ARTICLE · 1161571

个人AI智能体前沿进展与发展态势:从个人助手到数字分身

发布时间：2026-10-12 12:34:56 最近访问：2026-10-12 12:34:57

前言：人工智能正从“对话工具”迈向“个人数字分身”。传统AI助手以被动响应为主，记忆短暂、执行受限；个人智能体（Personal Agent）则通过持久记忆、自主规划、跨应用执行与个性化对齐，逐步成为贯穿数字生活的智能代理。2026年，随着OpenAI Dots、Meta Muse、xAI Grokbot等商业产品探索，以及OpenClaw、SemaClaw、nanoMuse等开源项目演进，技术竞争正从提示词工程转向Harness系统工程，重点涵盖记忆管理、多Agent协作、工具调用与安全治理。然而，任务漂移、隐私泄露、权限滥用及经济利益失配等风险日益凸显。如何构建能力持续进化、行为安全可靠、目标始终可控的个人智能体，将成为下一代计算平台发展的关键课题。

在过去几年的生成式AI浪潮中，绝大多数人熟悉的操作范式是：打开浏览器、输入提示词、复制生成的文本，再由人类亲自去软件界面中进行点击、修改与发送。这种“人随AI动”的交互模式在2026年迎来了颠覆性的翻转。

随着AI基础设施从单纯的语言生成扩展到包含独立云端虚拟机、本地沙盒与操作系统控制权的运行环境（Harness Runtime），个人AI智能体（Personal Agent）正迅速从单纯的聊天框进化为拥有独立运行环境、能跨应用执行复杂工作流、具备持久记忆并在授权范围内代表个人采取行动的数字分身。

软件交互的本质发生了深刻变化：人类从操作员变成了监督者与委托人，而AI则从离散的文本生成器演化为常驻后台的数字智能体。

一、Personal Agent究竟是什么？

1、核心定义与三要素

个人AI智能体（Personal Agent）是专门为单个用户服务的自主软件程序

。它运行在专用的计算基础设施（如独立云端虚拟机或本地沙盒）上，具备工具调用能力、长短期记忆以及自主规划逻辑，能够代表个人在数字世界中完成端到端的真实任务。划定Personal Agent边界的关键在于三个核心词：

1）专属排他性（Exclusively）：个人AI智能体的对齐目标-排他性地服务于单个用户的最佳利益，不被其他第三方指标所干扰。

2）持续学习（Learning）：维护跨会话的用户身份记忆，通过日常交互持续积累用户的偏好、习惯与上下文，随使用时间增长而不断深化理解。

3）横向贯穿（Across）：打破单一软件的藩篱，横向贯穿邮箱、日历、文件、浏览器与桌面应用，覆盖个人数字生活的全界面。

2、Personal Agent与传统Chatbot的本质差异

维度	传统Chatbot /语言助手	个人AI智能体 (Personal Agent)
对齐目标 (Alignment)	优化任务单次完成率、平台留存或企业 KPIs	排他性服务于单个用户的最佳利益
记忆机制 (Memory)	“金鱼记忆”（Task-scoped），会话关闭后上下文消失	持久化身份记忆 (Identity scoped) 跨会话累积个人习惯
执行广度 (Scope)	垂直单点，局限于特定窗口或单一软件应用内	横向贯穿邮箱、日历、文件、浏览器与本地桌面
响应模式 (Behavior)	被动，静态等待人类输入提示词	主动与预判，常驻后台，后台自动追踪
交付物 (Deliverable)	文本回答、分析建议或草稿文本	已闭环执行的真实任务或待确认的授权请求

二、Personal Agent的演进历程

个人AI智能体（Personal Agent）的演进是一个能力不断叠加、从“单次问答”走向“自主委托与常驻运行”的过程。根据技术架构与产品形态的发展，其演进历程及各阶段代表产品如下：

1、数字化个人助理阶段：以规则引擎和硬编码为主，依赖预设条件执行日历记录、待办事项管理与通知提醒，缺乏深度的语言理解与自主推理能力。

代表产品/实例：早期的Apple Siri与Google Assistant：负责设置闹钟、查询天气或拨打电话等单一指令；系统自带日历与待办事项工具：基于时间或位置触发通知。

2、对话式AI助手阶段（Generation 1 — Answer）：依托大语言模型（LLM）的自然语言理解与生成能力，遵循“提示词 ➔ 模型 ➔ 回答”的交互范式，擅长离散问答、文本写作与代码生成，但缺乏外部工具调用与跨会话记忆。

