个人 AI 助理进了聊天框,为什么还要学会主动?

Cola 曾取消注册时的引导问题，让新用户直接面对一个空白输入框。创始人橘子说，新用户因此更容易流失。

会聊天的 AI 已经不稀奇；难的是一个人还没想好第一句话时，助理如何开始帮忙，又怎样避免自作主张。

主动，是个人助理争取长期信任的能力，也是最容易越界的能力。

《Linkloud Talk》的高宁请来 Cola 创始人橘子和 Photon 联合创始人 Daniel。

一个从长期关系与记忆切入，一个让 Agent 进入人们已经在用的消息工具。

两条路线都想把 AI 从“问一句答一句”推向日常生活。入口、成本、真实任务和隐私控制，究竟哪一环先决定用户会不会留下？

这个实验让团队重新面对一个问题，用户并不会自动把生活困扰整理成可执行的指令。

这不是说所有人都不懂提问，而是普通用户并不一定把生活组织成一条清晰 Prompt。他也许想改善工作，却说不出第一句；

也许需要被提醒，却不知道可以把什么交给 AI。

所以 Cola 把“主动”做成产品能力，它可以回看近期交流，提出一个观察，或在合适时机提醒一件用户曾经关心的事。

主动不是频繁发消息，而是用已有关系提出有用、可拒绝的下一步。

用户没有输入，不等于没有需求；助理也不能把沉默自动当成授权。

橘子在节目中用“约三成”描述这一变化，但未给出样本、基线和统计周期；配图写的是“留存率下降 30%”。

流失率与留存率的变化不能直接互换，能确认的是取消引导后的方向性结果。

长期关系还需要记忆结构。Cola 描述的“心迹”像日记，记录它从日常交流里得到的理解；

“觉知树”把零散事件逐渐归并成更稳定的认识。原始信息、阶段洞察与长期记忆各有位置，旧判断也应该能修改、遗忘。

这也解释了为什么“把所有聊天记录塞进上下文”不是记忆方案。一次抱怨可能只是坏心情，多次重复的目标才可能是稳定偏好。

助理若把前者永久写进用户画像，以后每次主动提醒都可能错得很有把握。

主动提醒的质量，取决于记忆能否被修正。

层级化记忆至少为“这条判断来自哪里、还成立吗”留下检查入口。

一个人喜欢什么，未必写在日历、邮箱或云文档里。许多重要背景藏在迟疑、反复讲述和还没做出的选择中。

橘子的判断是，长期对话能接近这些未结构化的生活上下文。

记住更多不是目的，记得对、允许更正，才是长期记忆的价值。

Daniel 在大学时，因为常忘记回家人朋友的消息，写过一个接入 iMessage 的机器人。

按他的回忆，亲友一段时间没有察觉回复来自 AI。

这段带点荒诞的经历，也让他相信，人不会为了使用助理，主动学习另一套复杂界面。

Photon 于是做消息基础设施，让开发者把 Agent 接入 iMessage、WhatsApp 等渠道。

对用户来说，它像通讯录里多了一个联系人；对开发者来说，不必从头维护每条消息通道。

Daniel 在节目中还列举 Telegram、Discord 和短信等不同渠道，并称平台已承载数万 Agent 的消息收发。

这是他的业务描述，并非所有 Agent 都形成了活跃的用户关系。

接入消息渠道，只是关系开始的第一步。

基础设施可以让开发者更快部署，但“同一个助理”跨渠道认出人、保留对话脉络、尊重各平台的权限规则，仍是产品层的工作。

这条路线借走了熟悉感，也继承了聊天工具的心理氛围。给朋友发消息与打开办公系统，人期待的回应方式并不一样。

但聊天框只是入口，如果 Agent 在背后不能执行任务、无法控制打扰频率，再方便的入口也会变成新的骚扰源。

熟悉的入口降低了第一次使用的门槛，信任却要靠之后每次互动积累。

橘子的出发点几乎相反。橘子回忆自己折腾 OpenClaw 时，花了不少时间安装配置；

装好以后，系统连着回复了此前留下的几条测试消息。让橘子记住的不是某个功能，而是它仿佛知道“我刚才一直在这里”的感觉。

Cola 因此把产品定位为 Sidekick，一个与你并肩的助手，而不是每次会话结束就清空的工具。

它想让同一个长期对话保留脉络，逐渐形成关于用户偏好、习惯和目标的记忆。

这两条路并非简单的“聊天工具对独立 App”。Photon 优先解决抵达用户，Cola 更强调关系持续之后的理解。

真正难的，是让入口、执行、记忆和用户控制权在同一产品里接得上。

助理越容易接近你，就越需要证明它知道何时该安静。

订一顿饭的价值，通常远低于替公司写一段关键代码。模型昂贵时，先跑通的是价值高、愿意付费的编程场景；

用昂贵模型反复处理餐厅预约，账很难算平。

生活任务能否普及，先看每次完成要花多少钱。

橘子在节目里把模型成本下降视为重要转折。

更便宜的小模型承担日常步骤，复杂问题再调用更强模型，是一种可能的成本分层设计。

模型变便宜，过去看似奢侈的生活任务才有机会按消费产品的价格提供。

但降价只解决第一层。Agent 还要在多轮任务里记住进度，失败后能恢复，并在手机锁屏后继续运转。

长期运行环境与更成熟的框架，让它不必每做一步都等待人打开电脑。

模型成本决定能不能做，稳定运行决定做不做得完。

