前 Manus 成员做 Personal Agent：从积累上下文到提升执行效果

内容编辑丨特工小师 特工小饼 内容审核丨特工少女

最近我们反复在想一件事：Personal Agent 究竟要怎么做，才能算一个真正管用的个人助手。

海外一些最新的前沿尝试，正试图回答这个问题。Meta 推出了 Muse，目的是让 Agent 持续帮用户推进日常任务和长期目标；Instinct 则让用户通过发消息、打电话，把订票、采购、安排生活琐事都交给个人助手。

Town、Hark、Underdog 也把持续记忆、跨工具协作和任务执行捏到了一起：先了解用户的项目、人际关系和优先级，记住之前发生过什么，再据此提建议、采取行动。a16z 在投资 Town 时就强调，助手慢慢积累起来的表达方式、人际关系、偏好和习惯，本身就是产品的一部分，竞争对手也很难在短时间内复制。个人助手得先赢得用户信任，才接得住他们的上下文和实际工作。

这些尝试最后都落到同一个问题上：AI 能不能在和你相处的过程里，不断加深对你的理解，并且把这份理解用到下一件事上？

把这个问题放回国内，情况又不太一样。很多重要信息散在微信、飞书、文档和各种软件里。大家知道 AI 很强，却不一定清楚一项任务该调用什么能力；也未必有空去研究连接器、拆解工作流。

这正是国内 Personal Agent 最根本的难处：AI 本来有机会把人与人之间的能力差距拉小。可只要使用门槛还在，熟悉工具的人往往更快借 AI 放大能力，其他人则可能被挡在门外。

一支由前 Manus 成员创立的团队，决定从这里切入。他们做了一个跑在电脑上的 Personal Agent，主动把分散的工作和生活 Context 整理成属于你的 Personal Database，供本地类似 Workbuddy、Codex 这样的通用 Agent 调用，进而帮用户把大多数任务执行得更好。

一个生长出来的 Personal Agent

Persom 创始人之一 Cecilia 此前在 Manus 工作。离开 Manus 后，她做过另一家公司的合伙人和产品负责人，负责 Vida 产品；六月离开之后，她开始围绕 Personal Agent 创业。

而她对 Personal Agent 这个方向的思考，能追溯到一年前。2025 年十月，她曾在黑板上画下关于一款个人助手的设想：

进入十一月，思路慢慢明朗起来：下一代 Agent 的起点应当是用户所处的上下文，由它主动去理解信息、判断意图，等到时机合适再给出建议、把任务往前推。

这个想法，一部分来自她在 Manus 的工作经历。当时 Cecilia 负责红人营销，她试着连接 Gmail 和 Slack，让 Agent 每天推送有哪些待办可以代劳；后来她又把自己的操作过程录下来，一边讲解工作方法，一边把视频交给 Agent，再连接 n8n 搭建工作流。

这一连串尝试让她看清了一件事：单个人的工作过程本身，就带着大量关于背景、做法和判断的痕迹。AI 若能把这些痕迹从真实工作过程里读出来，用户可能就不必每回都从头梳理、从头说明。

后来负责 Vida 时，Cecilia 同样从桌面端入手，继续摸索工作流和主动式 Agent。

但再往下做，他们发现：一个不了解项目进度的 Agent，哪怕每天准时推送建议，也可能只是给用户添更多活儿。让 Agent 理解用户的意图，比执行一项明确任务更难。它或许能按指令完成操作，却未必知道当前任务最需要做什么、为什么要这样做，以及做到什么程度才算完成。

这些经历累积下来，Cecilia 心里慢慢有了一个结论：要想让 Agent 主动服务，先得把 Context 弄准。六月开始创业之后，她接着试 Personal Agent 的各种路子——给移动端产品装上电话、邮箱、钱包和云电脑，看 Agent 能不能围绕邮箱这类场景把任务推下去。

