作者｜Yoky
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
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。
1
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。
1
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。
1
4、HanaAgent / OpenHanako
