本文来自微信公众号: 出海同学会 ,作者:出海同学会,原文标题:《干货|从 Muse、Instinct 出发,拆解 Personal Agent 的真实需求与落地场景》
在这一期中,我们邀请了来自AI创业公司、产品团队、投资机构及开发者社区的嘉宾,结合近期的产品体验,聊聊Personal Agent已经能够完成哪些事情,以及这些需求能否形成长期使用。
从邮件跟进、行程安排到生活服务,一些过去需要人工处理的事务,已经可以交给Agent。但不同市场的需求并不相同,嘉宾对产品路线也有不同判断:有人看好通用Agent覆盖大量中长尾需求,也有人认为垂直场景仍有机会。
本篇,我们聚焦几个问题:哪些体验真正让用户感受到Personal Agent的价值?工作和生活,哪里更容易形成稳定需求?通用与垂直Agent,创业公司该如何选择?
[一页精华].
[本期课代表].
SEAMATE
一些同学因公司PR保密不能公开
或有部分内容需要删节
我们同样感谢他们的精彩输出
如出现链接或企业名为嘉宾引用第三方,侵删。
AI Rudder|CEO|任腾
APUS|科学家|张旭
Blink|Founder|杨攀
Bustly|Founder|Gavin C.
DeepChatBI|Founder|Alex
EverMind|CEO|邓亚峰
Family Office|Investor|Emma ZHU
Product Pub|President|Haimo
StepFun|开发者业务总经理|Ailing
YouNavi.ai|Founder|Sam胡旭升
小影科技|Founder|韩晟
湾区/硅谷A轮personal agent初创|GTM|Joseph
CMU在读|AI PM|Jessie Xiong
💡阅读小Tips:因原文逐字稿巨长
部分内容由ChatGPT精炼
以下为精彩节选
全文无删减版请扫码移步知识库
Part.01需求与路线
最近这一批产品中,哪个具体体验让你觉得Personal Agent真的向前走了一步?
Emma ZHU|Family Office
其实不管国内还是海外,之前已经出现过很多Personal Agent的概念,只是最近几个大厂的动作,包括一些融资新闻又把这一波集中推到了聚光灯下。所以大家也开始纷纷使用这些已经比较Ready、封装得比较成熟的产品。比如从年初的“龙虾”(OpenClaw)形态开始,某种程度上你也可以自己把它开发成一个Personal Agent。但现在这些产品明显更To C,封装程度也更高了。我自己其实用了可能有十几个Personal Agent,也在试Instinct、Muse,包括刚发布的Cue,就是Manus的产品。这几类产品,我也跟一些朋友聊过,发现大家在To C场景下的用法其实都不太一样。这里我觉得可以Echo一下刚才那位同学提到的,国内和海外在生活、工作方式上,差别其实挺大的。
比如工作场景,海外很常见的一个习惯就是通过邮件沟通。所以我在看海外项目,或者安排一些海外AI相关活动的时候,就会用一些Personal Agent。比如最近在试Muse,让它帮我安排会议。我觉得这对海外工作场景的效率提升还是挺大的,特别是邮件里的各种沟通和回复。只要你给它足够的权限,它其实能够理解整个邮件事项的前后文,包括你需要Follow的事情、后续要做的To-do,都可以给你比较好的Proactive提醒。有些事情甚至可以直接让它帮你执行。所以在工作场景里,上下文管理和任务执行,我觉得算是一个比较明显的Aha Moment。
如果是生活场景,因为我现在还在国内,可能马上会去湾区,所以我的感受是国内生活本身已经太便利了,并不一定需要一个Personal Agent来帮你打理各种税务、发票或者订阅。但对海外用户来说这些需求可能就比较明显。比如一个Aha Moment,可能是Agent帮你检查邮箱里各种订阅的产品,发现有些服务你已经很久没用了,就提醒你是不是该取消了,甚至直接帮你取消,帮你省钱。或者帮你Follow一些发票、税务相关的事项。
所以我觉得国内和海外还是要分开来看。海外的Personal Agent,确实有机会给To C用户的体验带来比较大的提升。背后有几个原因。一个是各种软件服务的获取和使用,不管是在PC端还是移动端,便利性其实不太一样。另一个是服务成本。如果原来需要一个人来帮你处理这些事情,现在可以通过Agent给你提供一些比较专业的Adviser服务,那就意味着更多普通用户也能用得起原来比较昂贵的专家服务,从而把生活体验提升一个水平。
