创办过企业身份云平台Authing，做出过AI浏览器Fellou的谢扬，今年3月把精力投向了Personal Agent。不过，谢扬对Personal Agent的理解，与当前的几个主流产品不太一样。
当前大众视野里的两款Personal Agent，是Meta的Muse和OpenAI的Dots。Muse是在云端开一个浏览器，能替用户处理邮件、日历、支付和购物，Dots号称可以连接4000多个App替用户办事。
这意味着，理想情况下用户只需要面对一个App或对话框，背后由AI Agent去调用、串联更多App，替用户完成原本需要在多个应用之间来回切换的工作。
甚至有一种声音认为未来App会消失，最后只剩对话。这当中的典型代表产品是Instinct，它没有新的界面，拥有自己的虚拟电话和电脑，并像人一样操作手机、电脑和互联网，用户可以发短信和打电话给它，AI Agent会帮你订餐、订票、回邮件。
以上的各种技术路线，本质上都是依赖于传统的命令行。但谢扬有着一种观点，他认为，Personal Agent的终点不该是一个更聪明的命令行，更应该是由图形化展现的形态。背后的逻辑是，图形界面才更符合大多数人与AI交互的形态。
基于这个理念，他和团队研发出以App为中心的图形化Personal Agent——Eazo。别的Agent替你操作别人的App，Eazo为你造一个只属于你的App。也就是说，用户只要把需求说清楚一次，之后在生成的图形界面APP上点一下就好。
关键是这事不只谢扬的团队在做，最近连OpenAI都承认聊天框不是终点。10月8日凌晨，OpenAI发布GPT-6与Intelligent UI，这意味着ChatGPT从此会按问题生成界面，文字、图表、按钮、表单乃至可交互的小工具，由模型自己决定在画布上放什么。
官方举的例子包括，多人聚餐分账工具，改人数就自动重算用量的家宴采购计算器等。如果这已经是个趋势，那么Personal Agent会迎来“图形界面时刻”吗？
为什么是图形界面
作为Personal Agent，Eazo的核心理念与传统的命令行大有不同。
今天市面上大多数Personal Agent，本质上是把对话当成了终点，你说一句，它办一件，你说得越多，它办得越多。这样的人机交互并不十分自然，或许只是个过渡。
谢扬认为，对话应该是用来造东西的，不是每件事都要靠对话来做，对话是表达新需求的最好方式，却不是重复使用的最好方式。如果一个需求每次都要重新组织语言，描述意图，等待AI理解和执行，对话本身就成了一种负担。
从人机交互的发展史来看，技术一直在让人与机器的沟通变得更自然。最初是只有少数人会使用的命令行，后来多数人能用图形界面，再到更多人开始使用触屏。每一次跃迁，其实都在减少人对文字和指令的依赖，目的让机器离大多数人的直觉更近。
这种直觉，应该是对一个充满颜色、声音、动态的世界有较强烈的感知。
Eazo作为以App为中心的图形化Personal Agent，向用户提供一个更轻松自然的操作方式。用户可以用Eazo造自己想要的App，造的时候用简单的自然语言，但造完那一刻，用户就不再需要对着它说话了，只需用手指在图形界面上点一下。
Eazo造的学习英语的App
对大多数人来说，图形界面确实比对话更友好。从实际生活出发会发现这不难理解，因为高频、重复的需求，点一下永远比说一句快，每天都要做的事，几乎没有人愿意每次都重新描述一遍。
谢扬打过一个比方：对话是用来装开关的，不是用来开灯的。装灯的时候，你只要告诉电工一次，把开关装在床头，之后每天晚上伸手一按就好。
等于说，别的Personal Agent让你每晚喊一声 "关灯"，Eazo帮你把开关装在你想要的地方。就像Intelligent UI让每次喊"开灯"时，屏幕上多出一个好看的按钮。
这其实点出了Personal Agent一个容易被忽略的问题，Agent真正要解决的，可能不是让人更高效地发号施令，是让人越来越少发号施令。
