Personal Agent 是一个错误的产品定义

Instinct 是 personal agent，muse 可能是 personal agent，但是 grokbot 不是也不想是 personal agent

这点从 bot 官方的宣传口径也可以看出来，他们大部分的案例分享都是 bot 可以承接办公、创业或者其他长周期任务，personal 需求只是产品能力的一个子集

从商业模式上也很容易证明我的观点，Instinct 靠用户在产品中产生的交易抽成赚钱，meta 靠用户交互数据精准卖广告赚钱，grokbot 靠订阅费赚钱，你烧 token 越多，他们赚钱越多，所以很简单，他们希望你在上面干所有的事，天天在上面买机票叫 uber 能烧几个 token？

但是大家往往把他们定位成一类产品，这是对的，他们应该是 person-like agent，祖宗是 openclaw，本质是把 Agent 几乎无限的能力范围封装到一个 IM 对话下，降低用户心智负担，下面来详细分析一下这个产品推演思路

要让 Agent 像人，技术上需要解决几个基本问题

首先人是有记忆的，LLM 是无状态的，且 context window 有限，这里需要解决的首要问题就是 agent memory

正是因为 context window 的限制，以 chatGPT 为首的 AI 产品出现以来就有 session 的设计，但是单个 session 无法承载多个需求，正是这个特性让左侧堆积的 sessionlist 几乎成为了每个 AI 产品的默认设计，但是实际上这给用户使用带来了相当大的心智负担。唯一的「国民级 AI 应用」— 豆包，明显是考虑到了这个问题，很多用户天天用都不知道右上角可以新建对话

另一个由于 LLM 特性引入的问题是推理时长，这一点在 chatbot 产品 agent 化后，尤为明显。这里直接导致用户产品体验上的一大痛点就是，每次 prompt 发送后就被迫进入烦人的等待周期

由于上述两个问题，最新的 AI 产品都在往一种形态收敛 — 用单一入口承载用户的并发需求，不展示推理中间状态，直接交付结果，鼓励异步对话。听起来有点复杂，但是说白了，其实就是 IM，你在 IM 里是怎么和人交流的，在产品中就怎么和 AI 交流

你可以给一个人交代多条任务，而人会默默地处理好每一个需求，并且在完成时发消息告诉你，你不需要看到人中间每一步思考过程。实际上这种产品形态的市场反响非常好，因为解决了一个非常关键的问题，即大多数的 AI 产品，比如办公 Agent 越做越复杂，用户根本不会用，而这种形态，用户从心智上就会把对方当成一个无所不能的人类，便于理解。把这个形态做到极致的产品是 Instinct，他们甚至是一个无头产品，没有自己的客户端，用户直接在 iMessage 中与 Agent 交互。muse、grokbot 也都是相同的设计，这也是为什么 muse 能真正切入大众市场的一个关键因素

下面从技术方向分析一下，让一个普通的 ReAct Agent 变成 grokbot 式的 person-like agent 有哪些核心设计

首先要保证 agent 能及时回复用户消息，没有人想和一个老不回消息的人说话对吧？我分析过市面上大部分这类产品的设计，大概有两种思路，一个共性。共同点在于他们都要保证 agent loop 长时间处于 idle 状态，而不是执行任务，具体思路是用 subagent 把几乎所有任务都委派出去，在 grokbot 中叫 delegate tool，这个工具的描述是除了简单的搜索问答任务以外，都需要通过这个工具把任务委派出去。至于委派出去的任务，会在完成后回调到主 loop 中，激活 loop 来和用户交流

这是共性，区别在于主 loop 让用户看到的信息到底是什么，常见的思路是 llm 请求返回的 final assistant text，但是这个方式的问题是，模型不会「闭嘴」，假设是群聊场景，每一句话都会让所有模型回复一遍，要不然就是强制@触发，都是不太优雅的设计。grokbot 的处理方式是告诉模型，“senduser tool is your only voice, the text is just your snippet”。这种方式让群聊和私聊同构，更加优雅的同时让模型不那么啰嗦，总是返回必要信息