七月时，产品已经有点接近现在大家说的 Personal Agent 了。同月的一个晚上，Cecilia 和合伙人 Tianyi 在 Epark 守着一块白板，聊到天亮。

白板前摆着几件事：云电脑成本多少、Computer Use 当时成熟到什么程度，以及用户到底要什么。一个创业团队资源有限，钱和人该往哪儿投，他们也一并掂量。

聊到最后，执行能力不再是优先项。两个人把方向拨回那个反复卡住的问题：怎么让 Agent 更懂用户。

Persom 就这么出来了。团队顺着 Personal Agent 的基础设施往下做，采集层被做成了开源项目，产品则围着电脑端上下文采集、Personal Database 搭建和工作流提取不断迭代。再往后，轻量的主动推送和意图识别也加了进来，试着让别的 Agent 来调这些上下文，把具体任务做掉。

对用户来讲，不会写 Markdown、不懂自动化也没关系，从平时用电脑的过程起步，自己的上下文就能一点点存下来。Persom 想做的正是这件事：让人的数据变成 Agent 能读懂、能调用的上下文，让 Agent 更好替人干活。

Make something agents want，帮每个 AI 使用者搭建 Personal Database

Persom 是一个跑在用户自己电脑上的 Personal Agent。在用户授权的范围里，它把日常工作和生活里的上下文攒起来、理清楚，记忆、做事方法、流程慢慢沉淀成属于用户的 Personal Database，不同的 Agent 需要时就来取。

为什么非得要一个 Personal Database？YC 总裁前不久在播客《What Happens When Everyone Can Build Software》里聊过这类基础设施。

照他的说法，Personal Agent 一普及，用户就需要一个不绑在某个应用、某个模型上，由自己掌握的长期数据底座——Personal Database。我们的财务、健康、日历、邮件和社交信息，平常东一块西一块散在不同软件里；Personal Database 想把这些连起来，变成个人数字生活中一份能一直更新的记录。

这么一来，不同应用和 Agent 拿到授权后都能用里面的数据。用户换 Agent、换模型、换应用，过去攒下的数据和上下文也不用从零再来。Agent 可以当交互和干活的入口，Personal Database 则让用户的上下文和操作习惯有机会延续下去。

而 Persom，想把这个面向 Personal Agent 的核心概念，带进每个人的日常工作和生活。

Use case 1：使用 Persom，每个人都能搭建自己的 Personal Database

同一份信息，人和 Agent 要的东西并不完全一样。人要的是简洁、准确的概括，一眼抓住重点；Agent 要的是更完整的记录、细节和来源，干起活来才明白结论背后是什么情况。

Persom 想把两边都顾上：给人整理出好读的内容，也给 Agent 留下继续翻找、理解上下文的依据。

一旦把散落在各个软件里的信息串起来，你就能用大白话发问，让 Agent 到那些看上去八竿子打不着的记录中间去找联系。

健康就是个现成的例子。拿到授权之后，Agent 可以把你称重的数字、训练记录和日历放在一起看，没准就会发现：体重往上走的那几周，正好是你出差最密集的时候。原本各管各的数字，也就有了被放回真实日子里去理解的机会。

Persom 想让这种能力随手就能用上。在用户授权范围内，它抓取屏幕上的上下文，把你在微信、飞书这些软件里碰到的信息，连同平时干活的过程，一点点攒成 Agent 能调用的个人数据。

