指标怎么定，各家有各家的算法，说到底比的都是用户信不信这个产品。2026 年下半年，从硅谷到国内，Personal Agent 已经成了最挤、也被看好的一条 AI 应用赛道。

可当这类个人助理产品从实验设想走进大众视野，行业里有个问题绕不开：衡量用户接受度，究竟该拿什么当尺子？移动互联网那会儿，标准还算清楚——每天、每个月有多少人来（

如果单看

10 月底，蚂蚁集团旗下的 AI 应用 “

把“托管量”摆到台面上，既是灵光团队过去半年做产品迭代时摸出来的关注重点，也代表他们对当下 Personal Agent 赛道的一种新看法。

路线各走各的，标准还没成形

要说清“托管量”是怎么提出来的，得先看 Personal Agent 行业眼下走到哪一步。大模型在逻辑推理、代码生成、API 调用上接连突破之后，Agent 已经能办不少复杂的事。问题是，这些能力怎么跟市场需求对上，又能在用户具体的生活场景里带来什么实际价值？

海外有些创业公司选择直接切入交易场景。以估值涨得很快的

Instinct 的想法是：个人助理既然要替人办事，那最直接的检验办法，就是看用户愿不愿意把它跟支付绑在一起。所以内测期间他们很在意“第三周

另一头，Meta 旗下的

国内这边，阿里千问和字节跳动这类大厂模型团队推进 Agent 能力时，普遍还是把“

前 Teambition 创始人齐俊元做的主动式个人 AI 助理

看单点任务执行成功率、看支付绑定转化、看主动唤醒的采纳率……personal agent 这个行业到现在也没统一标准，各家都按自己的业务逻辑去验证。

灵光盯上“托管量”的原因

把“托管量”定成核心指标，不是一拍脑袋，是灵光团队半年里一点点试出来的。今年三、四月刚开始摸索 Personal Agent 方向时，他们最先卡住的问题是：人和 AI 之间的交互单元该怎么定义。

灵光 1.0 更像一个带可视化界面的 AI 搜索引擎，用户跟它打交道的基本单位就是一问一答的“Q&A（Question and Answer）”。后来底层模型的记忆机制、跨工具调用能力逐渐补齐，团队发现，AI 也许真能接手生活里那些费精力、要长期盯着、状态还一直在变的事务。于是他们在内部把交互单元改成了“一项事务”。这个说法参考了社交平台上的

在灵光 2.0 的设计中，交互被切成了更细的层次：最底下那一层，是单次的

“用户不可能 24 小时一直盯着某些事情，我们给 Agent 配了一台 24 小时工作的电脑，去分担用户的注意力。”灵光的产品经理寺二这样解释团队最初的想法。

从

内部测试往前推的时候，产品团队发现，用户交给 AI 的并不是几类标准任务，反倒是大量离散、琐碎、随时会变的生活事务。灵光也因此从定时监控类工具慢慢演进为完整的 Personal Agent，并在 2.0 里围绕“持续服务一个人”重做了整体架构。新架构让灵光的记忆更强，能主动认识用户、记住事情，也清楚每件事推进到了哪一步；它会规划下一步、调用工具，在云端虚拟机和

产品真正进入市场后，后台冒出来的真实用法，和团队当初设想的并不一样。财务、消费这块，用户不只拿它记账，还琢磨出很极客的省钱办法——把灵光接入的第三方小程序优惠券和订票服务拼到一起，交给 AI 算出最便宜的出行方案。健康管理上，成熟应用一抓一大把，可还是有很多人把减肥、读书打卡交给灵光，理由很实在：“它像一个真的营养师或健身教练在盯着你”。家庭和照护场景更具体：有人让它盯着孩子三年级数学竞赛的进度，还有人让它把 12 月 6 日搬家前买行李箱的每个节点都排好。

用户对 AI 展现出这种毫无保留的信任，让灵光团队意识到，传统评价体系必须重塑。过去做工具看重“任务完结率”，可生活里很多事根本没有明确的完结节点。于是，灵光构建了一套以“托管量”为起点的新指标体系。

“托管量”（创建的事项总数）是最核心的基础盘。它代表用户敢把多少件生活麻烦事托付给 AI，也是衡量信任度最直观的基准。

但只“托管”还不够。在这个大指标之下，团队紧接着会看“

寺二还提到，除上述指标外，人均托管量、覆盖的托管类型等，也是这套以托管量为核心的指标体系中的重要部分。

这些指标背后的信任与互动，最终汇聚成“留存”。后台数据显示，只要用户在“帮你管”板块中托管了事务，其

日常生活里，一个人通常有若干件需要并行处理的长期事务；这些事办完，又会有新的事务产生。在灵光团队看来，“

共识和仍然模糊的探索

灵光把“托管量”当作核心指标，看起来是业务里摸索出的标准，但对比海内外同行的做法，大家其实都在关注同一件事。灵光的“托管量”、Instinct 的“信用卡绑定率”、Meta Muse 强调的“授权机制”，各家看的指标不同，核心却都在衡量用户对产品的信任程度，以及愿意交出多少控制权。

技术一天天成熟，行业里的人也逐渐看明白：Personal Agent 得从被动答问的工具，转成主动管长线的管家。前提是用户信不信 AI，肯不肯把隐私数据、生活琐事乃至资金决策权交出去。怎么拿到这份信任、又怎么衡量它，是每个产品走向商业化都绕不开的起点。不过信任建立起来之后，个人助理到底该做成什么样、靠什么赚钱，业内还是没有统一答案。对落地场景的理解不一样，各家在产品形态和商业模式上就分出了不同路子。

创业公司 Today AI 选的方向是“个人操作系统”。他们想靠跨设备协同和长期记忆，让 Agent 变成打理数字生活的中枢。定位在提升个人生产力，他们更愿意走

海外的 Instinct 则更像一个“

至于 Personal Agent 最后该是什么样子，灵光有自己的判断。产品经理寺二表示，一个真能被大众接受的个人智能体，三件事得做好：智能、场景和生态。

眼下，灵光靠模型和架构的迭代，大体上已经够到了“智能”这条线；后台托管的事务量超过 100 万，也说明“场景”确实存在——普通人真有让 AI 帮忙管账、管习惯、管家务的需求。

可到了“生态”这关，灵光和整个行业一样，路还长。现在的托管大多还停在盯着、提醒这一步，想真正大范围去“执行”，不同互联网平台之间的数据和接口壁垒就必须打破。

商业化这条路，跟灵光未来的走向直接挂钩。生态一旦足够丰富，Agent 就能把提醒信息一路做到实际服务落地，从服务分发和交易转化里挣钱。这条路子，想象空间可能比单收会员费大得多。

眼下 Personal Agent 赛道整体还在摸索。做操作系统的、做交易代理的，加上灵光现在盯的“托管量”，说到底都是各家拿自己的长板到市场上试水。

真正的成熟形态还没来。个人智能体靠什么赢得信任、最后长成什么样、钱又该怎么挣，这些讨论还会持续很久。

题图来源：her