本文来自微信公众号： 窄播AI ，作者：窄播AI，原文标题：《从「了解用户」到「成为参谋」，Today们还需要更多打磨》
个人AI助理可以迅速了解用户，但要替用户判断优先级、整理信息并持续推进任务，仍然很难。
在刚开始使用Today的时候，我就觉得这是一个有意思的产品。
它的产品界面被设计得很清爽，在授权和关联用户个人数据时会不断告诉用户「我们重视你的隐私与安全」。然后它会以一份对用户的洞察作为沟通的起点。在给我的洞察中，它列出了我关注的公司、选题方向、固定工作搭档和沟通风格分析。
然后，在接下来的日常沟通中，它开始提醒我要关注GPT-6的全量上线和苹果的「欢迎回家」发布会，还可以去汽车博物馆参加一场即将结束的机器人展会，或者去小西天看看安东尼·马拉斯的《诺曼底72小时》。
这些都是我此前没有向它交代过的任务，它从最初对我的洞察开始，判断出了我可能需要留意这些信息。相比根据订阅标签批量发送的资讯，这样的提醒更像是一个非常了解我的助理在为我做的资讯简报，并会在每条消息之后向我简单解释为什么我需要关注这些信息。
这正是Personal Agent最吸引人的地方。我们所熟悉的AI工具，通常需要用户先发现问题、整理背景，再发出一条足够清楚的指令去执行任务。而Personal Agent在改变这种逻辑，它先是通过资料授权了解用户，然后再结合日程、文件、对话和外部变化，去发现问题或有价值的信息。
随着Muse、Instinct、OpenAI Dots等产品相继出现，Personal Agent也成为了新一轮AI产品竞争的热门方向。Today也抓住了这个时机，成为了先行者的一份子，并且获得了他们期待的行业声量。10月21日，Today宣布累计完成超过2亿美元融资，投资方包括IDG资本、腾讯、五源资本、蚂蚁集团、红杉中国等。
从我使用Today的个人感受来看，随着产品的陆续发布，融资消息的陆续释放，Personal Agent也在面对OpenClaw当时面对的问题——产品方向的可行性很容易被证实，但把这种可能性变成让普通人参与的产品浪潮很难，甚至是充满变化、挑战与机会。
抓住这种可能和机会对Personal Agent而言，就是要从「认识我」过渡到「辅佐我」，有更强的人格化属性。
上手容易，不等于现在就很好用
从开头的介绍可以看出，Today形成的个人画像很准确。它知道我在关注哪些行业、正在做什么类型的工作，也能识别一些长期兴趣。Today把这种能力称为「鲜活记忆」。按照官方介绍，这些记忆以结构化条目保存，用户可以查看、修改和删除；产品还会结合连接器和对话，持续补充对人物、项目、偏好和承诺的理解。
苹果发布会的提醒证明，这套机制有可能产生价值。它没有等我提出搜索要求，而是根据已有信息，把一个可能有用的变化送到了我面前。在使用中，Today也确实给到了我非常实际的帮助。它为我整理的值得关注的每日信息，要比Codex更有针对性；它为我推荐的电影、书籍、线下活动很多都是我感兴趣但很难主动关注到的。
甚至我还考虑让Today负责积累我日常看到的素材和资料，在我操作某个选题时，能通过与其对话，迅速整理出相关的内容。这样Today就可以与Codex形成互补，前者是一个能主动留意选题进展、相关报道和线下活动的助手，Codex则是帮我整理资料，完成更深入研究任务的工具。
可惜这个设想并没有能够落地。因为在后续的日常使用中，我发现Today没有我最初想象得那么好用。
Today虽然认识我，却不能很好判断什么信息真正值得它来打扰我，需要人及时反馈，做出调整。我最初收到的日报并不符合需求。类似FENDI把全球首发搬进天猫、朝阳国际灯光消费季这样的消息，与我当时真正关心的选题距离较远。在我纠正这些问题后，日报才变得更丰富，也更有针对性了。
但具体的呈现效果仍然不够简洁、清晰。
Today和豆包工作一样，喜欢默认把文字能呈现清晰的内容进行复杂的可视化表达。这不符合我的使用习惯，会让我抓不住重点。但在对话中呈现的单条消息又往往会表述的很详细，反而没有任何格式设计和字体变化，也让人很难一下抓住重点。
