计的重点，是让同一个 Agent 跨任务、跨渠道保留你的目标、标准和反馈。它不只是“替我完成这次研究”，而是逐渐知道我如何判断证据、怎样写内容、哪些问题需要提前提醒。OpenAI 公开的案例也围绕这种持续关系展开：跟进客户反馈、更新发布资料、随着新数据重跑分析，再把需要人决定的地方提出来。

图：dots 任务与进度界面；来源：OpenAI 官方发布页，2026 年 9 月 29 日

这条路线的优势，是“一个主 Agent”可以降低用户管理多个工具和线程的成本。它更像长期搭档，而不是临时外包平台。

但同样的设计也把信任问题推到了最前面。OpenAI 明确区分了后台的“主动研究”和外部行动：用户不在场时，dot 使用已连接应用做的主动研究被限制为只读；应用权限由用户选择，Custom Rules 可以允许、要求批准或阻止某类动作；改密码等敏感任务仍必须由用户自己完成。官方还提醒，dots 仍可能出错，重要工作需要复核。

从产品角度看，dots 的真正挑战不是能不能再接一个工具，而是用户是否愿意让一个主体积累越来越多的长期上下文。它获得的信任越多，替换成本就越高；一旦判断出错，影响范围也会比单次聊天更大。

2 Meta Muse 从生活事务和交易切进去

Meta Muse 的切口更生活化。它运行在专用的 Muse Secure VM 中，用户可以在 Muse 应用或 WhatsApp 里交代事情。Meta 列出的动作包括发邮件、预订旅行、打开浏览器、填写表单，甚至代表用户进行协商；长任务可以在应用关闭后继续。

如果说 dots 强调“了解你如何工作”，Muse 更像一位生活与交易管家。官方举的例子包括把 Instagram 收藏的食谱转成购物清单，记住朋友的饮食限制，或者在付款时调用 Stripe Link 为 Agent 生成的一次性卡。这里的产品逻辑很直接：用户愿意付费或长期留下，不是因为聊天次数更多，而是因为它替用户完成了原本分散在搜索、比较、沟通和支付中的麻烦动作。

交易也是最难含糊的终点。推荐酒店可以有很多“看起来不错”的答案，真正付款以后，日期、价格、取消规则和责任都落到了现实世界。因此 Muse 会在发送邮件或购买前请求批准，并提供已经做过和计划要做事项的审计记录。用户还可以分别决定邮件只读还是允许代发，随时断开服务。

Muse 于 2026 年 9 月在美国向 iOS、Android 和网页端滚动开放，大部分基础使用免费，高需求用户有订阅计划。Meta 把它称为面向所有人的产品愿景，但当前实际开放仍有地区边界，不能把“为全球数十亿人设计”的表述等同于已经全球可用。

图：Muse Shopping 官方演示静帧；来源：Meta 官方发布，2026 年 9 月 8 日。发布演示不等于独立实测结果。

3 Gemini Spark 把 Google 数据变成调度优势

Google 的筹码不是先造一个陌生入口，而是把 Gemini Spark 放进用户已经存在的数字生活里。Spark 是一个云端 24/7 Agent，深度连接 Gmail、Docs、Slides 等 Workspace 工具，即使电脑关闭或手机锁屏，也能继续处理后台任务。

官方给出的例子很能说明它的方向：每月解析信用卡账单并标出新增订阅；跟踪孩子学校的邮件和截止日期；把邮件与聊天中的会议记录整理成文档，再起草项目启动邮件。到 2026 年 9 月，Google AI 计划更新 又把 Spark 与 Chrome、Google Photos 的连接列为美国 AI Pro 和 Ultra 计划能力。

Spark 的壁垒未必是“点网页按钮”本身，而是它天然站在 Gmail、Calendar、Docs、Chrome 和 Photos 之间。一个 Personal Agent 要做对事情，往往先要回答“用户现在在忙什么、承诺了什么、资料放在哪里”。Google 已经拥有大量答案。