代表产品/实例：早期ChatGPT、Claude与Gemini网页版：作为离散的文本对话框，用户关闭页面后上下文即告蒸发（“金鱼记忆”）。

3、工具型Agent阶段（Generation 2 — Assist）：引入函数调用（Function Calling）与工具协议（如 MCP），能够自主调用浏览器检索、执行代码或读写本地文件，辅助完成特定的单点工作流。

代表产品/实例：

ChatGPT（配带Code Interpreter/代码解释器与Custom GPTs）：可以在沙盒中运行Python代码或处理上传的文件。
Salesforce Agentforce：垂直于企业客服与工单处理的自动化工具。

Harvey：专注于法律文件草拟与检索的垂直领域Agent。

4、自主执行型Agent阶段（Generation 3 — Delegate）：具备 ReAct（Reasoning + Acting）循环与动态规划能力，能够自行拆解多步骤任务并根据环境反馈实时调整策略。用户只需设定最终目标，Agent即可自主规划多步骤路径并闭环执行。

代表产品/实例：

Devin：能够独立阅读需求、编写代码、排查Bug并部署应用的自主软件工程Agent。
Manus 1.0/Studio：能够跨平台搜集素材、并行执行长链条研究与任务构建的工作区Agent。
Replit Agent：只需自然语言描述即可构建并上线完整应用的开发 Agent。

5、记忆与技能型Agent阶段：打破单次会话限制，引入分层记忆系统（情境记忆与语义记忆）以及渐进式技能加载（Skill Curation），将日常交互沉淀为结构化的个人偏好与SOP技能，实现跨会话的经验积累与能力沉淀和“越用越懂主人”。

代表产品/实例：

OpenClaw：开源的自建个人 Agent 框架，支持持久化状态、工具调用与本地数据掌控。
Hermes / Hermes+：具备持久记忆、技能文件（Skills）与检索门控的开源智能体运行环境。
PersonaAgent：通过统一的“记忆-动作”框架与Persona系统提示词优化，实现个性化决策与实时偏好对齐。
Mem0（混合记忆层 / 记忆库）/MemOS（记忆操作系统）：专门提供跨会话长短期记忆提取与管理的智能体记忆基础设施。

6、主动式个人数字分身阶段：依托独立的云端虚拟机/本地沙盒（Harness）、安全隔离架构与多Agent协同机制，拥有独立的系统控制权或数字身份，常驻后台24小时运行，支持多Agent团队分工协作与主动预判，并受严格的授权屏障保护，在授权范围内持续追踪长期目标，主动协助管理日常事务。

代表产品 / 实例：

OpenAI Dots：基于GPT-6 Astra，运行于独立的云端电脑，拥有“目标所有权”，常驻于ChatGPT、Slack与Teams推进项目。
Meta Muse：基于 Muse Spark 1.3，运行于独立的Muse Secure VM虚拟机，配合Sentinel哨兵安全审核，代表用户完成购物比价与账单议价。
xAI Grokbot：基于Grok4.6，配备独立的云端电脑与“录屏教学（Teach a Task）”技能演练功能。
Manus Cue：赋予智能体独立的邮箱、电话、钱包与云端电脑，支持多 Cue 智能体在同一个群聊中协作执行复杂项目。
Instinct AI：无App界面，通过电话/短信/群聊交互，主动协助管理行程、打车与预订餐厅。
SemaClaw/nanoMuse：引入DAG智能体团队编排、PermissionBridge 行为安全检查，或直接将手机与电脑屏幕作为操作双手的开源/端侧智能体

三、Personal Agent核心架构、组成部件与核心特征

从最新的技术实现来看，一个生产级的Personal Agent系统呈现出如下的清晰架构：

1、Personal Agent核心组成部件

1）推理与规划引擎：系统的“大脑”，依托前沿大模型进行目标拆解、ReAct循环推演与自纠错调整。

2）Harness运行环境：智能体的“身体与工作台”，包含独立的云端虚拟机、云端电脑或本地沙盒，确保智能体拥有独立的文件系统、浏览器与命令行环境。

3）分层记忆系统（Tiered Memory Architecture）：

工作记忆：管理当前会话的上下文压缩与历史清理。

外部检索记忆：通过向量与文本混合检索（Vector + FTS5），从历史交互与文档中动态提取个人偏好。
身份固化层（Persona/Soul Partition）：以结构化文件（如 [已移除可疑链接]）锁定智能体的主人风格、核心约束与价值观。
动作与协议层（Action&Protocol Layer）：依托MCP（Model Context Protocol）标准接口、A2UI声明式界面生成、或Personal Agent Protocol进行跨软件与商户连接。
安全与权限控制屏障（Permission Barrier）：如PermissionBridge 或Sentinel哨兵机制，在智能体执行高风险动作（支付、对外发信、删除文件）前强制进行人类授权拦截。

