盘点了 22 款 AI 助手,真正能替你干活的有几款?

    先说我自己的早晨。

    每天早上 8 点，邮箱摘要已经躺在手机里：过去 24 小时来了什么邮件，哪些重要、哪些是促销，一句话一封。

    盯盘报告差不多同时到，持仓涨跌、情绪指标、离我定的买卖线还有多远。攒积分的日常任务一天跑三场，跑完了报个数。

    还有各种到点提醒，哪个账号的双重验证要到期了、哪场财报今晚开奖，都是它主动推给我的。

    这些事不是我每天吩咐一遍，是这一个多月陆续交代好，之后它自己在跑。当然不是全自动。邮件它只汇总，从不替我回；盯盘只报告，下单永远我自己来；任务跑断了，它会把没跑完的部分如实报上来，等我处理。AI 先干活，我检查拍板，我现在就是这么跟它相处的。

    我用的这个助手叫 Muse，Meta 出的个人 AI 智能体，目前还是邀请制，没完全开放，我是最早一批用上的人。用久了我就好奇，市面上把自己叫"AI 助手""AI 智能体"的产品已经一大堆了，能做到这种程度的，到底有几家？

    于是我把同赛道的产品盘了一遍，国际 11 款，国内 11 款，逐家核对官方资料和公开报道（截至 2026 年 10 月 24 日）。 

先说我拿什么标准在比

 四个维度，都是冲着"能不能干活"去的：

记忆：跨会话记得住你的偏好和事情的来龙去脉，要用的时候调得出来。执行：能真的动手操作工具和软件把事办了，而不是只给你一份操作指南。连接：接得上你日常用的邮箱、日历、消息这些应用，不然它就是个孤岛。主动：没有新指令的时候，它还会不会继续推进手里的事。

 主动这一项差别最大，我把它拆成四级（我自己定的分法，不是行业标准）：L0 被动响应，你问它才动；L1 定时触发，到点自动跑，比如每天一份简报；L2 条件触发，盯着某个条件，达到了才通知你；L3 持续跟进，围着一个目标反复检查状态、推进下一步，出问题会升级找人。

     还有一条不打分，但我全程盯着：可靠性。失败了它说不说？对外发东西之前问不问你？执行结果能不能查？这几条不过关，能力再强我也不敢把事交出去。

    先把口径说清，免得后面扯皮：Muse 是我本人天天在用的，判断来自实测；其余 21 款是逐家核对公开资料，文中会标清哪些是事实、哪些是我的推断。没找到足够证据，不等于产品没有这项能力。评级都按产品的主力形态算，不拿某个付费档、实验功能来给全线产品贴金。

22 款先看个全貌

     看这张表，别急着找总分最高的，先看两件事：它能不能完成你要的动作，动作做完之后，它会不会继续跟进。

四维能凑齐的只有少数几款。定时执行、条件监测在不少产品上已经能看到了，但到了 L3 这一级，在我核对的公开资料和实测范围内，暂时没有第二款能拿出足够证据。这不是说别人绝对做不到，是证据还不够下结论。下面的篇幅，一半给最接近的几家，一半用来解释这个判断。

国际篇：最接近的三家，也各有各的坎

      ChatGPT（OpenAI）是功能组合最全的一个。长期记忆有了，付费层记得更多；连接器能连 Gmail、日历、网盘；定时任务可以到点提醒、监测话题、循环执行。多步任务这块要多说一句：它原来的 Agent 模式今年年中已经退役，能力并进了付费档的 ChatGPT Work，名字换了，活还是那些活，查资料、做文档、跑多步骤任务，敏感操作会停下来等你确认。按我的分级，它稳在 L1，部分场景摸到 L2，离"围着目标自己跟完"还差一截。

      顺便说一句，这个改名本身就挺说明问题：这行连功能叫什么都半年一变，盘点只能认截稿当天的实际状态。

     Gemini（Google）的连接是最深的，邮箱、相册、日历本来就是它自家的。它的 Personal Intelligence 经你授权后，能跨这些数据源帮你找回具体信息；还有个叫 Spark 的形态，用 Google 的说法是跑在云端的 24 小时智能体，你关了手机它照样干活，能监测邮件、发日报、把会议笔记整理成文档。只是 Spark 锁在 Ultra 档，99.99 美元/月起，还在分地区分批开放，目前属于"发布了，但多数人还用不上"。它的主动性在 L1 到 L2 之间，是大厂里把"后台持续工作"做得最实的。但后台能跑，跟能围着一个目标持续跟进，别混为一谈。

     Claude（Anthropic）的记忆是几家里最透明的，记住了什么你能看、能改、能删，还支持把别家的记忆导进来。电脑操作也扎实，能开应用、填表格、处理本地文件。但它的主动性主要就靠定时任务，没有主动推送这一形态，老实停在 L1。本事很大，就是你不喊它，它绝不主动凑上来。