但数据优势不会自动变成授权。Spark 由用户决定是否开启和连接哪些应用，高风险消费和发送邮件前会先询问。它还面临另一个典型问题：Google 生态外的任务，需要依赖更多连接器、MCP 或浏览器操作，稳定性和权限体验未必与原生应用一致。

图：Gemini 与 Spark 官方发布主图；来源：Google 官方发布，2026 年 5 月 19 日。当前开放状态以 9 月计划更新为准。

4 Instinct 最激进的设计 是让 Agent 没有新界面

Instinct 的官网第一句话就把路线说得很清楚：没有新的界面。它连接邮件、消息、屏幕、音频与位置，经过训练去使用手机和电脑，用户可以直接给它发消息或打电话。

这不是简单的“支持语音”。Instinct 希望把 Agent 从一个需要主动打开的目的地，变成日常沟通关系中的一个联系人。它可以跟进用户遗漏的线索，主动打电话或发消息，安排机场用车、预约上门维修。入口一旦消失，Agent 就不再和其他 App 争夺打开频次，而是进入用户本来就在做的动作。

这条路线的产品魅力也正是它的风险。读取屏幕、音频和位置，能够提供最贴近当下的上下文，同时意味着最敏感的一组权限；主动来电和提醒可能减少遗忘，也可能变成高成本打扰。用户什么时候愿意被打断、哪些信息不该形成长期记忆、误操作如何撤回，都需要比“聊天记录可删除”更细的机制。

截至本文截稿，Instinct 官网主要公布了产品定位和案例，没有清晰列出完整地区、订阅层级与普遍开放状态。因此，这里分析的是它所代表的“无新界面”方向，不把官网展示的能力当作所有用户都已可获得的成熟服务。

5 Grok Bot 不是一个全能助手 而是一支会协作的数字员工队伍

xAI 的 Grok Bot 官方文档 把 Bot 描述为可以长期保留的 AI 队友：每个 Bot 有名字、岗位和持续累积的上下文，并在带浏览器、文件系统和终端的云端电脑上工作。用户可以设立不同角色，让多个 Bot 并行执行、互相发消息、共享上下文和交接任务。

它与 dots 的差别不只是“数量更多”。dots 当前强调一个 primary dot 学会用户的整体偏好；Grok Bot 更像组织设计：研究、销售、运营等角色分别积累自己的上下文，稳定流程还能保存为技能并按计划重跑。对跨多个工具、边界清楚、可分工的任务，这种结构能减少用户自己在 Agent 之间搬运信息。

但多 Agent 也会制造新的管理成本。官方文档说明，同一账户下的 Bots 共用一台云端电脑及其文件、浏览器会话和应用登录，而不同 Bot 的对话和学习上下文保持分开。这样的共享有利于交接，也要求用户理解数据边界。网站仍可能阻止自动化、让登录过期或要求人工步骤；草稿发送等动作需要用户批准。

目前 Grok Bot 可运行在 macOS、Windows、Linux、iOS 和 Android，包含在付费 Cursor 个人与团队计划中，也可绑定部分个人 SuperGrok 订阅。它把 Personal Agent 从“一个了解我的人”，推进到“我如何配置一支队伍”。

6 OpenClaw 把 Agent 的所有权当作产品本身

OpenClaw 走的是另一条路：助手运行在用户自己的基础设施上，可以通过常用消息渠道访问，Gateway 作为持续在线的控制层。官方文档将它描述为 local-first、模型无关、可扩展和可自托管的开放系统；用户可以选择模型提供商，也可以采用本地模型方案，让数据留在自己的设备上。

图：OpenClaw 浏览器与控制界面；来源：OpenClaw 官方文档

OpenClaw 竞争的不是最低学习成本，而是所有权。用户能决定系统跑在哪里、使用哪个模型、接入什么渠道、怎样配置多个 Agent 与工具，也能检查和修改系统本身。对于有技术能力、对数据边界敏感，或者不愿被单一云服务锁定的用户，这种可控性本身就是价值。需要注意的是，2026 年 8 月的 v2026.8.1 曾以“OpenClaw 2.0”发布，但截至 10 月 1 日官方版本目录已经出现 v2026.9.6，2.0 不是当前最新版。