Haimo|Product Pub
因为我在硅谷,我们做了一个社区叫Product Pub,是一个Nonprofit社区。我自己也是Part-time在做这件事,已经做了大概七八年了。主要就是跟硅谷的这些产品人建立Connection,定期讨论一些产品相关的话题。所以我想补充一下,刚才几位可能讨论的更多是国内的需求,我想从海外的角度分享一些观察。目前在海外,比较公认、已经跑通的Aha Moment,我觉得大概可以分成两类,而且这两类有一个共同特点:在Personal Agent出来之前,这些需求往往就已经足够大,甚至已经有创业团队围绕它做出了成熟的Business Case。也就是说,原来就有人愿意为这些事情付钱,这本身已经证明了它的价值。
具体来说,一类是能够直接带来金钱回报,另一类是降低Friction,也就是减少用户完成一件事情的麻烦。先说第一类,直接能够把钱拿回来。举个例子,扫描Email。比如你半年前坐过一个航班,当时因为各种原因Delay了。按照航空公司的政策,这种情况可能是可以申请退款或者赔偿的,但航空公司一般不会主动通知你。作为用户你只知道自己的航班延误了,却不知道自己有资格申请,也不知道具体该怎么申请。之前其实就有创业公司专门做这个事情。它会扫描你的Email,找到那些符合退款条件的航班,然后自动帮你提交申请。等钱拿回来之后,它从中抽取20%的佣金,用户拿到剩下的80%。很多人其实愿意付这20%,因为这笔钱本来可能就拿不到。那现在这件事情完全可以让Agent来Cover。我觉得这就是一个很典型的例子,之前已经有人把这个Business跑通了。类似的场景还有很多。比如在海外,你可能订了一个Cell Phone Plan,每个月要花100美元,或者手机套餐跟TV捆绑在一起,每个月也是100美元左右。其实你可以做一件事,就是去找运营商的客服谈价格。你跟客服说,如果不给我Discount,我就换到你们的Competitor那里去。很多时候,通过这样的沟通,你确实能够拿到更低的价格。车险也是一样的。包括各种订阅服务、保险费用,很多都是可以通过跟客服沟通,把价格降下来的。这些事情有一个共同点,就是能够直接给用户带来金钱上的回报,而且ROI非常Easy to Measure。我觉得这都属于第一类。
第二类就是降低Friction。这类需求其实也有很多,而且之前同样有创业公司专门做过。比如有一家公司叫Blue Apron。它做的事情很简单,就是给你寄一箱食材。假设你这一周有五天需要自己做晚饭,它会提前帮你安排好每天的菜谱。今天晚上做什么,明天晚上做什么,都给你规划好。然后根据这些菜谱,把需要的食材汇总起来。比如这一周总共需要两斤牛肉、几把葱、五头蒜,它就把这些东西统一采购好,装进一个Box寄给你。你每天按照它给的菜谱做饭,正好五天把这些食材用完。它解决的其实就是一个Friction的问题。你不用每天想晚上吃什么,也不用自己去选菜、买菜,更不用担心买回来的食材不够,还得再跑一趟超市。这本身就是一个Viable Business。Blue Apron之前其实做得挺大,也有很多人愿意为这项服务付费。那现在有了Agent,这件事情其实可以换一种方式来做。比如我可以让Agent去扫描我的小红书。我可能关注了20个做菜的博主,你就去看他们最近分享了什么菜,然后根据我的喜好,帮我安排未来五天的菜谱。菜谱安排好之后,再帮我直接去超市下单,把需要的食材买回来,装成一个Box送到家里。每天再告诉我今天晚上该做什么。实际上它完成的就是Blue Apron原来做的事情。但我不需要再单独给Blue Apron交订阅费,只需要支付Agent的Monthly Fee就可以了。所以这个事情同样是有直接价值的。
另外一个例子是办签证。比如我要申请一个申根签证,整个过程可能非常复杂。我要去芬兰,或者去瑞典,不同国家的申请流程可能不一样,领馆地址不一样,需要准备的材料也可能不一样。这里面其实有非常多的Friction。我自己之前办签证的时候,就已经开始用Deep Research了。你可以让它去Search,帮你找到所有申请步骤,但找到之后每一步还是得自己去做。当然,你也可以找Agency。比如你付200美元,它就可以帮你跑整个流程。你只需要按照它给的清单准备材料,把材料交给它,后面的申请流程就由它来处理。你可能只需要完成必须本人到场的环节,然后在家等签证就可以了。这件事情为什么值200美元?因为它帮你省掉了大量时间和麻烦。那现在这件事情其实完全可以交给Agent。它可以去不同的网站查找Requirements,确认你需要准备哪些材料,然后向你收集材料。材料齐了之后,该填表就填表,该预约就预约,最后告诉你哪一天需要去面签。这件事情原来值200美元,现在Agent也可以完成。
