Personal Agent 竞争进入下半场：交付下限为何比能力上限更关键

Personal Agent 已经悄然跨过早期产品验证阶段，进入新一轮产品竞争。Meta Muse、OpenAI Dots 等产品纷纷把重心从“炫技式 Demo”转向“长期稳定地替用户做事”。然而，身处一线研发的从业者给出的真实评价却是：今天的 AI 依旧不好用。对话里点奶茶、购物看似顺畅，但从能调用工具完成任务，到真正理解用户并稳定完成任务，对产品可靠性的要求完全是另一个量级。差距究竟在哪里？答案或许不在能力的上限，而在交付的下限。

能力上限不等于交付下限

过去一年，Agent 产品不断刷新能力上限：自主完成数十步任务、在后台持续运行数十个小时，这些 Demo 吸引了大量公众关注。但展示能力上限和提高实际任务完成率，是两件完全不同的事情。以订机票为例，用户默认的是“正常任务都能完成”，而不是“在部分网站、部分条件下有较高概率成功”。如果十次任务里有三四次失败，再惊艳的 Demo 也很难转化为高频使用。

反推需求：从真实场景拆解能力

提升交付下限的核心方法，是从真实用户需求出发，反向拆解 Agent 完成任务所需的能力。有团队建立了覆盖 30 多个头部行业的需求透视图，将大量真实需求归纳为不同意图，进一步拆解成 8000 多项原子模型能力要求。例如回答“这家公司值得投资吗”，需要综合财报、公告、实时行情和市场信息，系统会判断每个环节究竟缺数据、缺工具还是缺模型能力，再针对性补齐短板，把整体水位往上抬。

从产业实践看交付可靠性

从多年产业实践经验来看，Agent 落地的关键在于“分工”：能够通过确定性工具或专业 Skill 解决的问题，尽量不要完全依赖模型即兴推理；个人上下文能够提供的信息，不要让模型凭空猜测；模型重点承担理解、规划、推理以及失败后的重新规划。模型与执行框架（Harness）并不是两套独立体系，工具、Skill、记忆都会成为模型决策的一部分。系统需要让模型知道有哪些工具可用、各自适合解决什么问题，同时围绕当前任务检索真正相关的记忆，而不是把全部历史记录和工具说明塞进上下文。实践中，Harness 层优化可以减少约 40% 的 Token 消耗，专业场景中通过封装领域能力可将回复效果提升接近 20%。这种深度耦合，正是提升任务完成率的关键。

记忆体系与主动服务的边界

个性化则更多要在记忆系统上下功夫。真正的难题不是单条记忆能否准确召回，而是什么信息值得成为记忆、按什么粒度记录。传统用户画像先设计年龄、收入、兴趣等字段再填充信息，更合理的做法是反过来：先看用户未来有什么需求，再由任务反推记忆体系结构。例如“退休母亲养老金不高”与“孩子想写网文”两个孤立事件关联起来，可能共同指向家庭经济压力。同时，主动服务是最容易越界的一步：模型判断两件事“有关联”，和用户认为“你现在应该说这件事”是两个标准。支付、订单确认、个人信息修改等高风险操作必须保留用户授权，一个成熟的 Personal Agent，最大的能力之一恰恰是克制。

“把一件事交给 AI 完成”已是明确趋势。在深度用户群体中，Agent 类需求与即时对话需求的比例已达约 1:3，复杂任务的 Token 消耗三个月内增长 1.6 倍。现阶段 Personal Agent 首先要把目标明确、边界清晰的单项任务做好，再逐步连接多个任务与专业 Agent。真正的考验不只是完成更多任务，而是当它越来越了解用户、开始替用户花钱时，用户是否仍然相信它做出的每个选择首先是为了自己。