我看见的Personal Agent。
做Personal Agent半年,对市面上的Personal Agent也有相当程度的研究,最近因为Mika的爆火,和不少人有交流,也有了一些新的想法,写下此篇文章,记录一下我的一些看法、判断。
1、所有的Agent都是Personal Agent,人人都有自己的Agent。
Personal Agent这个概念,应该是最近几个月才活起来的,大概是因为年初OpenClaw的爆火,让大家看到了新的机会,经过半年的研发,产品陆续发布。
我了解到的不少团队,基本上都是三四月份开始做的,到了9月初,Muse的发布,彻底带火了Personal Agent,一下子很多产品都出来了,大家都想趁着东风把名声打出去。
什么是Personal Agent,无非就是更加的面向C端用户,更加的通用,知道这个人的喜好,主动帮这个人把事干了。
但是如果我们从更加宽泛的视角来看,其实所有的Agent都是Personal Agent,无非是面对的场景和人群不一样罢了。
比如所谓的Coding Agent,无非是面对需要编程的人群的Personal Agent,项目仓库文件装着的就是Agent的上下文和用户喜好。
其他的视频剪辑Agent、办公Agent、绘画Agent,还有一堆其他乱七八糟的Agent,归根结底,都是面对不同场景和人群的Agent。
只要对象是人,那么它就是Personal Agent。
从这个角度来讲,其实2023年就有Personal Agent了,不过当时并没有使用这么通用的叫法,一些名词也比较专业。
但是经过三年多的发展,AI越来越强大,能干的活越来越多,市场增量却未必同等比例的增加,总归是要更多的人加入,不然AI这个游戏玩不下去了,这时候再用一些专业垂直的词汇就不合适了。
宣传的时候如果说你需要一个Coding Agent,你可能三秒就判断出来你不需要,但是如果告诉你你需要一个Personal Agent,你大概会犹豫,你也觉得或许你也需要一个Personal Agent。
本质还是一样,不过是宣传的口径变了,Agent从一小撮人的玩具,变成了一个大部人能接受的概念,只有Personal 这个词,才能撑起AI的市场,让更多的人接受,愿意尝试使用。这本质上是产品与商业叙事的需要。
所以,如果未来市面上只剩下一类Agent,那么一定是Personal Agent,因为所有服务对象为人的Agent,都会归于这个大类,而在这个大类之下,又会细分出无数服务于不同场景、不同人群、更加专业垂直的Agent。
2、AI行业已经从比拼模型能力走到了比拼产品能力的阶段了
23年到26年,大多数情况下,谁的模型能力强,谁能用上更好的模型,那么他的体验就是会比其他家的好,因为在绝对的模型能力面前,大家可以忽略很多用户体验细节的。
但是最近半年,一个很明显的感受是,大多数场景下,模型能力已经过剩了,除了极少数需要极致模型的场景,大多数情况下一般的模型已经够用了。甚至有的时候,能力不是那么强的模型,在某些特定场景下体验反而会更好。
一个比较典型的场景就是Phone Use,三四月份的时候我就接触过这类项目,当时很多开源项目都是在工程上做了极重的优化,才能让AI在手机干活能力稍微顺滑一点。
但是才半年过去,这些工程设计几乎全都失效了,Mika就是极好的例子,它的工程设计极度粗糙,但是因为模型能力的提升,他实际干活的能力非常让人惊艳。
这就引出一个反常识的结论:为每个任务、每个场景设计更好的工具设计和约束,可能本身就是错的,所谓的Harness Engineering,做更好的框架设计,也未必是正确的方向。
也许只需要等待一两个月,模型能力上来了,一切问题迎刃而解。不做过多约束,可能才是更优的解决方案
在大家都上同样顶级的模型时,产品设计就显得至关重要。
Phone use并不是一个新的东西,很早就有了,如果没记错,智谱的AutoGLM是比较早的一批,但是这些Phone Use产品都存在致命的问题。
他们始终是一个面向开发者的工具,C端用户想要用上,门槛其实并不低;此外就是AI用手机的时候,人没办法使用,这是硬伤。
我不太确定为什么早期没人来解决这些问题,亦或者是大家都习惯了,本就如此,连着电脑是必须的,AI用的时候人就不能用手机,习惯了,也就不会认为它是问题,但是这恰恰就是阻止Phone Agent走向C端用户最为关键的问题。
Mika就是为了解决这个问题而出现的。通过无线调试和虚拟屏方案,完美解决上面的两个痛点。结果也证明了我的判断:当这两个问题解决后,体验得到极大提升,Mika的火爆传播也是必然的。
其他场景其实也是类似,当你真正洞察到用户的问题,当你解决了这些真问题之后,你的产品必然是能够得到用户认可的。
3、商业模式是Personal Agent破局的关键,用户认可不代表用户愿意付费
如果你对现在的Personal Agent产品有过一点了解,那么你一定知道现在的这些所谓Personal Agent基本上处于入不敷出的阶段,大家都在烧钱买用户、买市场。
为什么用户不愿意付费,难道是这些Personal Agent没用吗?显然不是,如果没用,那么是不会传播那么广的,但是为什么付费率这么低呢?
