最近一段时间，Personal AI 又开始变得热闹。
Meta 推出的个人 AI 助手 Muse，希望帮助用户处理日程、购物和社交等日常事务，也可以在获得授权后调用不同的个人信息。Instinct 把这件事往前推了一步：用户只需要发一条消息，它可以进一步去预约、购物、处理邮件，完成现实世界里的任务。
前豆包 PC 端负责人齐俊元创业做的 Today AI，也把长期记忆放到了产品很重要的位置。它希望围绕一个人持续运行，感知状态、保留上下文，再调用不同工具执行任务。
这几类产品走的是一条很自然的路线：AI 越来越能操作电脑，也越来越能使用工具，那么下一步就是让它知道更多关于你的事情。日历、邮件、浏览记录、文件、聊天记录，接得越多，它越有机会成为那个真正属于你的 AI。
但 Personal AI 有一个很朴素的问题，这些东西还解决不了。
它知道你下周三下午三点有一个会，不代表它知道你为什么不想去；它读过你和一个人的十封邮件，也未必知道你到底信不信任这个人。真正影响一个人判断的很多东西——关系、情绪、犹豫、偏好——并不会整整齐齐地躺在日历或者邮箱里。
更麻烦的是，这些东西很难靠一张 onboarding 问卷得到。
一个刚安装的 AI 问你：“请介绍一下自己。”大概很少有人会认真告诉它：我最近和谁关系不好，为什么想换工作，我其实很在意钱但又不愿意承认，碰到冲突时通常会逃避。
AI 陪伴最麻烦的问题，也许不是怎么记住你，而是你为什么愿意一开始就跟它说那么多。
这也是 Ora-Orb 选择了一条看起来颇为“奇怪”的路线的原因。
他们先做占卜。
占卜
Ora-Orb 是前飞书高管、蓝湖/MasterGo CMO 孙峰创办的 AI 公司。简单说，他们把一个 AI 占卜师放进了一颗真正的水晶球里：用户可以问每日运势、抽塔罗、解梦，再围绕结果继续聊天。
（插入视频号：https://mp.weixin.qq.com/s/baJHI5Mn3qSXlqw8N78MRw）
2025 年 8 月，孙峰和团队开始研究这个方向。最初的方案甚至没有硬件，只是一款软件。孙峰过去几年做的几乎都是效率工具，在飞书和蓝湖/MasterGo 之前，他还做过游戏、电商等业务，所以创业最早讨论的其实也是 AI 会议、AI 文档、AI 设计。
团队最后没有继续做这类产品。
孙峰的判断是，AI 效率产品越来越依赖两件东西：一端是足够强的模型，另一端是现实工作场景里的数据和分发。对于一家刚成立的创业公司，这两项都不算舒服的起点。于是他们把问题换成了：如果真正大的消费级机会是 Personal AI，一个 AI 到底怎样才能真正理解一个人？
这也是 Ora-Orb 最值得讨论的地方。
今天很多陪伴产品已经有长期记忆。“越用越懂你”甚至快变成一句标准产品文案了。问题在“越用”之前：为什么用户要用？第一次打开以后，到底和它说什么？
大部分陪伴产品把这个问题留给了一个开放的聊天框。用户先认识角色，再花很多次对话慢慢建立关系，关系建立以后，AI 才逐渐知道这个人的事情。
Ora-Orb 把这个顺序反了过来。
据孙峰分享，占卜的用户通常不是来“聊天”的，他一开始就有一个问题：“我要不要换工作？”“他还会不会联系我？”“这两个人我应该选谁？”甚至，“我今天上午还是下午去见男朋友？”“穿黑色还是白色？”
这些问题看起来大小不一，背后实际都会自然带出一些上下文。为了把问题问清楚，用户得交代发生了什么、涉及谁、自己现在怎么想，以及究竟在纠结什么。
所以，占卜在这个产品里首先不是一种预测能力，它更像一个已经被文化训练了很多年的交互协议。