接上 Persom，等于给 Agent 装了一双盯着你工作和生活的眼睛：

眼下正在发生什么，它看得懂；之前的记录，它也有机会翻出来参考。这些攒下的东西能一直给不同的 Agent 用；模型本事见长，同一份上下文说不定还能帮你办成更多事。

persom 翻历史信息，一键把工作复盘做细

碰上 Codex 这类产品，Persom 能把它们的生成效果再往上推一把：

用 Codex 连上 persom，每日 auto - list 直接生成

Persom 把微信群聊里的信息抽出来，交给 Codex 整理成目录

Use case 2：Persom 更懂按用户习惯落地场景，把工作能力和工作流沉淀下来，再由本地 Agent 去执行

除了记住发生过什么，Persom 还试着弄明白：一件事你一般是怎么收尾的。

平时工作里，有不少任务看着零碎，却总在重复。它们通常自带步骤、工具和判断标准，只是很少有人专门把它们记下来。

Persom 想从这些真实的干活过程里，把能复用的 Workflow 拎出来。下回再遇到差不多的任务，Agent 不用只靠一句干巴巴的指令，可以照着用户以前的做法来。

拿报销发票来说：从归拢材料到提交申请，一回回实际操作里攒下的步骤和经验，都有机会留下来，变成之后能参照的工作流。

再往前走一步，工作经验也未必要只给自己用：

你信得过的人要是愿意把自己的方法拿出来分享，在拿到授权的前提下，Agent 也能参考这些经验，再结合你的资料和需求，帮你把事情办了。

Use case 3: 记下一个人，记下和朋友之间的“shared moments”

效率之外，Persom 的一些瞬间也让人感觉到：它想帮人留住的，除了信息，还有人情里最金贵的那点温度。

有时候你要找的答案，兴许就藏在过去的自己写下的字里。

Cecilia 讲了自己的一段体验。一个深夜，她问刚搭好的 Persom 原型：“创业的意义是什么？”. Persom 把她四月底写在 Notion 里的文字找了回来，跟她说：“请允许我带你回顾一下。”

你认真写下的想法，Persom 会让它在将来需要的时候再被翻出来：那些留下的记录，说不定就成了过去的自己，给今天的你一个回应。

个人记忆之外，拿到授权之后，Persom 还能靠朋友卡片留下共同经历，并且照着日常记录，每周替你在乎的人起草一封信：

这周出了什么事，有什么想说的，哪个瞬间让你想起了对方。你先读、再改，最后才决定要不要发出去。谁陪了你十年？你们一起经历过什么？最近读到的哪段文字，让你想起一个好久没见的朋友？

Persom 新版产品里还有个“订阅”功能，你可以让最亲的家人/朋友订阅你的每一周，Persom 会把你和朋友的 Shared moments 整理好，每周汇成一封信。

还有一层可能：Personal Agent 可以帮人把那些不太好开口的话理清楚。

最近热度很高的《后会友期》里，许飞和厉娜的表达方式就完全两样。厉娜想要的是对方直接面对自己，把当年的事讲明白；许飞却认为，真信任用不着解释。问题是厉娜需要听到直接的说法，这偏偏是许飞不拿手的。

要是有一个像 Persom 这样了解双方来龙去脉的 Personal Agent，它就能站在中间，帮两位当事人把自己的感受捋顺，也帮他们读懂对方习惯的表达。

Persom 是怎么帮你管理数据的

这些案例看完，接下来自然会问：这么复杂的效果和交付标准，Persom 到底是怎么做出来的？

一个能长期帮上忙的 Personal Agent，光记住几段对话远远不够。它得清楚信息从哪儿来、事情后来怎么发展，还得摸透一个人平时怎么干活。

Persom 的做法是把原始信息、整理过的记忆和进一步得出的判断分开放，再把散落在各个应用里的人、项目和事件串起来。

第一步，先弄明白电脑上此刻在发生什么。

电脑里的信息通常很杂：文章边上挂着侧栏，窗口背后还压着别的内容，输入框里的字也许只是没发出去的草稿。要是把屏幕上的文字一股脑全记下来，AI 很难分清用户在看什么、又做了什么。

Persom 没有走连续截图那条路，它借 MacOS 的 Accessibility API 读取界面里的内容、焦点和交互，同时记下信息出自哪个应用、窗口和网页。碰上这些拿不到正文的情况，再用本地 OCR 补认屏幕上的字。

