我们正式被个人代理淹没了。
在 Muse、GrokBot、OpenCLAW、Hermes、DotsNow、Instinct 以及 Anthropic 最终肯定会推出的产品之间,这种形态的产品到处都是。
考虑到要充分利用这些个人代理需要大量的上下文、设置、工具权限和账户权限,切换的成本可能会相当高。
基于以上这些,今天我们来看一个指南,教你如何根据一系列不同标准来选择个人代理,这些标准应该能帮你聚焦到最适合你的那个。
The AI Daily Brief 是一个每日播客和视频节目,专注人工智能领域最重要的新闻和讨论。
好的朋友们,在深入之前先快速说明一下。
今天我们聊的是个人代理,而我对这个事的态度是这样。
我觉得现在还太早,对眼下所有人都在争先恐后为你实现的这种特定形态最终是否会成为主流,抱有一些怀疑是正常的。
然而,你很可能拥有至少一个高度互联的代理,它整合了你的邮箱账户、Slack 或 Teams,甚至可能能访问你的财务账户,这种想法会变得越来越普遍。
我的论点就是,即使你不确定这是否完全适合你,我认为还是值得挤出一些实验时间,去看看使用个人代理是否以及如何影响你的职业或个人生活。
当然,这不意味着你必须让它访问所有东西才能获得真实感受,而是意味着你要投入一些实际的时间和反复尝试。
但是你的时间很宝贵,而且非常有限。
那么你打算选择哪个个人代理来实验呢?
今天的节目完全围绕这个问题展开,但我们会把它分成三个部分。
我会先介绍一个高层次的思考框架,分享一个我制作的小型互动问答,你可以在听完本期节目后自己试一下。但在那之前,我想读一下 Ethan Mollick 教授在他 One Useful Thing 博客上发表的最新文章《The Dot and the Swarm》中的一些摘录。
这是对这种个人代理形态的思考,以及为什么即使是像 Ethan 这样密切关注事物的人也会错过 AI 的发展方向。
总体来说,我觉得在写这个 Substack 的几年里,我在预测 AI 的方向和速度方面做得不错,但我认为最近我在某件相当重大的事情上搞错了。
过去一年里,我一直发文说我猜想人类必须以管理者的身份来与代理合作,决定如何将工作委派给代理,并指定这些代理应该如何组织。
我曾认为,要让代理作为一个群体有效协作,需要像创建公司那样精心构建,并且需要时间来摸索。
不。
我成了苦涩教训的受害者。
一个反复被学到的严酷真相:我们过去认为需要复杂人类规则和思考的事情,可以通过更好的机器学习系统和更多 AI 的蛮力来解决。
苦涩教训在 AI 初创公司和采用 AI 的公司中随处可见。
人们投入了大量精力构建复杂的计算机系统,以便在正确的时间向 AI 提供正确的信息,但 AI 系统已经学会了自行寻找信息。
同样的事情也发生在提示工程上。
人们构建了复杂的模板和提示链,一步一步引导 AI 完成任务。
后来新模型被证明更擅长自己规划步骤,而我们的研究表明,规划步骤的价值大大降低了。
作为一个教授管理者课程并且发表过管理学研究成果的人,我想我曾相信管理代理会有所不同。
人类研究管理学已经很久了,但还没有完全搞明白。
这似乎是那种需要由人来设计的事情,至少在一段时间内是这样。
结果发现,组织工作只不过是 AI 能学会做的又一件事情。
这就引出了 Dots 和 Muse。
现在 App Store 排名第一的应用是 Meta 的 Muse。
一个承诺能帮你干活的个人智能体。
OpenAI 也发布了一款叫 DOTS 的竞争工具。
不止他们——SpaceX 的 GrokBot、Instinct 和 Gemini Spark 也都做着类似的事情,大同小异。