其实逻辑并不复杂,用户愿意为0到1付费,也愿意为1到10、100付费,但是非常不愿意为1到1.5、2付费。
糟糕的是,现在所有的Personal Agent,做的都是1到1.4的事。
Personal Agent帮我做的事,我也能做,有的时候他确实做的比我好,但是有的时候我自己干效果也不错,这种情况下,用户是很难产生付费的意愿。
比如打车、点外卖、省钱,这些场景Agent能干,我也能干,他能干的更好吗?也许能、也许不能,但是总归是没办法说服我让我去付费的。
比如写邮件,所谓的Agent自动邮件退订、退款,听起来像那么回事,但是在我看来只是营销噱头,故事而已,这个故事是撑不起用户的付费的。
所谓鸡肋,食之无味,弃之可惜,现在市面上的这些personal agent除了极少部分人的少部分场景,毫无疑问就是鸡肋。
现在的personal agent讲的故事都是通用的故事,通用自然就没法收费。
4、从垂直到通用,最后还是要回归垂直,垂直是小团队的破局之道
Personal Agent这个概念很好,但是光靠这个词,撑不起一个小团队的未来,对外可以宣称是Personal Agent,但是一定是要把产品落在具体的场景和人群上。
前面提到,愿意付费的其实大多数情况下就两种,一种是从无到有,一种是从1到10。
比如现在的Coding Agent,不管大家以前写不写代码,大家都愿意为他付费,为什么?因为他的价值是极度可衡量的,也就付费锚点非常明确。
对于以前不会编程的人来说,AI直接帮他们编程,做出东西,这是0到一,从无到有的体验;
而对于以前就会编程的人来说,AI带来的是十倍百倍的编程效率的提升,这种提升不是一星半点。这两种情况,用户掏钱一般都是愿意的。
那么回到Personal Agent,故事讲的很好,但是对于大多数人来说,Personal Agent并没有带来0到1或者是1到10的体验,既然如此,为何付费。
那是不是Personal Agent的付费场景就不存在了呢?并非如此,同样的Personal Agent,对不不同的人群,带来的体验是完全不一样的。
Mika发布之后,用户群的很多用户案例是出乎我的预料的,这也让我反思出一个比较明确的点:
即使是做Personal Agent,也一定要找到具体的场景和具体的人群,C端用户的泛个人生活场景一定不是标准答案。
找到了更具体的人和场景之后,付费才会发生。
一个简单的例子,同样的打车、点外卖、网购,对于大多数人来说,Agent干和人干区别不大,但是少部分人来说,这是能够极大方便他们生活的。
比如不会这些操作的老年人,行动不便的人,类似这些,Agent干活对于其他人是从1到1.3,而对于他们来说可能就是从0到1.
你必须要找到具体的场景、具体的人群,找到了,你才能回答用户为什么付费这个问题。
5、我们需要那么多“新的AI工具”吗?
用户分享了一个案例,他用Mika来操控剪映去剪辑视频、修图软件去修图、笔记本去画画,我知道Mika能操控APP,但是这些案例给了我极大的反思。
我们真的需要那么多新的AI工具吗?
诚然,对于一些热爱探索的人来说,AI带来的新工具,给他们带来了一些新的体验,新的行为范式;但是对于大多数人来说,这些新工具可能单纯只是一种冗余。
互联网发展了这么多年,其实大多数人的需求,市面上都已经有很成熟的工具了,在这种情况下,我们有必要因为AI的出现而造一个新的工具吗?
