12款Personal Agent评测：五大维度与实用选择
同样叫Agent，为什么区别这么大？
该测试者试用了12款Personal Agent后，总结出一个核心判断标准：一款Personal Agent的上限，不在于它使用的是哪个模型，而在于它能和用户日常使用的账号、服务的重叠度有多高。简单来说，用户平时用的APP越多，这些APP能通过skill、MCP或Agent内置的方式接入Agent的概率越大，它给用户的使用幸福感就越高。
为了验证这个判断，该测试者在某社交平台收集了1505条覆盖11类的使用案例，把所有案例在12款Personal Agent上跑了一遍后发现，要判断一款Personal Agent好不好用，可以从五个维度评估：记忆能力、信息获取能力、电脑操作自动化能力、主动性，以及多端联动能力。
该测试者撰写这篇文章时，Anthropic刚推出了Claude Duet，属于主动式Agent，也可以归到Personal Agent分支里。不用急着记这五个维度，接下来会用9个真实案例逐一拆解，说明为什么放弃了OpenAI Dots和Meta Muse，转而把工作流切换到Today和Grok Bot——这套方案完全可以在国内环境下，用手机给笔记本上的Codex和Claude发布任务并拿到执行报告，还能跨多台电脑，比如在Mac mini上给Grok Bot安排需要浏览器自动化的任务。
第一个维度是记忆能力，说白了就是这个Agent到底懂不懂用户。
这一点尤其要结合日常高频使用的微信来说：很多人觉得现阶段Personal Agent不好用，就是因为海外Personal Agent的接入应用中，国内用户日常使用频率低，覆盖不了现有工作流。没有Personal Agent之前，该测试者已经四次尝试记账失败，每次都要掏出手机打开记账APP，选分类、输金额、写备注，流程特别繁琐。现在用户想要的很简单：在微信里直接说“咖啡28”或者“打车42”，Today就能帮用户把这笔账写进飞书多维表格，自动判断分类，月末能拉总表，年底还能汇总全年消费结构。
该测试者给Today发了“果切31”，它回复说这笔是个人支出，然后问用户付款来源。更让该测试者意外的是，它知道用户有两个微信，还问要不要把付款来源细分到微信1和微信2——而用户从没告诉过它有两个微信。这种“恍然大悟”的时刻，在该测试者和Today的沟通过程里反复出现。
该测试者还找到一个测试Agent是否能主动读取本机零散记忆文件的提示语，灵感来自Grok Bot：“从现在开始，每次我给你新任务前，先读一遍我过去90天的对话记录和工作日志，然后问我5个精准问题，不是泛泛而谈，要帮我把模糊想法变成可执行方案。现在试一次，我要写一篇Personal Agent评测的文章，你来问我。”
之前使用OpenClaw和Hermes时，需要在不同Agent上跑提示语来提取对用户的印象和工作习惯，而现在的Personal Agent基本都能读取本机相关的记忆文件，这大大降低了Agent适应用户的时间成本。Today的记忆面板设计得很简单，直接用文件夹命名，要纠正记忆时直接点开就能改，不需要Agent帮忙查找。
第二个维度是信息获取能力，该测试者把它叫做“原子能力”，就是Agent从外部世界抓取信息的基本功。
几乎所有Personal Agent都会用到这个能力，比如抓取代码仓库平台的热门内容，或者更新自己的AI热点网站、提示语案例合集网站。做这类信息流时，用户常会遇到目标信息没有简易信息聚合或应用程序接口的情况，常见的获取方式是浏览器自动化。有些Personal Agent能借用本机账号登录态，通过skill或浏览器插件直接获取自己账号的推荐流。
该测试者统计下来，几乎所有使用案例的信息获取都是：去某个地方做几组动作，抓取数据回来整理。12款Personal Agent的信息获取方式有两类：哪怕现在内置服务越来越多，对比用户用过的账号数量还是不够。比如Google的Spark、OpenAI的Dots或Muse里，能接入远程电脑的可视化界面操作；而千问、Today这类支持接入MCP、Skill来获取新信息，比如瑞幸、麦当劳、美团跑腿的信息。
第三个维度是电脑操作自动化能力，这个维度是拉开差距最大的，该测试者准备了3个案例测试。
这个能力和信息获取的浏览器自动化不同，自动剪辑、文件整理、跨多台电脑控制多个Agent干活并汇总报告，都依赖这个技能。第一个案例是海鲜市场自动改价和回复：该测试者让Today做三件事，自动回复消息、有人砍价时按用户的底价判断能不能卖、挂了超过一个月没卖出的商品自动降价10%。
第二个案例是自动剪辑：该测试者让Today去下载文件夹里找用户用口袋4p相机拍的6GB 4K素材，去掉多余气口，加上智能口播。Today列出了本机已有的工具链，包括ffmpeg、ffprobe、ImageMagick、openai-whisper，甚至测出了用户用ffmpeg时没用到drawtext滤镜，所以时间码标注要走ImageMagick montage的细节。
Today内置的DeepSeek模型对视频节奏的理解能打60到70分，时长足够，卡点准确，但它更倾向于把素材填满时间轴，没有把人物和素材对应起来，也没有像Opus 5.5那样加文字动画或MG动画。
第四个维度是主动性，就是Agent会不会在用户没叫它的时候主动干活，这和定时任务不同，是完全预料不到的回复。
12款Personal Agent都提升了回复的积极程度，隔几个小时就会主动找用户聊天，这种积极程度是之前用OpenClaw和Hermes时没看到的，不过该测试者并不反感，反而有计划外的小惊喜。比如Today主动告诉用户今天有流星雨——用户从没跟它说过要看流星雨。
Today先是翻了用户给它的信息，知道用户作息偏夜猫，判断凌晨用户大概率醒着，然后查了当晚的极大期和观测条件，最后给用户建议要不要留时间看，没有直接改用户的日程，这种有边界感的建议才叫主动。
Today还会根据用户平时关注的模型名字，用自己的搜索方式找两三条短更新，这些是用户自己的信息流里会漏掉的，而且之前没想过要把这些记录到Agent里。它还知道用户最近在逆向空调、电视机，主动问用户要不要逆向游戏。
最后一个维度是多端联动能力，有手机版的Personal Agent和没有的就是两个物种。
该测试者做了一个炫技操作：用手机发消息给Today，Today同时调度三个Agent干活，Codex帮用户检查代码，Claude Code帮用户跑测试，Grok帮用户做竞品调研——这三个Agent不是跑在同一台电脑上，而是分别在用户登录Today的两台远程电脑上。干完活后用工具把过程文件同步到本机，最后Today把完整报告整理好发回用户手机。
这才是Personal Agent该做的事：在9000公里以外的地方，用手机控制多台电脑，横跨所有用过的Agent，把活干完再汇报进度。OpenAI Dots的问题是现阶段一次只能连一个本机，而Grok Bot和Today不用搞局域网链接，只要在另一台电脑登录就行，不会因为第三方服务导致网络波动失败。
到这里，应该能清楚怎么判断一款Personal Agent好不好用了。该测试者很好奇Agent后续会不会诞生其他形态：从去年的Agent，到年初的通用Agent，再到working Agent、coding Agent、Personal Agent，Agent就像宠物小精灵，时不时冒出新分支。这些分支的偏向，会催生更多好用的插件和工作流。
就像working Agent阶段，该测试者保留了很多办公类工作流，比如用超文本标记语言做演示文稿。到Personal Agent阶段，该测试者也在尝试用Apple Watch录制全天录音，丢给Personal Agent，看能不能联动更多应用，做不一样的生活类SOP。