用户知道什么时候该来，也知道第一句话该说什么。
团队曾比较过心理咨询和日记。心理咨询的信息密度当然很高，但使用门槛高，还有明显的专业与监管边界；日记则要求用户持续主动记录，本身就是一件需要自律的事情。泛陪伴的问题恰好相反：入口很低，却缺少一个明确的第一次使用理由。
占卜很特别的一点，在于它同时提供了问题和结构。
孙峰把占卜过程中逐渐出现的信息大致分为三类：情绪、关系和决策。一个人会因为什么事情焦虑，他和身边哪些人存在重要关系，面临不确定性时更习惯怎样取舍。公司希望随着多次交互，把这些碎片变成长期的个人上下文。
这里有一个很容易被忽视的产品差异。
很多 Personal AI 的设计是：先获得上下文，再提供更好的服务。Ora-Orb 尝试的是：先提供一个用户已经理解的服务，再在服务发生的过程中得到上下文。
后者对用户的要求显然更低。
这也解释了一个看似反常的决定：Ora-Orb 初期甚至不准备把自由聊天放在最前面。
刚开始时，产品会把用户限制在每日运势、塔罗、解梦几个已经有明确预期的场景中。用户知道一次塔罗应该得到什么，也知道过去的占星 App 是什么体验，因此可以很快判断新产品有没有价值。等交互逐渐积累，Ora 已经知道一部分用户的情况之后，再开放更加自由的对话。
孙峰在访谈里把这件事说得很直接：没有上下文的时候直接开放聊天，AI 很容易“回得不好”。某种程度上，这是一种挺务实的 Personal AI onboarding。它没有一上来要求用户相信一个“会越来越懂你的 AI”。它先给用户一个原本就存在的使用理由。
水晶球
如果只是做一个AI占卜APP显然便宜得多，但Ora-Orb 最后还是做了一颗真正的水晶球。
孙峰展示给我们的原型，看起来很吸引人，带点玄幻：它的内部是一块屏幕，前面覆盖透明半球，利用半球造成的放大和视觉畸变，让画面看起来出现在球体里面。用户可以在里面看到动态星盘、塔罗牌，以及解梦时生成的梦境元素，再由 Ora 通过语音解释。
团队早期试过全息、投影和曲面屏。全息显示受视角和环境光限制，投影很难脱离持续供电，最终才选择了现在的屏幕加透明半球方案。据透露，硬件已经进入 DVT 阶段，团队称正接近 PVT，计划在 1月份的CES完成产品首发后开启众筹。
这颗球的意义也不只在显示。
传统占星 App 的问题很简单：方便，但大部分时候还是在读内容。真人占卜师刚好相反，有面对面的互动和仪式，但贵、难预约，也很难做到随时出现。
通用大模型呢，也有自己的问题——它当然能解释星盘，也能抽塔罗——但在一个聊天框里做这件事时，它与问天气、改邮件、写 Python 仍然发生在同一个界面。
Ora-Orb 押注的是，占卜这种东西对“仪式”的敏感程度要高很多。
这也是为什么水晶球这个选择看起来很直白，反而不需要多少教育。塔罗牌电子化之后很容易变成一张屏幕；星盘本身就是信息图；水晶球原本承担的角色，就是显示一些无法直接看到的东西，然后由旁边的人解释。
Ora-Orb 很聪明的直接复用了这个已经存在几十年的大众文化界面。
产品目前几个主要场景也围绕这个特性设计。
每日运势里，球面会同时显示个人本命盘与当天行运盘，Ora 一边解释，用户一边追问；塔罗除了自己抽，还设计了给朋友抽牌的玩法，团队希望它在聚会里可以成为一个社交物件；解梦则会把用户提到的龙、猫、老虎等关键元素直接显示在球里，再结合此前的上下文继续解释。
后两项看起来尤其不像传统 AI 硬件的思路。
过去两年很多 AI 硬件在试图证明一个问题：为什么这个功能一定需要一个新的设备，而不是手机？Ora-Orb 没有正面和手机争效率。它利用硬件提供的是两件软件很难完整替代的东西：在场感，以及仪式。