对于用户来说,AI用新的工具完成任务,或者是AI操控旧的工具完成了任务,似乎区别不大。
就比如视频剪辑,AI操控我的剪映APP帮我把视频剪辑好和用一款新的AI视频剪辑工具把视频做好,对我来说结果都是一样的,没啥区别,甚至可能因为剪映是更熟悉的软件,我更喜欢前者。
现在的主流思路是:用AI做新的工具去解决用户旧的问题,但是用户旧的问题其实已经有旧的工具来解决了。
如果是没能解决,要么是用户还没发现这个工具,要么发现了,但是限于使用门槛,未能使用和解决,亦或者工具和用户需求没有百分百契合。
既然已经有成熟的工具,单从解决用户问题这个角度来说,造新的工具似乎有点冗余,除非你能提供颠覆性的更好的体验,否则,造新工具只是为了AI而AI。
回到Personal Agent,它或许只需要找到那些特定的场景和人群,给他们带来0到一或者1到十的体验就够了,至于这过程中,他是用新工具还是旧工具完成的,它到底用了几层AI,似乎并不重要。
6、主流的Personal Agent:糟糕的云电脑和云手机
现在主流的方案似乎都很一致,能MCP,数据接口的自然是最好,如果没有的,那么就上云电脑,云浏览器,反正Browser Use来兜底。
不知道云电脑是啥时候的产物,在我的记忆里,它似乎是打游戏用的,云端配置好,连上直接开干,但是万万没想到,到了AI时代,它还成了Personal Agent的标配了。
Grok Bot、Muse、Cue……这些所谓的Personal Agent,不知道为啥非得给用户配个云电脑,跑个browser use,也要云电脑的浏览器上登录个账号,非常糟糕的设计。
Personal Agent应该是一个非常C端的产品吧,但是云电脑是个啥玩意,我这种还算有点计算机基础的,第一次听到云电脑都懵逼了好久,你告诉我这是C端通用产品?啥玩意?
电脑才普及多久啊,有多少人在使用电脑啊?然后云电脑就来了?我对这种方案百分百质疑。
用户可能有数据、有东西要离开本地,但是一定不是云电脑这种形式,至少不是宣传的这种云电脑,原因很简单。
首先就是合规和封控问题,互联网发展了这么多年,各大平台对自动化、隐私安全、反爬的防护已经到了极其严苛的地步,如果是在用户本地电脑,可能还不是那么严重。
直接云电脑,异地登录,IP,各种环境异常特征,很难处理,只要一次封控,用户对云电脑、云浏览器的信任将荡然无存。
还有就是糟糕的交互,把所有复杂的云电脑、浏览器这些东西原封不动地呈现给用户,简直是一场灾难,无法理解。
此外就是需求错配,云电脑的设计初衷似乎是因为Agent需要一个环境来运行,24小时响应,但是C端用户,他们的需求本来就是瞬时的、偶发的,24小时运行的宣传不知道意义何在?
未来必然是会有些东西离开用户的设备,去云端完成计算运行或者存储,但是绝对不是云电脑这种笨重的形式,用户真正需要的,一定是更加轻量、便捷、随叫随到的产品。
7、Personal Agent 会是啥样
现在聊所谓Personal Agent的终局显然略微狂妄,为时过早,但是各位看官可以权当一乐,稚子戏言,看看就好。
观察互联网时代的产品,你会发现这样的一个现象,即使某个产品现在看起来是大而全,似乎是万能的,但是他们在起家时,往往都是在某一个垂直领域做的极好。
美团外卖,高德地图,微信聊天……他们现在的功能可能极其繁杂,但是回溯他们的起点,一定都是有一个极其垂直、极其锐利的杀手锏。
其实我觉得,Agent的演进也应该是这样子。
你总归是要在某方面做的特别好的,而这个点又是人们特别的刚需。因为垂直,才能产生明确的付费场景;因为足够多的人,才有机会扩展边界,变得通用。
前期极度垂直,后期不断探索扩展,逐渐变得通用,即使最后没有做成那个无所不能的超级Personal Agent,只要能解决某类一类人群某一类场景的问题,应该也是很不错的Personal Agent。
8、写到最后
我们谁都不知道最后的Personal Agent是啥样,我们都在探索,我们都在路上。
带着这些思考,我也做了一个未必算Personal Agent的Agent:Mika,极致轻量,没有复杂的云电脑,浏览器,云手机,Mika就是你手机的一个app,它操控的就是你自己手机的app和浏览器。
Mika不去造太多新的工具,它专注于把已经有的工具用好,以前你可能需要花时间去学习适应一款软件;但是现在Mika可以直接操控软件帮你把事干了。还是你最熟悉的app,不过这次它没有上手门槛了。
目前来看,市场反馈应该是很不错的,但是短期的数据并不能说明太多的问题,我们依旧需要去具体的场景和具体的人群里,去寻找真实的答案。
真正的Personal Agent是啥样我们依然不知道,但我无比笃定:必然不是云电脑云手机这种过度封装、极其笨重的方案,那不是终局。
Mika是我的一个探索,一个短期内我认为可能还不错的解法,如果你也在这条路上寻找答案,欢迎来聊聊看。
公众号:王赞