我们不会每天对手机说“打开微信”，也不会每天对电脑说“把音量调低”，因为这些需求早已经被做成了按钮、图标和快捷方式。同理，Agent也应该把一次性的对话，沉淀成长期可用的界面。
这里有个用户案例。Adam Waxman家里请了睡眠顾问，对方给的计划是一份写满条件判断的PDF：清醒时长、小睡上限、小睡失败后怎么办。Adam Waxman花了几个晚上，用Eazo把它做成App，现在他、妻子和保姆三个人共用同一份实时作息表，小睡时间短了，作息会自动重排。
做的人用对话，用的人只需要点击。后来这个App用了大约四个月就退役了，但Adam Waxman并不心疼，因为他只花了几个晚上去做，用了好几个月已经很值。
OpenAI和Eazo盯住的这种图形界面，日常生活中场景其实很多。
试想一下，我们每天都要做的事，点一下是不是比描述一遍快，比如记一笔账，打一次卡。很多时候我们说不清自己要什么，但一看到选项就知道，就像点菜要看菜单。全家的家务谁来做、这周谁买菜，挂在那里扫一眼，比问一遍清楚。
语音的优势是让AI听懂用户想要什么，图形界面的优势则是让用户不用每次再解释一遍。这或许才是更合理的。
每一步都是完整的App
AI发展到今天，用AI造自己想要的软件其实已经不是什么稀罕事，包括国内一些大厂也都在跟进这个赛道。
不过，Eazo的特点是以App为中心的Personal Agent，用户做完不是终点，每个作品都会进入Eazo社区，在那里被发现、被使用、被 remix，甚至能变现。
相较而言，Eazo确实有着更丝滑的体验。 对于用户任何模糊的需求，Eazo都能把它变成完整、好看、可用的应用。你只需要随口说一句模糊的话，比如 "构建一个基于AI的英语学习应用，它可以从YouTube视频和播客中学习......"，剩下的交给AI，它帮你想清楚，也帮你做完整。
更大的亮点是，Eazo追求Wild Design——从模糊需求到百分产品。对于同一个模糊需求，六个风格各异的专业视觉方向并排摆在眼前，像翻开一本杂志，排版、配色、气质完全不同，打破此前人们认为的“AI 做的都长一样”这种认知。你只需要指着其中一个说，就它了。
使用过程，总能发现Eazo以用户体验为本的思路。Eazo把设计师的审美判断和修改方法，沉淀成了Agent可调用的技能，用户说 "更温暖"" 简洁一点 ""保留这个感觉"，Agent会把这些模糊感受翻译成具体的调整 —— 色彩、字体、布局改哪里，哪里保留。
不用懂设计术语，也能一步步把作品改到自己满意。本质上，这是把用户的审美感受转化为具体的设计调整，让用户知道还能怎么改、每次改了什么，并保留对创作方向的控制。
生活中你的任何创意和灵感，基本都可以用Eazo实现。Instagram上有位博主，分享了他男朋友用Eazo做的一个Dating邀约App，有趣的是，这个Dating邀约被设计成“无法拒绝”。
凭借这个创意，该视频小火了一下，在Instagram上获得了200多万播放。
其实Eazo的创作能力还不止于界面。它从UI一路延伸到图像、3D角色与场景、动画和音频，除了优化WebGL和3js的体验，还提供云Blender与3D生成工具（Tripo/Hyper3D），配合自研的3D动画和游戏制作工作流，Agent甚至能自主搜索调用动画与其他资产素材。
这意味着用户可以在同一个创作对话里，把视觉资产和应用一起做出来，不用切到任何别的工具。
对很多用户来说，Eazo最大的吸引力是，应用上线就能立刻赚钱，还可全球收款。过去接支付是最劝退的一环，注册商户、过审核、写支付接口、处理汇率和合规，任何一个环节都能让小白卡死。而Eazo直接把 Stripe直接集成好，应用上线就能收钱，全球的买家都能付款。
从创作到变现，Eazo把商业模式直接跑通了。用户做出来的东西，不再只是作品，变成能立刻变成收入的生意。对一个独立创作者来说，一个人、一句话、一个App，就是一个完整的生意闭环。
