最近,AI 产品都惦记上了「个人助理」这个位置。

大厂在抢,创业公司也没闲着。在 9 月的「AI 产品市集」里,我们陆续看到了一批围绕 Personal Agent 长出来的新产品。有人给 Agent 配上自己的邮箱、电话和钱包,让它能直接和外部世界打交道。也有人专门给 Agent 做记忆,让它换了工具、换了对话,也能记住同一个你。

能干活已经成了基本项。再往下做,Agent 还要拿到更多 Context、长期认识用户,才能知道什么时候该主动,什么时候该把决定交回给人。

这期,我们整理了这批 Personal Agent 相关产品,也收录了市集里其他一些有意思的新项目,看看最近的 AI 产品都在往哪些方向走。

如果你也有优质的 AI 产品或项目,欢迎联系我们。本期介绍的部分产品 FP 提供邀请码,飞书扫下方二维码,进入产品市集获取。


⬆️关注 Founder Park,最及时最干货的创业分享


Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式,帮你触达早期用户、获得真实反馈,以及建立关键连接。

如果你正在做 AI 相关的事,欢迎和我们聊聊。 

01

Personal Agent:

大厂下场,成了最卷的赛道

GrokBot 和 Muse 引发的这波 Personal Agent 热潮,如今随着国内外大厂、明星创业公司的加入,成为 10 月份最受关注的赛道,眼瞅着可能还会有一波新的产品出现。

Muse:手机只是入口,云端电脑在后台干活

产品官网:https://muse.ai

9 月 8 日上线,10 天在美国拿到约 73 万次下载,冲上 App Store 免费榜第一,Muse 这一波成绩很亮眼。

Muse 的底层逻辑很简单,手机只是入口,真正干活的是云端的 Agent。你只需要告诉它想做什么,它会在一台云端的 Linux 电脑里自己把整个任务跑完。你关掉 App、锁屏,甚至手机没电,它都可以继续工作,完成后再把结果交回来。

产品思路上 Muse 也做了不少的创新,FP 此前编译了团队的专访,值得一看:Meta 复盘 Muse:Agent 怎么才能像「一个人」长期存在?

Today:国内第一个主打 Personal Agent 的产品

产品官网:https://todayai.cn(国内版)

Today AI 由前豆包 PC 端负责人齐俊元创办,定位是「懂你所想,为你先行的个人 AI 助理」。和其他 Personal Agent 相比,Today 最强调的是两个词:全面、主动。

Today 的判断是,大部分 AI 工具的问题不在于不够聪明,是没有「连续性」。日程在日历里,想法在笔记里,九天前在聊天里答应别人的事,你自己都快忘了。每次打开一个空白对话框,都得把自己的生活重新讲一遍。

所以 Today 打开后不是一个等你输入的空白框,是你的日程,以及今天发生了什么变化。它会记下你身边的人、在推进的项目、你的偏好和你答应过的事,每一条都可以查看、修改、删除。早上给你一份简报,晚上帮你收个尾。

国内版目前可以连接邮箱、飞书、钉钉、腾讯文档等工作入口,国际版对应的是 Gmail、Google Calendar、Notion、Slack 等服务。但微信还不是 Today 能完整接入的入口,这意味着生活侧的 Context 会缺一大块,对个人情况的归纳也受限于它能读到的上下文。

Cue:Manus 出品,让每个 Agent 都有自己的手机号和钱包

产品官网:https://cueos.ai

Cue 是 Manus 在 9 月 28 日随 Manus 2.0 一起发布的独立 App,定位是一款面向个人用户的 Personal Agent。Cue 支持手机和桌面,和 Manus 基于同一套基础设施构建。Manus 对它的介绍是,「给它一个 cue,它就立刻开工」。

Cue 最核心的设计,是给每个 Agent 配一套独立的身份:自己的邮箱、电话号码、钱包和电脑。有了这些,Agent 可以直接对外发消息,在用户设定的预算内付款,并在自己的机器上把任务从头到尾做完。它也能替你接电话,通话结束后在 Cue 里留一份摘要。

将 Muse、Today、Cue 放在一起看,Personal Agent 在形态上已经慢慢收敛:一段持续的对话、一份可以查看和修改的记忆、一台在云端替你干活的电脑。接下来比的,可能是谁能拿到更完整的 Context,以及谁能真正知道什么时候该主动、什么时候该等用户先开口。