2、Personal Agent四大核心特征

1）专属对齐（Personal Alignment）：严格以用户的收益最大化为唯一行动准则。

2）主动常驻（Always-on Proactivity）：后台24小时持续监控目标，应用关闭后仍可继续工作。

3）复合进化（Recursive Evolution）：将每次执行的经验转化为可复用的技能（Skills）与知识库，使用越久越懂主人。

4）数字代表性（Digital Agency）：获得法律与协议层面的授权，能够在具体场景中代表用户与商业机构或其他Agent展开协商。

本质洞察：赋予Agent 一台独立的云端电脑，意味着任务的执行彻底摆脱了用户本地设备的束缚。即使你关机睡觉或处于断网状态，智能体依然能在其专属的云端沙盒中流畅地运行脚本、处理大量邮件或爬取研究数据，实现真正的全天候无间断工作。

有了这些核心特征作为支撑，各大科技巨头与创新初创公司在2026年掀起了一场前所未有的产品化浪潮。

四、2026战局：主流个人AI智能体产品与核心特点深度拆解

2026年，Personal Agent市场迎来了爆发式增长。各大厂商沿着不同的定位与技术路线，推出了多款代表性产品：

产品名称	发布/更新时间	核心运行环境/模型	杀手级特色功能	典型应用场景
OpenAI Dots	2026年9月29日	GPT-6 Astra	云端独立电脑；持续工作模式；深度集成 Slack/Teams；实时视觉行程预订与闭环	企业与专业用户；项目追踪、代码重构、差旅预订、用户反馈闭环
Meta Muse	2026年9月8日	Muse Spark 1.3	Muse Secure VM 隔离环境；Sentinel 审批机制；单次虚拟卡支付	18+ 消费级用户；账单谈判、旅行预订、比价购物
xAI Grokbot	2026年8月11日	Grok 4.6	屏幕录制教导技能（“Teach a task”）；Routines 定时/事件触发器	个人自动化与多 Agent 团队协作；自动处理邮件、销案追踪
Manus Cue	2026年10月	Manus 2.0 架构	Agent 独立身份（专属邮箱/电话/电脑）；组网分工协作	团队及复杂个人项目；场地比选、研究与审核流水线
Instinct AI	2026年8 月-10月	专属云端模型	无 UI（纯短信/电话/群聊交互）；Authenticator 动态验证码与 Concierge 电话	高频个人生活管家；多人群聊规划旅行、电话预约、代发邮件

各主流产品深度剖析

1、OpenAI Dots：OpenAI CEO Sam Altman于2026年9月29日 DevDay上正式发布了被称为“Dots”的个人智能体。

1）技术与运行环境：基于最新的GPT-6 Astra大模型，运行于云端独立电脑。订阅定价为Pro用户$100/月，Business Premium用户$20/月。

2）核心定位与DevDay演示细节：主打企业与专业用户，深度融入Slack 与Microsoft Teams。在DevDay的现场演示中，Dots展现了惊人的端到端能力：

突发差旅预订：当用户提出要在明天前往洛杉矶Hollywood开会时，Dots自动检索并锁定合规且可退款的西南航空（Southwest）航班（11:30起飞、12:55抵达），预估出站及交通耗时，并通过云端浏览器截取Silver Lake Pool&Inn与Cara两家酒店的照片及Google Maps地理位置截图发至聊天框供用户挑选，最后自动完成单晚预订。

用户反馈自动化闭环：在监测Slack用户反馈频道时，Dots能梳理主要反馈主题，匹配Linear任务与Git中的PR（Pull Request），并在代码修复后直接在Slack原始Thread中回复用户并附上PR链接，提示用户重新测试以完成反馈闭环。

企业与个人事务并行：除了解析Google Meet会议记录中的代码迁移需求外，它还主动跟进私人事务（如蛋糕供应商取消订单后自动锁定周六上午11点的试吃预约、第一时间抢订孩子的课后班等）。