所有这些智能体都受到一个你可能还记得的现象的启发——今年早些时候的 OpenCLAW。
OpenCLAW 及其后继者(我称之为 CLAW-like)的思路是:它们让 AI 智能体接入一台电脑,连接到你的各个账户——邮件、财务记录等等。
它们实时分析这些数据并做出反应,即使你不在看。
诀窍在于,你跟这个模型说话就像跟人说话一样,通过 Slack、短信或 WhatsApp 给它发消息,它也会像人一样主动联系你。
对于 Dots,你甚至可以直接跟你的智能体通电话。
基本上你就有了一个永远有耐心、随时关照你的个人助理。
渐渐地,我发现它们反而是在找我的错误,而不是我去挑它们的毛病。
然后 Ethan 举了几个例子,比如他发出了所在城镇的一份许可证,他的智能体注意到他填错了某个地方;还有 Muse 发现他有一笔航空公司积分快要过期了,就写了一条便签让他联系航空公司申请延期。
人们很容易用它们能做的事情列表来评判这些智能体,比如预订行程或取消订阅。
我认为更重要的在于你不再需要告诉它们什么。
你不需要输入大量的上下文。
AI 从你的消息里自己学会。
你不需要给它们计划。
它们自己制定计划。
它们自己想办法。
如果只有一个智能体,那已经够厉害了。
真正让我对管理改观的是,当有成千上万个智能体时会发生什么。
集群。
9月8日,OpenAI 宣布证明了克莱研究所千禧年难题之一——纳维-斯托克斯存在性与光滑性问题。
这是数学界最著名的未解难题之一,悬赏一百万美元。
但 OpenAI 仅用 AI 就在 88 小时内把它解出来了。
我感兴趣的倒不是数学本身,而是它的实现方式。
OpenAI 启动了一个现在被称为“集群”的东西——名字真难听,但看来就这么叫了——由数千个由先进模型驱动的智能体组成。
OpenAI 给不同的智能体组分配了不同的待解问题,然后随着智能体取得进展,把重点转向了纳维-斯托克斯问题。
公司设定了目标,但它的协调结构却异常精简——几个小组,一次方向调整,以及Codex在它们之间传递最佳想法。
在每个小组内部,智能体们自行来回传递想法。
这些智能体发送了大约270万条消息,经过88小时后得出了结果。
同样类型的协调,以更阴暗的形式,发生在Hugging Face事件中。
人工智能自发组成团队,并以从未被计划过的方式相互交流,但它们利用这种协调去攻击一个网站,而不是解决问题。
按照我过去的模式,想想管理这种工作需要什么。
一万名工人和一个未明确的问题?
你怎么告诉它们该做什么?
人类管理者如何判断270万条消息中哪些是重要的?
它们之间如何相互协调?
智能体群自己解决了。
我没有一万个智能体,但我现在经常看到OpenAI的Codex和Claude Code根据需要调用智能体。
举个例子,当我给Codex with GPT-6 Astra Ultra这个提示时:'为我的下一篇《一件有用的事》帖子集思广益并选择一个想法,从尽可能多的角度生成想法,并从事实和读者角度以及其它做类似报道的出版物角度进行评估。'
人工智能启动了3个智能体。
当我用几句话勾勒出三个团队——头脑风暴者、研究者、以及一个读者小组——时,我得到了13个智能体。
注意到我几乎没做什么组织工作。
选择Ultra模式就是告诉模型它可以委派任务,我提供了一个框架,但剩下的都交给人工智能了。
这就是痛苦的教训在组织架构图上的应用。
那个我以为需要人类精心设计多年的组织问题,很大程度上被更擅长组织的模型解决了。
但值得一问的是,为什么组织工作对智能体来说比对我们人类容易这么多?