    中间插两个短案例。一个是 Humane：它的 AI 别针融资超过 2.3 亿美元，2025 年 2 月，惠普收购了它的关键 AI 技术、人才和专利，消费者版服务当月 28 日停止连接服务器，通话、消息、AI 查询这些核心功能跟着失效。能力再炫，服务不在了，一切归零。另一个是苹果的 Siri：今年 1 月，苹果宣布和 Google 合作，下一代基础模型用 Gemini 打底；年中宣布的新版 Siri 到现在还是 Beta，只在部分地区和机型上小范围开放。连苹果这种体量，做"能办事的系统级助手"都难产了两年多。

     哦对，还有 Manus。据路透社等媒体报道，之前那桩 Meta 收购 Manus 的交易，今年被发改委要求撤销，Manus 随后恢复独立运营。产品归属这种事变得太快，这也是我这篇只看能力和证据、不站队的原因之一。

国内篇：不差能力，差在墙和"跟进"

     豆包（字节跳动）是国内最接近的一家。它有长期记忆，办公版有定时任务；最特别的是系统级手机助手形态，装在特定机型上，能跨 App 比价、点外卖、走流程请假，是把智能体做进手机系统层、还量产卖了硬件的独一份。但边界来得也快：上线初期就出现过微信登录异常、电商平台人机验证这些摩擦；到今年 10 月，豆包公布的拒绝操作清单已经涉及 150 多款应用（不同报道的统计略有出入），微信、支付宝、淘宝、美团都在其中。被拒的是这类屏幕自动化操作，实际能顺畅跑的，以字节自家和合作应用为主。我的判断是，豆包的坎不在能力，在生态，每家都把自家地盘看得死死的。它的专业版 68 元/月起。

    千问（阿里巴巴，原通义）走的是另一条路，不操作别人的界面，直接在自家生态里把服务接通。今年 1 月它宣布接入淘宝、支付宝、闪购、飞猪、高德，上线数百项办事功能（官方口径），发布会演示里一句话点 40 杯奶茶、下单支付一气呵成；不过记者实测也发现，并非每次购物需求都能直接办成。它没有单独的长期记忆产品，记住你的是淘宝支付宝的消费数据和网盘资料。执行在生态内是真成立，但主动性基本没动静，你不找它，它不找你，停在 L0 到 L1。

     其余几家各表一句：腾讯元宝最大的本事是住进了微信通讯录、能当群聊里的"派友"，但办事能力还弱，在研的独立助手还没上线；智谱的 AutoGLM 是少数把手机操作智能体开源出来的，路线务实；Zucchini 的 Agent 模式能在虚拟电脑里跑长任务，偏研究和生产力；MiniMax 的智能体在云端和桌面端做内容与办公任务；扣子的独立产品已经并入豆包，不再单算一家。

     国内这批看完，短板其实不在模型。定时执行已经出现了，条件监测也在增加，真正缺的是失败之后能不能继续推进、及时升级、最后让人验收，这一段在公开证据里普遍是空的。再加上生态之间互相设墙，跨生态办事基本指望不上。

落点：下一场比赛，比的是"跟完"

     排完这 22 款，我有个挺明显的感觉：这行正在换赛道。最早比谁答得好，后来比谁能动手把事办了，现在开始比谁能把一件事跟到底：围着一个目标持续盯着，状态变了它先知道，该提醒提醒，该推进推进，搞不定了再来找你拍板。

     一件事真正耗人的，往往不是第一次执行，是后面那些零碎的检查、等待、提醒和补救。会回答的已经不稀缺，会执行的正在变多，会跟完的还几乎是空位。这也是我为什么把自己每天在用的这套工作流当回事，它不完美，会翻车、要人验，但它让我不必每天从头交代同一批任务，还能随时知道哪些事办完了、哪些还卡着。说到底，AI 对我有用的地方，不是陪我聊得有多机灵，而是我敢不敢把一整件事放心交给它去跟。

     选型的建议，按你要它干什么来选，别看参数表：

     最后一个问题，也是下一篇要回答的：如果让 AI 每天自动跑一批事，你怎么知道它真做完了，而不是只交给你一份看起来完成了的报告？下一篇不讲新功能。《每天早上 6 点，AI 准时替我"打工"》，我把自己这套跑了快一个月的真实工作流摊开，任务怎么触发、怎么执行、我怎么验结果、它翻车的时候都翻在哪。如果你关心的不是 AI 又多了什么新功能，而是怎么把它真正用进自己的工作里，关注「奇点未央」，下一篇直接看实操。

    我是小赵小时候，关注 AI 前沿，洞察科技趋势，分享真实实践与独立思考。如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。