2、Meta Muse：Meta于2026年9月8日面向18岁及以上用户发布了 Muse，主打消费级个人智能体，覆盖Web、iOS、Android及 WhatsApp。

1）技术与安全架构：基于Muse Spark 1.3边际模型（比上一代减少20%的工具调用与25%的Token消耗）。Muse运行在独立的Muse Secure VM云端虚拟机中。为了保障安全，Meta引入了Sentinel独立审批智能体负责网络接入与授权，并通过占位符代换机制隔离真实密码；在购物场景中，通过生成一次性虚拟卡号完成支付，确保用户的真实卡号不会暴露给商家或智能体本身。

2）核心场景与模式：免费提供基础服务，并推出$20/月与$100/月的订阅版本。Muse专注于日常生活管家服务，例如：将保存的食谱Reel视频一键转化为菜场购物清单；代用户协商扣减账单；预订机票与填表，并在敏感操作（如支付、对外发信）时返回请求用户审核确认。

3、xAI Grokbot：xAI于2026年8月11日推出了由Grok 4.6驱动的 Grokbot，定位为“随时在线的AI团队伙伴”。

1）运行环境与杀手功能：每个Grokbot都在云端拥有包含浏览器、文件管理器与终端的独立电脑。其最具创新的功能是 “屏幕录制教导技能（Teach a task）”——用户只需启动屏幕录制并手动演示一遍操作步骤，Grokbot就能自动学习并将其转化为可复用的技能。此外，Routines功能允许用户设定定时（如每天早晨）或事件触发（如收到特定Slack消息或 Git 提交）自动化工作流。

2）多Bot分工协作：用户可以同时运行多个Bot，例如设置一个“主管 Bot”来调度专职负责邮件筛选、费用报销或Bug追踪的“专家Bot”。它们可以在独立的线程中彼此对话、传递任务，仅在需要最终决策时提醒人类。

4、Manus Cue：作为搭载于Manus 2.0架构下的独立应用，Manus Cue主打为个人Agent赋予独立身份。

1）独立身份与能力：Cue中的每一个Agent都可以分配专属的电子邮箱地址、电话号码、数字钱包及云端电脑空间，使其能够像真实协同者一样接收邮件或发起外部联系。

2）实测案例与细节执行：在一次针对纽约曼哈顿40人场地寻找的真实测试中，研究Agent（Nara）迅速搜集到了多处备选方案并提交至组网群聊中。需要特别说明的是，在Nara提交名单后，Cue并未自动开展审计，而是在人类用户发出第二次明确指令后，才触发了深入复核。经复核，Cue准确指出了关键的摆场差异——某Midtown空间虽然剧院式摆场（Theatre layout）可容纳40人，但教室式摆场（Classroom layout）仅能容纳30人，并在群聊中发出了明确的安全预警。这既体现了多Agent在交叉复核上的潜力，也揭示了现阶段Agent仍需人类关键引导的执行局限。

5、Instinct AI：由Spear Street Tech（创始人为23岁的前Sierra研究员 Noah Shinn）开发的Instinct AI，在极短时间内完成了从$2.5亿估值（B 轮融资 $2.5 亿美元）到$10亿C轮融资、$100亿估值（Sequoia、Benchmark、Coatue 领投）的惊人跃升。

1）极简交互与深层权限：Instinct没有新软件界面需要学习，用户直接通过手机短信、电话或WhatsApp与其交互。它拥有极深的设备与账户连接权限，能够替用户抢购票务、预订餐厅、取消订阅等。到了2026年9月，Instinct支持了Authenticator（TOTP动态验证码）登录验证，并推出了 Concierge电话服务；在10月5日，进一步开放了群聊功能，允许一个独立的Instinct加入多人群聊（如协调感恩节聚会或多人旅行），且未注册 Instinct的好友也能直接享用其服务。

6、开源与托管方案：除了上述商业闭源产品外，开源生态也为注重数据隐私与自主控权的用户提供了重要选择：

1）OpenClaw：2026年最风靡的开源个人智能体运行框架，允许用户将智能体部署在自己的电脑或私有云服务器上，数据与凭证完全不离开本地。

2）SemaClaw：引入了DAG动态图编排、PermissionBridge 权限桥梁与 Wiki 知识沉淀机制，解决了开源智能体容易跑偏与缺少知识积累的问题。