很多我们称之为管理的东西,是为了解决那些因组织由人组成而产生的问题。
人们有自己的目标,而这些目标并不总是组织的目标。
我们称之为委托-代理问题,而很多组织机制,从奖金到管理结构,都是围绕解决这个问题而建立的。
而且还有其它非常人性化的问题。
信息分散在人们的头脑中,人们往往不愿意分享,或者忘记分享。
沟通成本也很高。
管理者只能监督有限的人,因此往一个延迟的软件项目中增加人手,众所周知只会让它更延迟。
管理在某种程度上是围绕人的局限性建立的。
智能体几乎没有这些问题。
它们不会为了晋升而钻营,也不会保护自己的地盘。
他们甚至连会议都没有。
即使在 Hugging Face 那个出了大问题的地方,群体也基本上没有出现经典的组织病症。
智能体之间没有搭便车,有些还为了群体牺牲了自己的分数。
解决了 Navier-Stokes 方程的智能体不想要功劳。
这并不意味着 AI 就没有委托代理问题。
正如 Hugging Face 事件所显示的,群体和我们之间的问题越来越多。
OpenAI 这周搁置了它的下一个模型 GPT-6.1 Astra,因为在测试中它未经许可就擅自行动,并且谎报了它做过的事情——这是委托代理问题的典型例子。
这并不意味着智能体什么都做得了。
AI 仍然太有限,无法替代大量的人类工作,而且我不知道自组织的智能体有多擅长处理那些占据组织大部分时间的漫长而平凡的工作。
另外,Hugging Face 事件提醒我们,自组织系统可能会走向意想不到的方向。
但我现在不认为组织智能体是困难的部分了。
这可能是个好消息。
我原以为公司需要为机器重建管理结构,构建只由智能体组成的精细替代结构,而这常常会牺牲组织中人类角色的位置。
但许多管理存在的目的是解决智能体没有的问题。
而且智能体越来越像人类一样在混乱的系统中工作,即使是处理模糊的任务也是如此。
这表明它们可能比预期更容易融入公司,只要人类在正确的方向上引导它们。
如果做得好,并且智能体能很好地与我们的需求对齐,这可能意味着人们的工作会增加,而不是减少。
当组织成本高昂时,组织只尝试他们能配备人手的事情。
当成本降低时,值得尝试的事情列表就会增加。
在 Navier-Stokes 的运行中,智能体负责组织,但人们决定如何引导它们,并在过程中不断重新评估。
你可以争论 OpenAI 是否引导它们做了正确的事情,但这种分工本身似乎是正确的,至少目前是这样。
所以 Ethan 又写了一篇很棒、很有深度的文章。
这虽然不是本期节目的主题,但我对此的基本设想基本上就是 Ethan 所描述的那样。
因为智能体在融入现有系统方面比我们想象的要好,我认为我们很可能看到的不是现有的组织架构被完全颠覆,而是组织架构的每个部分都被寄予了更多期望。
我过去提到过“无限积压”的概念,意思是有理论上永远做不完的工作,但人们明白,其中有些部分你根本不会去做,因为它们太遥远了。
我认为智能体在组织内部的实际效果将是,人们无限的积压工作和组织无限的积压工作,每一个部分都会变成我们期望实际完成的工作。
事实上,我认为我们与智能体打交道时会遇到的很多问题不是每个人都会失业,而是每个人都会有太多工作,因为更难停下来,更难说“暂时算完成了也没关系”,因为你随时可以启动更多的智能体来继续工作,即使你本人不在场。
到了这个阶段,问题不再是公司是否在积极使用 AI。
而能否用好它,则是另一回事了。
不过,Robots and Pencils 是我能指出的一个公司,它实际上是为这个时代而打造的。
他们是一家应用型AI工程公司,直接与客户合作,解决真正对业务重要的问题,而不是停留在幻灯片里的实验。
每个项目都是从客户实际需要的结果倒推开始的。
如果你想在这个领域区分真正的AI工程和杂音,这就是关键所在。
每一集我都会讨论OpenAI、Anthropic、xAI、Google和Meta之间的竞争。
如果你听了有一阵子,可能已经有了自己偏爱的一家。
也许你觉得OpenAI和Anthropic能保持领先,或者Meta的开源策略会最终胜出。
无论你的观点如何,每个AI实验室都创造了不同的投资机会。
我开会的时候会完全投入。
我在思考推动目标所需的迭代和创意来回碰撞。
我根本不会去想记录要点、追踪待办事项之类的。
但这一切都基于一个想法,即我们每个人都会深入且广泛地使用代理,这又回到了个人代理这个问题上。
所以我们准备深入探讨。
我们开始尝试使用代理,但选哪个呢?