最值得一提的是，在真实创作任务评测中，Eazo超过了Codex，成本也比Codex更低。
Eazo Benchmark是一套面向创作Agent的评估体系。从真实用户场景里抽出103道任务，覆盖从理解需求、处理素材，到设计、开发、交付的完整链路，同一个任务，Eazo和Codex各跑一遍，用同一套标准打分。
结果综合质量均分Eazo 88.5，Codex 84.2。 Eazo在七个能力维度全部领先，开发与运行+6.8、资产获取与整合+5.7、意图路由与设计深度+4.8，领先最小的横切能力也有+1.2。
更难得的是效率，每个任务平均耗时11.1分钟对11.7分钟，Eazo的Token用量少了12%。这意味Eazo做得更好，还花得更少。
这种差距来自其自研框架EazoTack。EazoTack重构了五次，采用四层架构，执行Agent用缓存优先的上下文管理，并在子任务复用上下文。只靠15个基础工具和1个元工具，就能调用抠图、3D生成、并行设计、浏览器验证等能力。7天全网缓存命中率达98.3%，首Token 响应时间仅1.5 秒，成本比Codex还低三分之一。
背后的隐形杀招，是Qoni
Eazo之所以具备Personal Agent的能力，因为背后有几个强大的能力系统来支撑。Qoni就是提供这些能力系统的托管基础设施。
可以这么理解，如果说Eazo是给每个人的Personal Agent，Qoni 就是让每个开发者、每个企业都能造自己或员工的 Personal Agent。
Qoni真正解决了几个大的问题。一个 Personal Agent要能干活，底下得有三样东西，身份系统（它得能进公司的系统）、行动系统（它得能在真实网页和软件里操作）、记忆系统（它得记得住人）。
每一件都极其难做，搭身份要对接企业账号体系，行动要处理真实浏览器，记忆要长期存储还能追溯。
早在2001年，万维网的发明者Tim Berners-Lee就提出了一个构想：未来的网页不只是给人读的文档，软件Agent也能读懂网页的含义，替人安排预约、比较选择、处理事务。
但二十多年过去，今天仍然未能真正成熟地落地，原因正是在于，一个 Agent光读懂网页远远不够，缺了身份和记忆。
现在谁想做Personal Agent，基本都得从零搭这三样。
而Qoni就是把这最难的三样，做成了开箱即用的服务。开发者不用自己搭服务器，不用自己造身份和记忆系统，用一套SDK接进来，就能给 Agent配上身份、行动和记忆。就像App开发者用云服务一样，以前要自己买服务器、自己运维，现在直接用托管好的服务，按需接入。
从谢扬的创业经历来看，Qoni这套底座并非从零搭起来的。
身份能力来自早年谢扬做的产品Authing，延续为今天的GenAuth，浏览器与行动能力来自Fellou，记忆能力来自谢扬过去对知识图谱的研究。等于说，谢扬此前做过的产品仍在发挥其价值，走过的每一步都算数，如今那些步子汇成了Qoni这条线。
其实不难看出，Qoni的野心不只停留在一个产品上，它想要把造 Personal Agent的能力开放给所有人。
早期互联网有一个非常朴素的愿望：让信息可以被所有人平等获取。2012年伦敦奥运会开幕式上，万维网发明者Tim Berners-Lee曾在屏幕上写下那句著名的话：“This is for everyone.”
同样，谢扬似乎已经不是简单地造一个Personal Agent，是想让企业、开发者和普通人，都能平等地获得智能。Eazo负责让人更自然地使用Agent，Qoni则把造Agent的门槛进一步拉低。两者以及更多产品一起，推动Personal Agent从少数技术公司的实验，走向更多人的日常。
如今连OpenAI都已入局，或许Personal Agent的“图形界面时刻”能早早到来。
