看来还是得创业公司使劲造啊。我已经好久没有见过这么扣人心弦的 AI 产品了。
这个产品叫 Today AI。刚发布，大家可以去试试，这两天能免费领一亿 Token。
如果你最近还在各种折腾 Meta Muse，我觉得可以先别绕弯路了，直接去试一下 Today AI。可以粗略把它理解成 Muse 的国内版本。
当然，两个产品具体的思路还有不少区别，但目标都是 Personal Agent。
Personal Agent 到底是什么？
昨天我看群里大家为这件事吵得一片乱。有人觉得，这是不是又造了一个新词？Muse 能完成的事情，Codex、Claude Code，甚至 WorkBuddy 这些 Agent 不也都能完成吗？
这个说法有些道理。因为大家底层都有 Agent 能力，都可以调用工具、执行任务。所以让 Codex 去亚马逊买东西或者订机票，现在借助 Computer Use 的能力肯定也可以搞定。
但这些年我自己做产品有一个很朴素的经验。一个产品突然破圈了，它大概率在某个地方真的做对了什么。就像去年 Manus 大火，很多人吐槽人家只是套壳，没技术含量。
现在看，这种归因也很讽刺。
所以我一般不太喜欢看到一个新产品之后，迅速逻辑闭环。先看看它到底做对了什么。
第一次使用 Today AI，还是非常超出预期。说实话咱也不是没见过世面，目前出圈的 Agent 产品，我基本都用过。但 Today AI 还是让我忍不住狂喜。
我截个图大家看一下，它居然知道我最近在忙什么。比如我最近在推哪些重要的项目，还有哪些工作没做。然后它会在这个基础上直接告诉我，哪些事情可以帮我。
怎么知道的？因为它可以连接飞书、钉钉、Linear 等等应用。
大家顺着这个逻辑往下推演。
如果 Today AI 已经拿到了这些 Context，它就没必要一直坐在那里等我吩咐了。
它大概知道我最近在忙什么，或者哪些事情还没做完，接下来可能要处理什么，然后主动过来帮我。
这也是我觉得 Personal Agent 跟我们现在熟悉的很多 Agent，最大的差别。
Codex、Claude Code、豆包办公、WorkBuddy 这些产品大家已经很熟悉了。它们很强，但核心交互依然是一个对话框。
我得先知道自己想干什么，再把需求、背景和文件告诉它，它才能开始干活。
比如这两天我一直在 Claude Code 里做我们的一个新产品。其实很多功能我们在会议或者群聊里都已经沟通过了。但到了 Claude Code，还得再讲一遍。
打开 Claude Code，如果我不做任何的输入，那它就是一个对话框。
用了 Today AI 以后，我突然意识到，这一步其实是可以省掉的。因为 AI 完全可以去分析它拥有的这些 Context，然后判断我下一步要做什么事情。
这个产品逻辑让我恍然大悟。
我是从移动互联网那一代过来的产品经理。过去做产品，产品经理很核心的工作之一就是想清楚用户完成预期任务该怎么操作，然后把按钮和提示放在合适的位置。
但本质上还是因为软件不知道用户此刻到底想干什么。所以只能提前把各种功能摆出来，让用户自己找。
如果 AI 已经知道我的 Context，产品逻辑就完全不一样了。
它可以直接过来问我，这件事情是不是该继续往下做了？甚至它完全可以先帮我做一部分。这时候，还需要那么多按钮吗？我觉得连输入框本身，也未必需要放在最前面。
比如下面这张截图，Today AI 知道我和同事最近在密集给老用户做回访。因为我都录音了，而且转写的 MD 文件就在下载文件夹中。
点击“把回访压成一页结论”这个淡绿色按钮。
它就会快速完成一次结论分析。
这是 HTML 页面的一部分截图。生成一个 HTML 现在已经不稀奇了。真正让我惊讶的是，它知道我们最近正在做北京站。
所以它在复盘前面这些反馈的时候，会直接判断哪些结论可以沉淀到北京站里。
感觉这特别像带团队，最糟糕的团队肯定就是 leader 说一步，然后团队干一步。现在很多 Agent，其实还是这种状态。能力很强，但等着你派活。
我之前给朋友公司做 AI 培训的时候，发现大家其实都知道 WorkBuddy、豆包办公这些 Agent 产品，但很多不写代码的人根本不知道，除了做 PPT，这些东西还能拿来干什么。
我当时只能教大家一个方法。先看看自己一天八九个小时都花在哪些事情上，再找出里面最耗时间、最重复的部分，然后尝试交给 AI。我以前甚至还专门为这件事做过 Skill。
但用了 Today AI 以后，我突然觉得，这一步可能也不该一直让用户自己完成。
如果 AI 已经拿到了足够多的 Context，为什么还需要我们自己思考有哪些工作可以让 AI 干？AI 完全可以更主动一些。
所以更激进一点的观点是，也许我们根本不需要学习怎么使用 AI。所有需要学习的东西，都意味着它有门槛。
AI 已经可以做数据分析，已经这么强，它为什么就不能反过来去分析用户需要解决什么问题，然后直接决定怎么做呢？难道所有事情都得等人吩咐才会干吗？
下面这是我同事给我截的图。左侧的输入框，Today AI 会主动说，帮他整理一份节前的待办。
然后右侧大家可以看到租房的事，还有候选人的简历，这些事情 AI 都列了出来，点按钮就能直接推进。
我同事就让它把这些待办列出来看看。结果 Today 直接做了一个 HTML，把各类任务的优先级、截止日期都整理了出来。
它为什么知道哪些事情更重要、更着急？
因为这些事我们平时就在飞书里聊过，电脑里也有对应的文档和文件。Today AI 拿到这些 Context 以后，就可以自己把这些事情串起来。
肯定有人还会问，这和已经凉凉的 OpenClaw 有什么区别？
本质上，Today AI 和 Muse 都是 OpenClaw 的延续。这个世界上，没有完全从零到一的创新。无论是蒸汽机、汽车，还是现在的互联网，所有的创新都是渐进式的。
长期在线、拿到个人 Context、调用工具、主动发现任务，再执行。
这些思路多少都有在 OpenClaw 中体现，Today AI、Muse 等等 Personal Agent 做的事情，就是在这个基础上，进一步产品化和创新。
比如，把记忆做成了真正的产品层，可以从 Context 中主动观察用户需要什么。
我觉得这里面真正重要的变化，是 Agent 和人的关系开始变了。
以前我们用 AI，第一步永远是人先开口。哪怕模型已经很强，工具也接了一大堆，只要我不输入 Prompt，它就什么都不会发生。
但如果一个 Agent 已经长期和我协作，知道我最近在推进什么项目、哪些事情还没有做完，它为什么还要等我每次重新吩咐？
它应该自己往前走。
可能 Personal Agent 这个词虽然听起来有点虚，但它背后确实对应了一种新的产品逻辑。
过去是人去学习 AI 能干什么，然后想办法把任务交给它。接下来可能会反过来。AI 先花时间理解人的需求和计划，再自己判断，现在能帮他做什么。
如果这件事真的跑通，我觉得很多今天看起来理所当然的 AI 产品形态，可能都会重新再做一遍。包括那个我们已经用了三年多、习以为常的聊天框。