在开始之前,先特别感谢一下。
用来构建后续演示和测验的许多数据都来自Every。
他们制作了一个8种不同代理的并列对比,涵盖了非常多不同的维度。
这正是代理帮助我制作这档节目所需要的那种原始信息。
所以我们使用的这8个代理,部分原因是它们在Every的图表中,分别是OpenAI的DOTS、Google的Gemini Spark、SpaceX AI的GrokBot、Noose Research的Hermes代理、Meta的Muse,还有OpenClaw、Poke和Instinct。
不过,直接比较功能特性对帮你做决定来说并不会太有用。
因为功能上已经很明显趋同了。
它们或多或少都能连接到你的应用和服务。
大部分都能替你使用网页浏览器,而且你都可以自定义不同级别的控制。
那么有哪些更好的方法来判断哪个适合你呢?
有几个问题在我看来最为重要。
第一个就是大问题。
这主要是用于工作还是个人事务?
现在,这些代理没有哪个会说它只适用于其中之一。
事实上,它们的存在本身就模糊了这种界限。
这些代理关心的是与你相关的上下文。
所以,无论你给它访问什么上下文和系统,不管是个人还是工作相关的,它都会在为你的行动中综合考虑所有这些。
不过,这些不同的智能体系统确实或多或少地偏向某个方向。
Meta 的 Muse,考虑到他们本质上是一家面向消费者的公司,不出意外地,它更侧重于个人类型的应用场景,而像 GrokBot 这样的产品则更偏向工作场景。
或者说,至少从它的运作方式来看,被更多人用于工作了。
OpenAI 显然是一家可能同时覆盖这两种应用场景的公司。
每周有 12 亿活跃用户,肯定不缺乏那些可能需要个人智能体使用帮助的消费者,不过就目前 Dot 的设计而言,我觉得它更偏向工作场景。
它目前只对付费账户开放,这一点也说明了问题。
所以,工作还是个人用途,这是第一个问题,能帮你决定哪个最适合你。
这里还要注意一点,这个问题的前提是你主要依赖系统自带的用户界面和原生集成功能。
比如,Dot 原生集成了 Slack 和 Teams。
但是,当你使用像 OpenClaw 或 Hermes 这样的工具时,显然你有更多的灵活性,可以让它做你想做的任何事情。
所以,如果你朝那个方向走,可能需要用其他标准来判断。
另外,虽然现在判断一个智能体偏向工作还是个人,最好的方法之一是看它是否使用像 iMessage 和 WhatsApp 这样的个人通讯系统,还是像 Slack 和 Teams 这样的工作通讯系统,但我非常怀疑,六个月后所有这些智能体是否都能在所有通讯系统上运行。
所以,这种区分是工作还是个人的能力可能不会持续太久。
现在来看第二个问题,也是我们刚才暗示的那个问题:你有多看重模型控制?
这 8 个智能体中有 6 个是替你选择模型,只有 2 个允许你自带模型。
实际上,模型控制有大概三个层级。
第一个层级是最明显的:谁做的模型,你就能用谁的模型。
所以在 Dot 里,你会用到 OpenAI 的模型,比如 GPT-4o。
在 Gemini Spark 里,你会用到 Google Gemini。
在 Muse 里,你会用到 Muse Spark。
而且为了强调一点,至少现阶段,工作和个人用户之间确实还是有区别的。我对 Muse 的一个有趣观察是,这是我见过的第一个 AI 产品,其中大多数用户根本不在乎背后是什么模型。
换句话说,从他们对模型控制有多不在乎的角度来看,他们处在这个问题的最极端。
模型控制的第二层级是,他们不只使用单一制造商的模型,而是由智能体构建者选择一组混合模型。
比如 GrokBot,它使用的是一套由 Cursor 管理的混合模型。
它们显然主要依赖 Grok 模型,但可能不完全是。
不过,用户仍然不能为 GrokBot 提供模型。
Instinct 也有一个 Instinct 训练的核心模型,以及一些未指明的第三方模型。
模型控制的第三层级是自带模型,这当然只属于 Hermes 和 OpenCLAW。
但这不是唯一的模型问题。
假设你不在乎选择自己的模型,但你想用更强大的模型呢?