所以综合来看,我觉得海外目前比较明确的需求就是这两类:一类是直接帮用户把钱拿回来,另一类是降低Friction。它们还有一个共同特点,就是如果一件事情足够有价值、需求足够大,那在Agent出现之前,通常就已经有人通过人工服务,或者通过某种产品来解决这个问题,并且从中赚到了钱。只不过现在,这些原来由不同公司赚走的钱,都有可能被Agent公司一起赚走。
韩晟|小影科技
最近刚好因为工作上的原因,我在8月初来了北美,所以在Personal Agent这块,确实有一些实际的使用体验和感触。首先,我个人觉得无论是Instinct还是Muse,它们现在提供的很多功能,其实我刚来北美的时候就已经通过Codex实现了。比如当时我用Codex帮我租房、购物,解决一些生活上的问题。我觉得相比以前这种体验已经往前迈了一大步。包括当时我订了一个宽带,但因为各种原因,服务商一直没有上门安装。后来Codex帮我发现原来可以通过FCC投诉。结果我投诉之后,第二天服务商就上门安装了,这个方法确实非常有效。而且它还帮我找了一个Plan B。比如它发现T-Mobile有一种服务,可以随时订阅、随时取消。所以在原来的宽带还没有安装好的时候,它就帮我找到了一个临时替代方案。
其实在Muse和Instinct出来之前,我就已经通过Codex体验到了类似的能力。但后来真正用了Muse和Instinct之后,我的感受还是非常大的。第一个就是,Codex有一个比较明显的问题,它主要还是需要在电脑上使用。但对于Personal Agent来说,用户很多时候是移动的,他希望能够随时随地使用。如果你要用Codex,要么就是坐在电脑前,要么就得通过手机去连接Codex。相比之下,我觉得Muse在这一点上做得非常好。所以当时我就觉得,这里面可能存在一些机会。
第二个感受,其实有点像国内豆包的Interface。我觉得语音交互,或者说一个非常方便的Interface,是To C、To Consumer产品和面向专业人士的产品之间一个非常大的区别。比如使用Codex,你可能需要坐在电脑前不断地打字输入。但对于一般用户来说,这种交互方式其实还是有门槛的。我一直觉得,对于Personal Agent来说,它需要一种新的交互界面。比如基于WhatsApp、iMessage,或者更多地通过语音进行交互。因为对于一个Normal User来说,说话和看东西是最直接的交互方式,而不是打字。包括我现在自己也在用一些移动端体验非常好的AI工具,比如Typeless。我觉得它做得比较好的一点就是能够通过语音交互,把我说的内容整理成比较好的文字,再拿这些文字去跟AI交互。
这里也联系一下我们自己的业务。因为小影本身就是做视频的,我们现在面向全球市场在做一个To C的视频Agent。我们最近一个很明显的感受是,对于视频创作来说,如果你的产品是面向Consumer,而不是Professional或Enterprise User,那么交互体验其实是一个非常重要的点。你不能让一个普通Consumer自己去想Prompt,或者让他自己思考剧本应该怎么写。更多时候,你需要让产品主动去完成这些事情。比如它能够自动扫描用户相册里拍下来的照片和视频,并且理解这些内容。这有点像对于Personal Computer Agent来说,它需要有一双眼睛。因为我理解,现在很多Agent的能力主要体现在大脑上,也就是模型本身的智能。但实际上,我觉得对于Personal Agent来说,眼睛和嘴巴同样重要。它怎么去看到用户的东西、理解用户的内容,以及用户怎么通过一种更加Natural的方式跟它交互,这些都非常重要。
Joseph|湾区/硅谷A轮personal agent
我先聊一下Muse和Instinct。我觉得它们提供的一些Aha场景,在我看来属于低频、复杂度比较高的场景,这类场景比较容易让用户产生Aha Moment。但反过来,如果是一些重要性比较高、需要高频使用的垂类场景,这类Agent其实没有办法做得特别深。举个例子,比如你想做LinkedIn Outreach,这些Agent其实就没有办法把这个垂直场景做得特别好。