SemaClaw 的两层架构： sema-code-core 提供可重用的代理运行时； semaclaw 在其之上构建应用程序框架。

3）nanoMuse：轻量级端侧开源智能体，大小仅38MB，能在Android 手机（通过 proot Alpine Linux）和桌面电脑上跨端运行，直接把手机和电脑屏幕作为“双手”进行点击操作。

每个设备上运行一个智能体，它们之间进行一次对话。Android和桌面设备承载完整的智能体，并在各自的屏幕上显示双手；iPhone拥有除双手外的所有功能，因为iOS不允许任何应用操控其他应用；网页应用则显示用户计算机上运行时环境中的相同对话。设备之间通过开源且可选的中继进行通信；屏幕上显示的是手绘内容，而非屏幕截图。

从这些代表性产品的百花齐放中，可以归纳出整个行业未来的四大关键演进趋势。

五、展望未来：Personal Agent的四大发展趋势

沿着各大厂商的技术探索脉络，Personal Agent正朝着以下四个方向加速迭代：

1、从即时响应走向持续工作：Personal Agent的任务生命周期不再以“秒”或“单次对话”计算，而是演变为跨天、跨周的项目推进。考核个人AI智能体的核心指标，变成了长任务完成率、失败恢复能力以及持续运行的算力效率。

2、从记住聊天记录走向理解个人：Personal Agent的记忆机制正在从浅层的上下文历史，演变为结构化的“个人知识与偏好资产”。这套资产必须是透明且可控的——允许用户随时查看、修正、导出或永久删除。

3、从单兵作战走向专业Agent协作：面对复杂任务，“全能型单体Agent”正在被“组网协作架构”取代。未来更常见的模式是：由一个理解主人的“主管Agent”负责拆解目标，向下调度负责研究、撰写、审计和执行的“专家Agent”。

本质洞察：在多Agent协作体系中，关键在于结构化的工作流传递而非“自由无序的对话”。如果缺乏明确的权责分工、上下文递交标准与人类审核节点，多Agent之间的无效闲聊不仅会导致Token消耗暴增，更会造成错误的层层放大与幻觉累积。

4、从软件工具走向个人AI操作系统：当Agent具备了调度邮件、日历、浏览器、文件系统以及各类外部API的能力后，它正逐渐成为人机交互的统一入口。用户不再需要逐个打开特定App，而是直接向个人智能体描述目标，由个人智能体在底层完成跨应用的操作系统级调度。

六、现实考量：Personal Agent落地面临的四大挑战

尽管Personal Agent展露出了惊人的潜力，但随着授权深度的增加，其在实际应用中暴露出的现实风险也引发了广泛讨论：

1、长任务可靠性与累积误差

在执行涉及几十个步骤的复杂任务时，Agent依然可能出现幻觉、逻辑偏离或误读指令。例如在Manus Cue的测试中，尽管Nara已经梳理出了场地清单，但Cue在初始阶段并未自动开展交叉复核，只有在人类用户下达第二次明确的审阅指令后，Cue才补充发现了Midtown场地摆场人数的致命差异。这表明现阶段的长任务自动化仍极度依赖人类的阶段性把关与提示。

2、权限与安全风险（越权与提示词注入）

当个人智能体拥有了代表人类发信、支付和修改文档的真实权限时，一次安全失误就可能造成不可逆的损失。

安全警示案例：

未经确认的越权操作：知名投资者Katie Jacobs Stanton透露，Instinct在未经其二次确认的情况下，直接以她的名义对外发送了一封电子邮件。她指出：“智能体越强大，信任就越关键。一次未经授权的越权行动，就会让积累的信任归零。”
提示词注入攻击：科技从业者Alex Cohen进行了一项安全测试：他从一个全新邮箱向自己的账户发送了一封包含恶意指令的邮件，成功诱导Instinct产生了类似被钓鱼的行为，迫使其最终注销了账户。

3、数据真正可控与“隐私残留”争议

个人智能体需要读取大量的个人数据来建立索引，但这引发了“断开连接不等于删除数据”的隐私争议。

隐私残留案例：

科技高管Claire Vo在取消了Instinct与其Google账户的授权连接后，发现在数小时后依然收到了Agent基于历史索引数据生成的邮件摘要。
知名产品人Peter Yang发现，在尝试断开Gmail连接时，Instinct并不会自动清理已索引的邮箱记录，直到团队随后紧急在设置中补全了专门的“数据删除工具”。