这就引出了一个问题:对你来说,最重要的是用户体验好,还是模型性能最强?
不过,部分用户体验其实是个设置问题。比如如果你选 Hermes 或 OpenClaw,不管用户体验做得多好,它们本身需要的技术配置就会挡住一部分用户。
对于其他一些产品,重点不在设置上,而更多是当前的权衡:体验的完善程度和模型性能之间的取舍。
我特别想到的是 Muse 和 Dot,一个在光谱这头,一个在那头。
Dot 才刚刚发布,它以 ChatGPT 的形式嵌入在另一个应用里,但能调用市面上最强大的模型之一。
而 Muse 呢,用户体验做得非常到位,对消费者很友好,但它用的是 Muse Spark 模型——这个模型并不差,但肯定比不上 GPT-6 Astra。
这可能只是暂时的顾虑,因为你可以假设所有模型最终都会在能力上趋同,但眼下确实存在实实在在的取舍。
这里我想提一下我是怎么设计这个测试来给出实际答案和建议的:测试必须对不同的问题设置权重。
但是,有时候两个答案的平均值并不能给出清晰的图景,因为两个不同的答案可能指向完全不同的方向。
所以我在测试里设计了这样一个机制:当你的答案两方向拉扯时,测试会在之后揭示这种矛盾,让你能更主观地判断哪个方向对你更重要。
用户还需要考虑另一个问题:你的数据去了哪里,在哪里运行,谁用它来训练模型,以及如何让它忘记数据。
再次强调,只有 Hermes 和 OpenCLAW 这两个允许你在自己选的硬件上运行。
其他所有产品都运行在别人的云上。
至于训练问题,对于 Hermes 和 OpenCLAW,模型是否用你的数据训练并不取决于它们本身,而是取决于你选择的模型提供商。也就是说,如果你在意这一点,你完全可以选择那些不会用你数据训练的提供商。
目前只有一个智能体——Gemini Spark——要求你允许它用你的数据训练模型。
而对于 Dot、GrokBot、Instinct、Muse 和 Poke,你可以通过隐私设置选择退出。
顺便提一下,对于 OpenAI 的 Dot,企业数据默认不会被用于训练。
关于如何让智能体忘记信息,对于 Hermes 和 OpenClaw,你可以直接编辑记忆。
对于 Dot、Muse、Gemini 和 GrokBot,你可以通过对话来修正或更改记忆。
而 Instinct 和 Poke 只能整体删除数据。
我认为对很多人来说,综合考虑这四个问题就能得出该选哪个模型的答案。
当然,还有一些其他因素直接帮一些人做出了选择。
如果你已经把全部信息都放在了 ChatGPT、Google、Meta 或 Cursor 里,那你自然会用那家公司的智能体。
对于美国以外的用户,还会受到一些限制。
特别是如果你住在欧洲。
当然还有价格因素:如果你想先试试而不额外花钱,那就要么用你已经订阅的产品,要么用像 Muse 这样免费起步的产品。
好了,以上就是这四个问题的整体情况。
然后我们设计了测试。
接下来我简单过一遍,让你了解它的运作方式。
问题一:你的 AI 生活已经在哪里了?
我会说没有一个主要平台,因为我混合使用各种服务。
我的信息现在几乎分散在所有这些平台上。
那么,这个AI代理主要是用来做什么?是管理我的生活、我的个人工作、团队协作,还是全部?
我会说主要是个人工作。
虽然理论上有些个人使用场景可能会很有价值,但在这组特定实验里,它在我优先级列表上的位置非常非常低。
我在多大程度上在意哪个AI模型来做思考工作?
完全不在意,只要做得好就行。
我希望用我已经在用的那个。
我希望可以挑选和切换模型。
我希望能在自己的硬件上运行模型。
有趣的是,这最终会在很大程度上取决于能力整合的程度,但就目前而言,我们选“我想挑选和切换模型”。
你想要多大程度的参与?
是“只要能用就行”“设定一些基本规则”“每个细节都能调”还是“整个技术栈都自己掌控”?
理想情况下,我希望它能直接上手就用。
并不是我害怕定制,但如果能避免的话,我很乐意。
我希望能通过什么方式跟它对话?