这样留下来的不只是一段孤立的文本，还有它出现的场景，以及用户当时的操作。

第二步：给数据留下依据

看到了信息，不等于就读懂了信息。

一天的工作可能横跨好几个应用、许多轮对话。整理的时候，重要细节不能丢，不同时间、不同人讲过的话也不能搅在一起。

具体做法是：Persom 先让模型判断哪些内容值得留下，再由代码找回对应的原文、应用、窗口、网页地址和操作记录。同一句话在两次不同会话里出现，照样算两段独立的上下文；别人说“已经合并”，也不会被直接记成“用户完成了合并”。

说白了就是：模型管理解，代码管找回依据。

用户或 Agent 之后要用到某条数据时，就有机会回到它对应的原句和场景。

第三步：把人、项目和工作方法连起来

有了这些依据，Persom 才开始梳理用户的工作脉络。

同一个人在微信、飞书里可能用着不同的名字；同一个项目也可能散落在文档、聊天和会议记录中。Persom 会试着认出这些不同称呼，把相关的人、项目和工具连到一起。

项目有了新进展，系统不会另起一份孤立记录，而是先做校验，再把变化补进原来那个事件里。

用户做过的任务，系统还会接着整理：目标是什么、用了哪些工具、走了哪些步骤、产物放在哪里，以及遇到的问题最后怎么解决的。

所以 Persom 的 Database 想呈现的，不只是按时间排好的一堆日志，还有个人画像，以及人和项目之间的关联。用户在 Persom Playbook 里沉淀的，也不只是“用户会写周报”这一条，而是周报通常怎么完成、参考哪些材料、遇到问题怎么处理。

第四步：持续更新，也允许纠正

Persom 还会去摸用户的偏好和行为模式。不过重复出现不等于成了习惯。团队的说法是，同一项行为得凑齐至少三个不同日期的独立证据，系统才认它是习惯；跨领域的特征同样要有不同观察相互印证。

用户要是对某个判断不认，系统会把理由记下来，之后再重新核验。

Claude Code、Codex 这些 Agent 接到新任务，Persom 就按请求牵扯到的人、场景和时间，把相关的记忆、工作方法连同出处找出来，通过协议交给 Agent。交出去的并非一份写完就冻结的用户档案，而是一套源自真实工作、能跟着新进展更新、也能被纠正的个人上下文。

每个人都可以拥有：一个专属 AI 复利系统

团队的产品设计里，Persom 管理 Personal Database 走的是本地优先，数据存在用户自己的电脑上。接入开不开由用户自己定，通过 MCP 让 Claude、Codex 等 Agent 按需调用。一个阶段攒下的工作背景，就有机会接着服务下一个阶段；换了工具，也能顺着之前的积累往下做。

再往前看，Persom 想留下的还有人的经验和判断。更长远的目标，是让复杂工作里的 Know-How 和每个人专属的长程工作流也能被调用：

往后 Agent 要做的 project 可能长达一周甚至一个月，关键落在人的 context、判断和合适的 trigger 上，persom 在试着把这些专属于个人的行为数据与轨迹数据沉淀成资产。

前提是明确授权。用户也许能调用朋友或专家愿意分享的工作方法，配上自己的资料把任务做完；自己攒下的经验，也有机会靠分享或交易变成可反复使用的生产力。

模型能力往上走，一个人长期积累的上下文、工作方法和判断，也有机会在新工具里继续派上用场。

日复一日的工作里，解决过的问题、摸索出的方法、慢慢形成的判断，很容易随项目结束散落各处。Persom 想帮你把这些一点点捡回来，下次要用时能撑你一把。

用户不必再添一个 agent，也不用改自己的使用习惯。该拥有的是自己的资产，供自己调用，也有权选择让谁来调用。Persom hope it owns to users. Hope everyone own their intelligence.

眼下 Persom 开放小范围内测，感兴趣的用户可以来体验，厉娜！

- 完 -