这两件东西放在生产力工具里或许很虚，放进一个本来就依赖仪式的场景，却变得具体。
当然，这也恰恰是 Ora-Orb 接下来需要真实用户验证的地方。一个第一眼足够吸引人、大家愿意拿手机拍照的硬件，并不自然等于一个每天都会使用的产品。目前Ora-Orb 尚未大规模上市，团队展示的主要还是原型、前测和早期用户反馈，真正重要的数据会是众筹交付之后的使用频率、续订和留存。
据Ora-Orb 透露，他们给这套产品定价 365 美元，包含第一年的APP订阅服务，此后再单独订阅。365 这个数字对应“一天一美元”。这个价格已经明显高于普通占星 App，更接近一件消费电子产品。
所以它最后能不能成立，不能只看大家是否喜欢这个水晶球。真正的问题是，这个物理物件能不能把一次新奇体验变成一种稳定行为。
随占手链
水晶球适合放在桌上，认真地抽一次塔罗，聊一段心事。但用户的情绪和犹豫，不会只在坐到桌前时出现。一次见面结束后说不清的不舒服，通勤路上突然冒出的念头，或者某个让人短暂开心的瞬间，等到晚上再想回忆，往往已经淡了。
团队因此又设计了一种更容易随身携带的形态：随占手链。它希望像一件日常饰品一样，以尽量低的存在负担，把用户和 Ora 的联系带出家门。
其中一个功能叫“闪念”。
这个名字带着一点玄学色彩，解决的问题却很具体：让用户在感受刚刚出现的时候，就能把它说给 Ora。那些还没想清楚、不值得专门写一篇日记，却又不想忘记的情绪和灵感，可以当场留下来。
对于 Personal AI 来说，这类信息有一个特别的价值：它保留的是用户当时的表达，也更接近事情发生那一刻的真实反应。过了几个小时，人可能还记得发生了什么，却已经很难复述自己第一时间为什么高兴、为什么介意。
水晶球给了用户一个坐下来表达的理由，手链则缩短了“产生感受”和“说出来”之间的距离。
但随时能说，还需要一个让人愿意经常说的理由。据团队介绍，他们还请了好莱坞编剧参与 Ora 的背景故事和人设创作。在这套角色设计里，Ora 会随着用户的每一次交流逐渐成长。用户告诉她今天发生了什么、为什么做了某个选择，也是在帮助她理解自己，理解人的生活。
团队希望这种共同成长的关系，能让用户多一个开口的动机。除了有问题时来找 Ora，也愿意回来告诉她事情的后续，或者分享一个没有明确目的的小念头。角色的成长由此成为日常交流的一部分，也给了用户更频繁使用的理由。
手链上的“随占”功能，则承接那些更直接的小纠结。今晚去聚会还是在家休息？要不要主动发出那条消息？A or B、Yes or No，用户可以随时向 Ora 提问，快速得到一个选择建议，让一件迟迟拿不定主意的小事往前走一步。
这些问题单独看都很小，却分布在一天里的很多时刻。它们也延续了 Ora-Orb 最初的思路：先让用户知道此刻为什么需要它，交互才有机会自然发生。
另一个功能是“碰触合盘”，瞄准的是欧美社交中一个具体的破冰需求。
对习惯聊星座的人来说，“你是什么星座”本来就是一句很容易开口的话。手链把这个话题变成了一个可以一起参与的动作：通过碰触发起合盘，从彼此的星盘聊到性格、关系和相处方式。
这里也能看到长期上下文的作用。当 Ora 已经知道用户此前讲过的关系经历、相处偏好，以及最近在意的事情，合盘解读就可以结合这些信息继续展开：你在一段关系里看重什么，哪些互动容易让你不舒服，有什么想法值得向对方说清楚。
同样一次合盘，由此有机会落到用户真实的生活处境里，让建议更贴近她心里正在想的事。