代价也很清楚。自托管不会让风险自动消失，它只是把更多责任从厂商转移给使用者：安装、升级、密钥、网络暴露、插件质量、模型成本和备份都需要有人负责。官方文档也建议，外联和广告投放等动作保持人在回路中，先由 Agent 起草，再由人批准。

所以，OpenClaw 不是“大厂产品的免费替代品”。它代表的是另一种交换：用户用配置和维护成本，换取更高的部署自由、模型选择权与数据控制权。

图：六款产品的“上下文深度—执行半径”位置（基于公开定位的分析示意，不代表实测排名）

四 Siri AI 和 Alexa Plus 为什么既在局内 又不完全属于同一类

还有两类产品不能忽略：操作系统里的 Siri AI，以及家庭环境里的 Alexa+。它们可能不完全符合前面“长期云端工作者”的定义，却拥有后来者很难复制的入口。

Apple 在 2026 年 9 月推出的 Siri AI 具备个人上下文理解、屏幕感知和跨系统 App 动作。官方案例中，它能从消息里找到家人提过的活动，从邮件取出食谱，再把配料加入提醒事项；也能根据屏幕内容把比赛日程加入日历。Siri AI 于 2026 年 9 月先以英语 Beta 开始推出，中国不可用，欧盟部分系统首发也不可用。

图：Siri AI 根据个人上下文起草邮件。来源：Apple Newsroom，2026 年 9 月 14 日。

Siri AI 的优势是系统级上下文和动作，不需要用户先决定“我要打开哪个 Agent”。但它目前更像随叫随到的系统助手，和 dots、Spark 那种持续在云端推进长任务的工作方式仍有差异。这个边界提醒我们：Personal Agent 不一定都以独立产品存在，操作系统可能把它吸收成默认能力。

Alexa+ 则占据家庭与环境入口。Amazon 将它定位为下一代生成式 AI 助手，可通过自然对话管理智能家居、预订服务、购物、播放内容和提供个性化建议；目前已在美国和加拿大全面开放，其他多个市场仍处于 Early Access 或分阶段上线。

图：Alexa+ 官方购物场景。来源：Amazon Alexa+ 产品页；不同国家可执行的服务和开放阶段并不相同。

Alexa+ 的核心不是一块屏幕，而是房间里的声音、家庭设备和 Amazon 商业体系。它说明了另一种可能：最常用的 Personal Agent 未必拥有最深的工作上下文，但可能因为“随口就能委托”和可连接现实设备，先占据高频生活任务。

Siri AI 与 Alexa+ 都说明，入口不是引流渠道，而是权限与上下文的来源。控制设备的人，天然更接近用户发生需求的时刻。

五 这场竞争对产品经理真正有用的五个判断

1 不要从 做一个通用 Agent 开始 先找独占上下文

模型和浏览器操作会逐渐成为可采购能力，独特上下文更难复制。邮件、日历、行业系统、设备状态、团队历史和长期偏好，都可能成为 Agent 做对事情的前提。

产品经理需要问的不是“我们也能不能加 Agent”，而是：我们掌握什么别人拿不到、用户又愿意授权的上下文？如果答案只是用户在聊天框里临时输入的一段话，产品很难形成持续优势。

2 权限设计就是核心体验 不是上线前补一页隐私协议

Personal Agent 的价值来自行动，行动必然触碰权限。好的设计不是让用户在第一天勾选一长串范围，而是形成清晰的授权阶梯：先读，后写；先生成草稿，后允许发送；先单次确认，后对稳定规则有限放行。

每次升级权限，都应该让用户看见它解决了什么问题、可能造成什么后果、如何收回。Muse 对邮件区分只读与代发，dots 用规则决定允许、审批或阻止动作，都是把权限变成产品交互，而不是隐藏在设置页里。

3 任务完成 必须有可验证的终点

Agent 最容易制造的错觉，是过程很热闹，结果却停在“差不多”。产品定义完成状态时，需要明确交付物和证据：文件保存在哪里、邮件是否真的发送、订单是否生成、日历是否更新、哪些步骤因网站阻挡没有完成。