我还尝试过与Today讨论选题，然后让它基于讨论收集资料、撰写稿件。坦白说，它交付的资料很详细，覆盖面很全，但给我的稿子却是一个文字版的HTML生成思路，以及一个HTML文件，没有稿件的起承转合，只有数据和资料的生硬拼接。
这样使用下来，我每天还是会去看Today推送给我的简报，但没有再用它执行更多任务。这种感觉很像我最初尝试使用Notion和Obsidian的时候——别人说它很好用，我也觉得它很有用，但我就是不能深入去使用它、探索它，花费更多时间去学习、配置和调教它。
这也是Personal Agent都需要回答的问题。让用户尝鲜很容易，让一小部分用户留下深度使用也很容易。Today的用户就分化得很明显，一部分粘性非常高，另一部分则会浅尝辄止。因此，产品团队就需要决定做小而美的产品，还是一个大众的入口。
数据、场景和现实接口
如果Today要做成一个大众产品，它首先需要适应普通用户原本就不够规整的生活。
比如，我就没有每天更新自己日程表和提醒事项的习惯，工作进度通常散落在飞书对话、备忘录和文档里。虽然开放了这些权限，但Today仍然无法自动补足信息之间的断点。它没有了解到我列在备忘录里的稿件思路，已经在飞书文档中变成了完整的稿件。
但我需要个人AI助理，正因为自己没有时间把所有事情整理清楚。如果使用Today的前提，是先把背景、计划和进度维护成一套标准数据，产品再针对这些标准数据进行日常的维护，那它还是一个工具，而不是一个助理。
工具思路下，Today会更依赖用户来矫正产品的执行动作。它允许用户查看、修改和删除记忆，发现不准确或过时的内容时，可以直接纠正，避免在后续任务中继续沿用。这样的设计让记忆变得透明、可控，却没有减少用户的维护成本。
这是一种核心矛盾。Today在对话中对我说，我的这种不满，大多不是功能没做到，而是产品还停在「工具」的状态——你用它，你负责；我真正想要的是一种伙伴的状态——你交代，它负责。我很认同它总结的这点。
Today虽然降低了用户第一次使用的门槛，但学习成本没有消失，只是从前期配置转移到了后期维护。它要进一步降低摩擦，就需要变得更主动，自己发现记忆之间的矛盾、识别已经失效的信息，并在不确定时向用户确认，而不是一直等待用户纠错。
此外，我觉得Personal Agent和现在我们常用的WorkBuddy、Codex的本质区别是场景的不同。虽然两者面对的都是同一批用户，但是，前者会更偏向生活场景，后者则更偏向生产力场景。同一个人在这两个场景中，大概率会有不同的需求和不一样的选择判断。
Today团队在与《晚点LatePost》的对话中提到，个人化意味着Agent进入工作之外的生活场景，个性化则意味着它会根据一个具体的人改变做法。换而言之，个性化是生产力、生活场景都需要的基础属性，但个人化或者更全面的个人理解在生活场景中会发挥出更大作用。
有用户就在讨论，现在还不能够将从WorkBuddy、Codex迁移到Today上。但真的需要在这两个类产品之间做迁移吗？我觉得不需要。同样是写作，Personal Agent需要帮我给朋友写贺卡，它需要了解我们的关系、志趣，但WorkBuddy、Codex要完成工作PPT，可能只需要知道你公司的要求和汇报对象的偏好。
场景的不同，就决定了谁更像是伙伴，谁更像是工具。因此，诸如Dots去制作研究简报、小网站和测验页，就还是生产力工具的个性化尝试；而Muse能够点餐、填表、发邮件，甚至帮助人选出自己喜欢的酒店，是很个人化的尝试。我很难想象，Codex有了太过充沛的个人情感，又该如何去完成工作。
还有一点是，Personal Agent一定需要具备进入现实世界的观察口。它要站在伙伴视角了解人，就需要收集更多客观数据。睡眠、运动、线下会议、临时出行和面对面交流，都会改变接下来应该做什么。只读取网络信息的Personal Agent，对人的理解始终存在缺口。
戒指、手环、耳机和录音设备都有可能会成为Personal Agent在现实世界的触点。健康数据能够影响当天的安排，语音比打开应用输入文字更适合随时交办任务，IoT设备能把用户的现实生活环境变成数据，供给给Personal Agent。一个能全面感知的Personal Agent才会成为一个合格的助理与伙伴。