第三层是与现实世界的接口。不是每家餐厅、诊所或商店都有开放给 Agent 的 API。

若只能回答“你可以去这个网站试试”，助理仍只是建议工具。

节目谈到 Browser Use 和 Computer Use，在用户授权范围内，Agent 像人一样浏览网页、填写信息、处理页面变化。

越是琐碎的生活场景，越要靠这些细节把“建议”变成交付。下单、付款和提交敏感资料，仍应有清楚的确认边界。

一周里，Sheel Mohnot 和 Instinct 在 iMessage 上来回发了 677 条消息；

找医生、谈价格、订餐厅等涉及 15 类日常任务，数字与截图见本期 Shownotes。

任务越贴近日常，越要同时算成本和失败后的补救。

Instinct 的走红因此不能只归功于一个大模型。

节目页还提到它的融资与邀请码热度，但融资是资本的预期，并非所有生活任务都已可靠自动化的证明。

热度的速度同样值得拆开看，Sheel 分享体验后，节目资料称一百多个内测邀请码很快被领完；

Instinct 随后宣布大额融资，另一款个人助理 Town 也获融资。

融资验证的是期待，留存才检验助理是否真的好用。

邀请码说明有人想试，融资说明投资人愿意押注，两者都不能替代“用户一个月后还敢不敢交出下一件事”的留存证据。

节目里，橘子讲到一位用户把与相亲对象的聊天记录交给 Cola，希望它结合长期交流帮她看清自己的偏好。

故事的重点不在“AI 选中了真命天子”，而在一个人平时难以说清的标准，能否被整理成可讨论的线索。

另一个用户长期记录身体症状，带着 AI 帮他整理出的可能方向去找医生。嘉宾把它讲成长期上下文发挥作用的例子。

我们无法根据节目自述验证诊断或疗效；身体不适的判断和治疗，仍要由有资质的医生完成。

Daniel 也谈到医疗沟通里的信息断裂，短暂问诊很难容纳数周的症状变化。

连续记录若能帮助患者把经过说清，可能提升沟通质量，但它不能把 Agent 变成医生。

医疗故事最值得保留的是连续记录的价值，而不是把个案包装成疗效承诺。

第三个故事很生活化。按橘子的讲述，北京一家饺子馆老板起初只用 Cola 聊天、倾诉，两个月后才发现它还能帮忙做网站。

他愿意付费的原因，先是“不再从头认识我”的感觉，后来才是具体任务的惊喜。

三个故事指向不同收益，有人想厘清自己的选择，有人需要整理长期信息，有人重视被持续记住。

它们也都是节目中的用户故事，不能代表大多数人的使用结果。

关系带来更多上下文，也带来更高的准确性与隐私要求。

为了让开发者记住“Agent 应当无处不在”，Daniel 讲到 Photon 举办过传统 App 的“葬礼”，还用卡丁车做过夸张的线下活动。

橘子分享的是另一种做法，团队发出约 300 张线下海报，按其自述投入约 100 元人力成本，最后得到 5 位深度活跃用户。

这个试验说明线下场景可能找到愿意长期使用的人，但 100 元只是所报的人力，并非包含设计、印刷、场地和后续服务的完整获客成本。

它也不能据此推断大规模投放仍有同样效果。

节目还出现一个令人不安的组织实验，一位老板把 Cola 拉进飞书员工群，请员工向它汇报，再让它点评。

群聊入口确实让 Agent 从私人对话走向多人协作，但老板、员工与 Agent 对数据的权限并不相同。

若点评影响工作评价，谁能纠错、谁能看到依据，就不再是一个好玩的聊天功能问题。

助理一旦走进群聊，信任就变成了多方协商。

两种方式都在争夺注意力。可一个人下载助理之后，能否愿意交出日程、聊天和个人习惯，靠活动热度解决不了。

越是贴身的产品，越不能把“愿意试用”误当成“同意一切持续访问”。

Daniel 认为早期邀请码用户常因担心错过新产品而迅速同意服务条款，暂时不细看隐私边界。

这是他对先锋用户行为的解释，不能据此推断大众用户也愿意交出同样权限。

节目也讨论了个人助理的权限问题。用户取消连接后，系统是否真的停止读取；历史记忆存在哪里、能否删除；

主动提醒会不会越过用户的边界。这些都比“AI 很像人”更早决定信任能否成立。

真正的长期陪伴，需要可见、可改、可撤销的授权。

Cola 介绍过让用户在本地查看和管理长期记忆的方案。

它是一种产品承诺，实际存储、同步与删除机制仍需要以产品设置和隐私条款为准。

Photon 则面临多消息平台接入时的权限和消息处理边界。

快问快答里，两人的回答很能说明“帮助”不等于“接管”，橘子不愿把重大人生与商业决定交给 Agent；

Daniel 连旅行规划都想自己做，因为探索过程本身就是旅行的乐趣。

一件事可以自动完成，也不等于人想把它交出去。

Daniel 甚至想象过每天早晨让 AI 打印一张纸，只留下需要自己判断的选择题，勾完再用手机回传。

这个愿景并不要求“所有决定都自动完成”，而是想把人的注意力留给真正需要判断的事。

关于 2030 年，一个人会不会把 AI 当成全新伙伴，两位创始人给出充满想象力的答案。

那是他们对未来关系的设想，不是已经发生的用户事实。

此刻更实际的检验仍是，它能否可靠办事，能否尊重拒绝，能否在用户需要时把决定权交回用户。