第二个是To B和To C的区别。我自己觉得To B需要把性价比算清楚,而To C很多时候更重要的是你能多快给用户带来一个比较好的Aha Moment。这一点上,我自己比较喜欢Instinct这家公司。大家可以试一下两个场景:第一个是Unsubscribe Email,也就是取消邮件订阅;第二个是给它一个TikTok链接,让它帮你把视频下载下来。这两个场景,大家可以拿几个Personal Agent对比着试一下。我觉得Instinct在这些比较常用的场景上做了很多优化,整体体验特别好。另外,它是通过iMessage来交互的。如果你想登录云端电脑,去完成一些需要登录产品平台的操作,中间就会涉及登录界面。它在这一块的界面也做得特别好。所以从整体来看,我觉得它的工程能力非常强。
最后,我想聊一下这一波Personal Agent。我自己觉得它其实是上一波OpenClaw Agent的延续,但有三个地方比较不一样。第一个是它非常强调移动端,所以跟Personal的联系会更加紧密。第二个是它会给Agent配一台电脑,而这台电脑其实有不低的成本。哪怕用Linux,每个月的成本也差不多要20到30美金。我们自己提供的是Windows,成本会更高一些。但即便只提供Linux,也差不多需要这么多钱。第三个是我觉得它做得比较巧的地方。因为它想做Personal Agent,所以把电话、信用卡这些能力都接了进来。接入这些功能之后,整个使用体验确实会好很多。但说实话Muse和Instinct出来之后,我觉得它们展示的这些Use Case,其他Agent其实大部分也都能做。只是对于其他创业公司来说,最难的一点可能是大家确实没想到它们可以把产品做成免费的。哪怕现在有一款产品,不免费提供云端电脑,只是让用户通过iMessage免费使用ChatGPT,我觉得它也有可能火起来。但如果它们连云端电脑的成本都能自己承担下来,这对其他创业公司来说,确实是比较不利的。
现在应该做通用Personal Agent,还是从一个vertical切入?
Haimo|Product Pub
我还想回应一下刚才有人提到的问题:Agent到底应该做通用的,还是做垂直场景?我觉得大概率还是必须做通用的。因为如果一个垂直场景足够大,比如订餐或者打车,那这个市场里往往已经有一个打磨得非常成熟、体验非常好的产品了。比如DoorDash,你现在订餐其实已经非常方便了,完全不需要再通过Agent来完成这件事情。
所以我觉得Agent真正有机会的反而是大量中长尾场景。这些场景里面可能有足够多的价值,但单独某一个场景的市场规模,又不足以支撑成立一家Uber或者DoorDash那样的公司。它可能没有那么大的市场,但确实能赚到钱。如果你只做一个垂直场景,那你的Scope就太小了。比如你想靠一个Agent去颠覆Uber,我觉得不太可能,因为Uber本身已经把这件事情做得很好了。但你可以做一个Agent去颠覆Blue Apron。而且,如果你能颠覆Blue Apron,那同样的能力是不是也可以用来颠覆签证Agency?是不是也可以去颠覆刚才说的Ticket Refund Agency?
这些事情本质上都是Agent帮用户完成原来需要人工或者专门服务机构才能完成的任务。既然如此,那为什么不直接做一个通用的Agent呢?因为这些中长尾需求单独看可能都不够大,但如果你能把它们放在一起,覆盖足够多的场景,那整体价值就会大得多。所以我觉得未来真正有机会的,可能还是这种能够覆盖大量中长尾需求的通用Agent。
Emma ZHU|Family Office
我们可能还是会更关注海外市场,这也跟刚才提到的需求差异有关。目前有两个维度是我们比较关注的。第一个是从需求出发,看你的场景到底是异步的还是同步的。比如工作场景,可能更多涉及异步、长周期、复杂事项的追踪。一个Project可能持续一个月,甚至更长时间。如果有一个Agent能够持续帮你管理上下文、追踪任务,并且推动整个项目的执行节奏,我觉得这就是一个非常实用的Case。但如果是特别同步的场景,比如社交、通讯,或者需要快速得到答案的问答场景,我个人的感受是,“快”会成为一个非常重要的体验。在“多快好省”里面,“快”本身就是很重要的一个维度。所以场景是异步还是同步,是否涉及社交,以及“多快好省”里面,你的产品到底突出哪一种能力、希望向用户传达什么,我觉得这些都是目前产品设计可以形成差异化的地方。