当然，这一切还有一个很朴素的前提：用户愿意每天戴着它。
团队把手链当作一件时尚饰品来设计，链子的材质可以结合用户的“开运宝石”和个人审美进行更换，让它成为一件愿意搭配衣服、长期佩戴的东西。
从桌上的水晶球到手腕上的饰品，Ora-Orb 想延续的是同一种关系：一件事刚发生，用户就愿意先跟 Ora 说一声。
“第一咨询权”
Ora-Orb 早期其实走过一条更常见的路。
团队最初考虑过给知名占卜师制作 AI 分身：用户订阅某位真人占卜师，收到每日内容，可以异步提问，需要时再预约真人。
这个模式很好理解，也更容易借助已有 IP 获客，最后却被放弃了。原因很现实：只要用户真正购买的是那个真人，占卜师本人最终仍然需要履约，AI 只是把传统服务部分数字化，规模化程度有限。
于是团队决定自己做角色。
现在出现在产品里的 Ora 不对应某个真人。公司称，他们围绕 500 多位不同流派的占星师、塔罗师和相关研究者整理公开或经授权的知识，包括书籍、课程、公开资料以及合作共创内容，再把不同流派、规则、适用条件和案例做结构化处理；另外有十位真人占卜 KOL 以“导师”的方式参与产品。
底层目前仍然使用通用大模型。真正自己搭的主要在上面一层：用户建模、长期/中期/短期记忆、关系图谱、角色人格，以及玄学相关的领域知识和交互逻辑。通用模型负责最后的语言生成。
这套架构本身没有什么魔法，今天很多垂直 AI 产品都在这么做。有意思的是它能够获得什么数据。
比如一个用户上周问：“我要不要换供应商？”产品提供了一次分析。下周再见到他时，Ora 可以继续问：最后选了 A 还是 B？结果怎么样？
这样留下来的就不再只有一条“用户焦虑”的标签，而是一段完整得多的轨迹：发生了什么——产生什么情绪——面对哪些选择——最后怎么决定——结果如何。
孙峰把它们分为四个条件：真实、有具体场景、连续，并且最好有后续反馈。对于 Personal AI 来说，这种数据的价值也比一句静态的用户画像更容易理解。
孙峰举例说，一个邮件助手可能知道你收到过前公司的 offer，却不知道你为什么离开；知道对方给了多少钱，也不知道你这一阶段更想要 title、现金，还是更自由的生活。
如果一个 AI 长期参与过这些犹豫，它下一次面对同样的信息时，判断依据显然会多一些。
这大概也是 Ora-Orb 这套产品逻辑里最值得细细品味的一层。过去大家讨论 Personal AI，很容易把“个人”理解成更多数据权限：接入 Gmail、Calendar、Slack、浏览器、电脑文件，AI 就越来越了解我。
这些当然重要。
但一个人真正重要的上下文，还有相当大一部分并不存在于任何 API 里。它存在于“这件事我其实很介意”“这个人说的话我不太相信”“这两个机会我一直拿不定主意”这样的表达里。
技术很难主动把它们读出来。
所以 Ora-Orb 做了一件对所有产品都有启发意味的事情：它没有先想怎样采集这些信息，而是先找了一个用户原本就愿意把这些信息说出来的角色。
角色因此也不只是一个 IP 包装。它实际上规定了 AI 有资格问什么，用户为什么愿意回答，以及双方可以围绕什么持续交流。
孙峰把 Personal AI 时代最后的竞争称为“第一咨询权”：当一件真正让你在意的事情发生时，你第一个会打开谁。
过去一年，Personal AI 越来越擅长“替你做事”，接下来，也许会有更多创业公司开始面对另一半问题：在 AI 真正能够替一个人做决定之前，它到底要怎样认识这个人。
这是一个可能会决定AI产品格局的问题，Next Big Thing 往往就会在对这样的问题的不同答案里长出来。