同时，这个伙伴还需要一块能让用户随时观看任务进度的随身小屏幕。这块屏幕可能会出现在AI眼镜的镜片上，也可能会出现在手表上、手机背屏或手机主屏的灵动岛中。一个能随时发出指令的麦克风，一个能快速看到任务进度的小屏幕，一个足够了解用户及其所处环境的Personal Agent就构成了更丝滑的交互套件。
成长性是金标准
Personal Agent也需要一套不同于普通生产力工具的评价标准。
我们通常会用任务完成率衡量它是否好用。一个不能稳定完成任务的Agent，不会因为拥有长期记忆和主动性，就自动变成更好的产品。Wajo在推出Personal Agent Fo时，就会强调Fo完成了71%的任务，并在94%的测试中守住了用户设定的边界。
但这不是Personal Agent的唯一衡量指标。在生活场景中，每个人判断任务是否完成的标准并不一致。相同的Agent，在其他用户那里的任务完成率是100%，在我这里没有满足我的要求，它的任务完成率就是0%。没有人会把Personal Agent的失败理解成自己运气不好，只会认为它太笨了。
这是个人化产品要面对的特殊压力。生产力Agent可以用满足了工作岗位的需求来证明能力，Personal Agent却不仅要完成某项任务，还要正确知道这个用户如何定义「完成」。这是一种揣摩人心的技能。
获得这种技能的诀窍是不断磨合。衡量一个Personal Agent是否足够好，需要看用户纠正过的问题是否再次出现，已经取消的计划是否还在被跟进，日报能否逐渐理解选题的优先级，写作结果是否越来越接近用户的标准。
相处时间增加后，用户解释、检查和返工的次数应该下降。如果一个Personal Agent了解用户越来越多，却仍然需要用户不断维护记忆、重复要求和检查结果，它积累的只是数据，没有形成「揣摩」的能力，也就不具备成长性。
一个比较讨巧的做法是，先确定自己要服务的人群，然后针对这个人群去建立成长体系和揣摩能力。Claude Duet就把早期用户设定成了事务繁多、难以追踪全部进展的专业人士和小企业主。因为这些人的任务类型、工作压力和付费需求相对明确，产品也更容易判断哪些能力需要优先提升。
更多Personal Agent上来并没有明确的人群定位，甚至Dots看上去成为了Claude Code、Codex的竞品。这样往往会像漏斗一样，从大众用户中，筛选出最会拆解任务、最愿意授权信息，也最有耐心调教AI的一群人。而重新唤回被筛选掉的大众用户的成本可能会变高，影响后续的成长。
Personal Agent成长性的高低也会受到用户信任度的影响。Personal Agent需要主动发现需求，并把事情推进到用户容易判断和确认的位置。它的成长，既包括越来越了解用户，也包括越来越能够替用户承担发现、整理和跟进的责任。用户授权的信息越丰富，Personal Agent成长的速度就可能越快。
Today强调记忆可以查看、修改和删除，也会在涉及日程调整、支付和重要决定时保留用户的最终确认权。这些设计提供了信任的基础，但真正决定用户是否继续授权的，仍然是产品长期表现。点击过「允许」并不意味着用户已经与产品建立了长期信任。
Personal Agent需要让用户理解，它为什么需要某项信息，这些信息会如何被使用，以及哪些行动必须重新确认。任务完成了，但过程越过用户能够接受的边界，这项任务仍然不能算成功。Muse就曾因读取Messages数据、帮助用户做决策而与用户产生过授权争议，进而会影响到产品的口碑。
Personal Agent之所以能成为伙伴，而不仅仅是工具，也是因为它更懂得人与人之间相处的分寸感。
现在，报告、表格和演示材料都可以分别交给AI完成，但为什么要做这些任务、哪些信息已经发生变化、结果交付后还要继续做什么，仍然需要有产品来记住和协调。单项任务执行得越快，人反而可能需要在更多结果之间进行管理。Personal Agent真正要接走的是这个辅佐者的角色。
从Today的体验来看，从认识到辅佐还有挺长的一段路要走。