对高风险动作，还要区分“已准备”“待批准”“已执行”和“执行失败”。用户需要看到差异，系统也需要据此决定是否重试、撤回或交给人处理。

4 真正要优化的是委托率 而不是对话次数

聊天产品习惯关注打开频次、消息数和停留时间，但 Personal Agent 的价值可能恰好表现为用户少操作。更合适的指标包括：有多少任务被完整委托、多少步骤不需要人工接管、批准前的修改比例、失败后恢复时间，以及用户是否愿意逐步开放更多权限。

不过，“自动化比例越高越好”也不成立。购买、公开发布、删除数据等高后果动作，保留确认可能是信任增长的前提。减少一次确认带来的效率收益，要和误操作成本一起计算。

5 最终形态很可能是 一个总入口 加多个专业 Agent

用户不会愿意同时管理十几个都声称了解自己的总管。更可能的结构是：一个 Agent 负责理解意图、掌握主要上下文和分发任务，多个专业 Agent 在旅行、财务、销售、研究或设备控制中执行。

dots 从一个 primary dot 起步，Grok Bot 直接强调多角色队伍，OpenClaw 提供多 Agent 路由，已经展示了三种不同组织方式。下一阶段的竞争，不只发生在 Agent 与用户之间，也会发生在 Agent 与 Agent 之间：谁拿到总入口，谁负责专业执行，权限和结果如何交接。

六 如果现在要做一款 Personal Agent 先回答这份决策清单

在画界面、接模型之前，团队至少需要把下面的问题写清楚：

1. 用户最愿意交出的第一类任务是什么？它有明确、可验证的终点吗？
2. 我们拥有什么独特上下文？用户为什么愿意持续授权？
3. 产品的自然入口在哪里？用户需要专门打开它，还是能在原有动作中完成委托？
4. 哪些步骤只能读取，哪些可以修改，哪些必须由人确认？
5. 权限能否按应用、数据类型、动作和时间范围拆分，而不是只有“全部允许”？
6. Agent 遇到登录过期、网页阻挡、信息冲突和模型不确定时，怎样把任务交还给用户？
7. 用户如何查看过程、纠正记忆、撤回动作和删除数据？
8. “完成”由什么证据证明？系统是否保留操作记录和结果回执？
9. 如果任务跨多个专业 Agent，谁拥有最终上下文，谁对结果负责？
10. 收费依据是什么：模型消耗、完成任务数量、节省时间，还是更高的权限与服务保障？

这份清单里没有“模型参数多大”。不是模型不重要，而是模型能力越来越强以后，真正拉开产品差距的，会是它能进入什么场景、拿到什么上下文、获得多大授权，以及出了问题能不能让用户安心收回控制。

结语 胜负手是那句 这件事交给你

六款产品正在把 Personal Agent 拉向六个方向：dots 想成为持续理解你的第二身份，Muse 先接生活事务与交易，Gemini Spark 借 Google 数据做数字生活调度，Instinct 让界面消失，Grok Bot 把一个助手扩成数字团队，OpenClaw 则把系统所有权还给用户。

Siri AI 和 Alexa+ 又提醒我们，操作系统、家庭设备和自然入口随时可能改写竞争。没有哪一条路线已经证明自己通吃所有场景，也没有一个官方演示足以证明长期可靠。

但竞争目标已经越来越清楚：真正的胜负，不是谁回答得更像人，而是谁最终获得了用户那句——“这件事交给你。”

一旦这句话从偶尔尝试变成默认习惯，Personal Agent 才真正从一个功能，变成了人与数字世界之间的新一层关系。

主要官方资料

• OpenAI：Introducing dots，2026-09-29
• Meta：Introducing Muse，2026-09-08
• Google：The Gemini app becomes more agentic，2026-05-19
• Google：Fall 2026 AI plan updates，2026-09-09
• Instinct 官网
• xAI：Grok Bot 官方文档，更新于 2026-09-21
• OpenClaw：What is OpenClaw？
• Apple：Siri AI，2026-09-14
• Amazon：Alexa+