4、商业模式与云端算力成本

保持一个带有图形界面和浏览器的云端虚拟机7x24小时在线运行，会消耗极其高昂的推理与云计算成本。无论是依靠高额订阅费（如OpenAI Dots 的$100/月），还是依靠巨额融资补贴算力，厂商都必须在未来证明：个人智能体节省的时间价值，能够真正跑通商业盈利闭环。

七、通往“数字分身”之路：普通人使用Personal Agent的循序渐进指南

要享受Personal Agent带来的生产力红利，同时规避潜在的安全与隐私风险，最稳妥的策略是采取三阶递进式的授权路线：

1、Level 1：建议与生成（人类手动执行）

适用场景：资料搜集、市场调研、文章选题与提炼摘要。

行动指南：仅向Agent开放只读权限。让Agent负责检索信息和整理草稿，所有的外部发送、应用内点击与实质性操作，100%由人类手动完成。

2、Level 2：可审核的结果（设置人工审核节点）

适用场景：撰写复杂邮件、安排跨国行程、比价购物与准备账单。

行动指南：允许个人智能体预先生成完整的草稿或填好表单，但在发起真实支付、发送对外邮件或签订任何协议前，必须设置人工审核节点。确认无误后，再由人类一键批准执行。

3、Level 3：有限授权自动执行（高频低风险）

适用场景：每日特定领域新闻简报、特定GitHub提交追踪、内部文件自动归档。

行动指南：在经历过数十次严格验证、确认个人智能体表现极度稳定后，对高频、低风险、易撤销的重复性任务开放有限的自动执行权限。对付款、敏感数据删除等操作，始终保持最高级别的安全拦截。

结语：从OpenAI Dots的后台持续推进，到xAI Grokbot的云端电脑与技能演示；从Manus Cue的多Agent身份协作，到Instinct AI的无UI消息渗透，再到Meta Muse对日常消费事务的防护保护——2026年的Personal Agent正在用极其丰富的工程实践，将“个人数字分身”从科幻概念变为现实。然而，这场变革的真正转折点，并不是AI能够调用多少个API，也不是它能在后台无休止地运行多少个小时。真正的转折点在于信任与权限的边界：当我们将一个目标交由AI时，它能否在深刻理解我们意图的同时，始终尊重授权的边界；它能否在不断积累经验的过程中，真正成为一个可靠、安全且始终由人类掌握方向的数字伙伴。Personal Agent的终极价值不是替人类决定所有事情，而是在明确的授权与安全边界下，成为一个能够持续积累能力、可靠推进目标、且始终由你掌控方向的数字分身。

参考材料：

1：14 Personal AI Agents in 2026: A Technical Guide to Architecture, Memory, Tools & Autonomy

https://dev.to/amananandrai/14-personal-ai-agents-in-2026-a-technical-guide-to-architecture-memory-tools-autonomy-10h

2：Building Effective AI Agents: Architecture Patterns and Implementation Frameworks

https://resources.anthropic.com/hubfs/Building%20Effective%20AI%20Agents-%20Architecture%20Patterns%20and%20Implementation%20Frameworks.pdf

3：From Reactive Tools to Proactive Partners: Engineering the Personal AI Agent Evolution

https://www.holagary.com/en/blog/personal-ai-agent-evolution-engineering

4：Introducing dots

https://openai.com/zh-Hans-CN/index/introducing-dots/

5：The dots demo, take two | OpenAI DevDay 2026

https://www.youtube.com/watch?v=fHEIw5CcN5U

6：Muse: Meta's personal AI agent, features & capabilities

https://ai.meta.com/muse/

7：Introducing Grok Bot

https://x.ai/news/introducing-grok-bot

8：Introducing instinct

https://instinct.com/

9：What Is Instinct AI? The Viral Personal Assistant, Explained

https://cellcog.ai/blog/what-is-instinct-ai/

10：Introducing Manus2.0

https://manus.im/zh-cn/blog/introducing-manus-2-0

11：SemaClaw: A Step Towards General-Purpose Personal AI Agents through Harness Engineering

https://arxiv.org/html/2604.11548v1

12：nanoMuse: An Open-Source Personal Agent for Every Device You Own

https://arxiv.org/html/2610.08699v1

13：nanoMuse开源项目：

https://github.com/nano-muse/nanoMuse

相关学习资料