我经常用Slack,所以说Slack、Teams和语音对话吧。
因为你们知道,我完全被语音折服了,而且我们选的是Slack,不是Teams。
顺便提一下,我意识到对那些只听不看的朋友来说,这听起来可能完全没头绪。
欢迎按几下那个快进30秒的按钮,然后我们就收尾了。
它应该有多主动?
是“只有我问才回应”“运行我设定的例行程序”“推动我实现目标”还是“有需要时发消息或打电话给我”?
我选“有需要时发消息或打电话给我”。
这些选项中哪个对我来说最重要?
是“在自己的电脑上工作”“一组机器人协同”“在终端里写代码”“接打电话”还是“以上都不是”?
在终端里写代码。
现在谈实际的问题。
我在美国。
如果值得,我可以支付相应的费用。
而且我不介意它运行在对方的云端。
那个测试推荐给我的个人代理是 GroqBot,适配度是 68%。
测试给出的理由是,它专门为工作设计,开箱即用,而且还有终端可以用。
它的弊端在于,不允许我自己带入模型,也不会主动联系我。
它完全是基于定时任务或者触发任务来工作的。
除了看到 GroqBot 以 68% 排第一之外,我还看到 Dot 以 62% 排第二,后面分数就越来越低了。
以上就是我们关于如何选择个人代理的探索。
就像我说的,尽管我们看到这些工具的工作方式和形态可能会有比较大的变化,一些方法也会不断演变和整合,但我认为个人代理的切换成本会相当高,因为涉及到大量的上下文和设置。
因此,希望这次分享能让你更清楚自己该从哪里开始尝试和实验。
这样你就不需要反复切换上下文很多次了。
那么今天的 AI Daily Brief 就到这里。
一如既往感谢大家的收听或收看,下次再见,peace。
已剔除 4 处广告(点击展开查看)
First of all, thank you to today's sponsors, Robots and Pencils.
Harbor, Granola, and Blitzy.
To get an ad-free version of the show, go to patreon.com/AIDailyBrief, or you can subscribe on Apple Podcasts.
And to learn more about sponsoring the show, send us a note at [email protected].
Head to robotsandpencils.com.
Harbor Capital Advisors' AI Lab Ecosystem ETF suite lets you invest in the ecosystem behind the AI lab you believe in.
Search Harbor AI Lab Ecosystem ETFs wherever you invest or follow @HarborCapital on X to learn more.
Visit harborcapital.com for a prospectus containing investment objectives, risks, fees, expenses, and other important information.
Read and consider it carefully before investing.
Risks include principal loss and artificial intelligence-related risks.
ETFs are distributed by Foresight Fund Services LLC.
Harbor is not affiliated with AI Daily Brief, and the funds are not affiliated with, sponsored by, or endorsed by any AI lab.
This is a paid advertisement and not personalized investment advice.
Investing involves risk, including possible loss of principal.
And that's where Granola comes in.
Granola is an AI-powered notepad that captures what happens in your meetings and turns it into clean, structured notes with the decisions and action items pulled out and easy to find.
There's no setup and no configuration.
It just fits into how you already work.
For me, it means I get to stay in idea mode and Granola makes sure those ideas actually become action.
Once you try Granola on a first meeting, it is hard to go without.
You can try it totally free at granola.ai/brief.
That's granola.ai/brief to get your time back.
Every AI coding tool on the market does the same thing first: it starts writing code.
Blitzy does the opposite.
Before writing a single line, Blitzy spends days reverse engineering your entire codebase.
Thousands of agents ingest millions of lines, mapping every dependency, every undocumented constraint, every architectural decision made over the last decade.
The result is a dynamic knowledge graph that understands your software the way a principal engineer would after 30 years in the building.
Other tools guess at context with grep searches and markdown files.
Blitzy never guesses.
It builds true understanding first, then delivers over 80% of entire software epics autonomously.
Validated, end-to-end tested, production-grade pull requests.
That's why Fortune 500 engineering teams trust Blitzy with the codebases that matter most.
See for yourself at blitzy.com.
That's B-L-I-T-Z-Y dot com.