第二个维度,是从更长期的角度来看,大厂为什么在Personal Agent这件事情上仍然有优势。首先,大厂可以在很长一段时间里免费提供服务。而且在硬件还没有那么Ready的时候,可以先通过软件做Go-to-Market,等到时机成熟,再从软件切入硬件。这本身也是一条路径。另外,大厂天然更容易获得To C用户的信任。比如用户会觉得,这家公司至少会长期存在,自己的数据有大厂的合规体系做保障,同时这些公司本身也已经建立了一定的品牌心智。再往长期看,我觉得大厂还有一个很重要的优势,就是Infrastructure能力。因为这一块可能会在很大程度上决定未来的成本优势。
Sam胡旭升|YouNavi.ai
其实我一直在做Personal Agent。我自己以前也是从腾讯出来的,在腾讯待了7年,滴滴5年,阿里巴巴2年,后来还在吉利造车,差不多也干了3年。国内的情况我还是比较熟悉的。中国今天还是有三座大山,腾讯、字节和阿里。我可能说一点自己的暴论,我觉得阿里在Personal Agent上也没什么太大的机会,因为腾讯还是掌握着最强的社交关系,这一点今天很难超越。整个社交网络其实还没有发生本质性的变化,腾讯依然掌握着最大的流量。
那对于创业公司来说,机会在哪里?我觉得创业公司可能只能从特定人群里面去找机会。比如像我们自己,可能切入的就是老板的AI、销售管理的AI。我就专门管这些事情,其他的事情,我觉得自己没有什么机会,那我就不做。而且我自己认为,Personal Agent最后一定是一个软硬结合的形态,所以我们现在也在结合硬件。如果比较了解我的人应该知道,我现在开会的时候,脖子上还挂着四个设备。像Plaud、looki,还有安克的录音豆,以及影石360跟腾讯合作的那个设备,我都带着。我带这些设备并不是说我一定需要它们。我自己其实有十几个录音设备,只是想测试每一个产品,看看它们各自有什么问题。我知道每个产品的问题在哪里,也有自己的一些想法。因为我在大厂待过很多年,对大厂也比较熟悉,所以我觉得自己能够看到一些大厂看不到、看不上,甚至看不起的事情。这些其实就是我们的机会。我并不认为大厂就一定会一统天下,创业公司就什么都不用干了。这是我对国内市场的看法。
至于海外,我觉得应该大差不差,这个世界很难有谁能够真正一统天下。而且对于创业者来说,我觉得不要一上来就盯着特别大的人群。比如你一开始就想着做一个服务1000万人的产品,我觉得这不是我要考虑的事情。我自己短期内能服务好100万人、500万人,可能就已经是我的上限了。我先把这些人群服务好,再考虑往更广泛的场景去拓展。包括我自己现在做的产品,我平时带孩子也会用自己的产品。所以工作和生活其实很难完全区分,只不过不同场景会有不同的重心。
韩晟|小影科技
首先,我觉得目前大厂做的Personal Agent,对于很多创业公司所做的垂直场景,确实已经形成了很大的挑战。比如我自己尝试过让Muse帮我做一个TikTok卖货视频。我觉得它整个流程非常丝滑。它会先问你是一个没有粉丝的用户,还是粉丝在1000以下,或者已经有1000以上粉丝的用户。然后它会帮你选择一些爆品,让你从中挑选一个,再帮你Draft脚本,最后调用AI模型把整个视频制作出来。整套端到端的体验确实非常好。
但是,当我看到它最终生成的效果时,我觉得还是存在一些问题。这也是为什么我认为垂直Agent仍然有机会。第一,对于一些非常垂直的场景,它的交互方式和用户体验其实需要专门定制,而不是简单地套用一种非常通用的交互方式。比如租房、买房这样的场景,用户的需求和整个流程都有自己的特点。你很难用一套完全通用的交互方式,把所有事情都处理好。所以我觉得这里面还是有机会的。
第二,就是最终的效果。对于一些垂直场景来说,我觉得专业公司在最终交付的效果上,仍然可能做得比通用Agent更好。所以虽然现在大厂的Personal Agent已经能够覆盖很多场景,而且整个流程体验做得非常好,但在垂直场景的交互设计和最终效果上,我觉得专业团队还是有机会的。
Muse跟Instinct这两种交互模式,你更喜欢哪种交互模式?哪种更有机会成为主流?
韩晟|小影科技
我个人可能更喜欢通过一个独立的应用来使用,那这样的话Muse整体的交互体验会更好一些。但我不一定是一个典型用户。对于一些普通用户来说,如果他们已经习惯了用WhatsApp、iMessage,我反而觉得直接在这些界面里交互会更好。因为他们不需要额外安装一个App,直接就可以开始使用。我的理解是这更多涉及面向Consumer的人机交互入口,而在北美这个入口很有可能就是基于SMS/iMessage等短信与即时通讯入口的。