02

垂直赛道 Agent,

能交付结果才重要

Hypit:超 2 万 star,让 Agent 复刻任何爆款视频

产品官网:https://hypit.ai

Hypit 在 GitHub 上发布不久就爆了。它的项目介绍是「Clone any viral video with AI agents」。

Hypit 不直接生成视频,它提供一套让 Agent 用代码生成视频的工具,Claude Code、Codex、WorkBuddy、Kimi Code 等 Agent 都可以用它来复刻视频。

Hypit 复刻的不是一条成片,是一套 workflow。输入一条视频,Agent 会把它的爆款结构完整拆出来:画面、字幕、补充镜头、特效,全都锚定在「词」上。语音里每个词都有精确的时间点,改一句台词,相关元素会自动重新对齐。换主播、换产品,也不需要重新搭结构。画面主要由 Agent 直接写前端代码渲染,本地就能合成,需要真人出镜时再接 Seedance 这类模型。

复刻爆款是团队观察用户需求后找到的方向,视频用户真正需要的不只是从零创作,是把已经验证过的爆款变成自己的。过去这件事只能靠人肉拆解、替换素材,现有工具又只能从零生成。

成本也很低。GitHub 演示的案例里,20 秒 UGC 视频复刻成本 1.15 美元,18 秒播客片段 1.07 美元,26 秒街访 1.09 美元,每条还能额外产出 3 个变体。真正的目标客户,是电商、游戏这类每天需要批量生产数千条素材的 B 端团队。

团队目前 6 个人,位于深圳,成员毕业于清华、北大,此前曾在真格基金实习,已获得初心资本投资。

OJO:请乔布斯、梵高组个设计团队,帮你出产品原型

产品官网:https://ojo.art

OJO 由前剪映中国负责人张琪智创办,团队成员来自字节跳动和腾讯,近期完成首轮融资,由顺为资本、联想创投联合投资。

它的定义是「Design Agent Team Workspace」,你描述一个想做的产品,它给你产品定位和洞察策略、PRD、一套能点能跳转的 App/网页原型,可以直接编辑修改,也能导出成代码接着开发。

打开 OJO,你可以先「请一个团队」。乔布斯负责产品定位和 PRD,梵高管视觉方向,达芬奇处理设计系统,鲁迅负责评审。名字图个好记,但 Multi Agent 的架构确实能避免单个 Agent 把设计压缩成一问一答。真实的设计从来不是一次生成,有人定义问题,有人定视觉方向,有人处理排版动效,还得有人不断检查结果有没有跑偏。

晓鹜 MatwingsVenus:结构预测之后,Agent 开始接手蛋白质研发

产品官网:https://matvenus.com

见惯了通用 Agent,再看一款垂直赛道的,晓鹜是一个 AI 驱动的生命科学科研智能体平台。

2021 年 AlphaFold 破圈,大众记住的是「AI 攻克了蛋白质折叠」。但用晓鹜团队的话说,「这相当于让你快速知道一个人长什么样,HR 真正在乎的是 TA 能不能干活。」

蛋白质研发里,结构只是起点。这个蛋白能不能在大肠杆菌里表达出来、在 90℃ 的工业车间里会不会失活、催化效率够不够、改哪几个位点能让它变强,这些 AlphaFold 一个都没解决。更大的空白在于,UniProt 里已测序的蛋白有 2.5 亿条,有蛋白质层面实验证据的不到 12 万条,绝大多数蛋白我们连它有什么用都不知道。

晓鹜的母公司天鹜科技做的是 AI 蛋白质研发基础设施,今年 4 月发布晓鹜,把这些能力做成了可以用自然语言交互的科研入口。从一个研究生接到导师任务开始,它可以深度调研判断课题值不值得做、查询目标蛋白、选择蛋白改造/发现/生成的路线、做计算筛选和候选排序、衔接基因合成和湿实验验证,关键节点再由专家把关。团队把这套闭环叫「设计即验证、验证即迭代」。

技术上,基座模型 VenusREM 在哈佛的 ProteinGym 榜单(蛋白突变效应预测领域最大的公开基准)上拿过第一,论文发表在 Science Advances,并通过湿实验验证了 10 个 DNA 聚合酶突变体的高温活性提升。主导开发者谭扬是一位 00 后博士生,也是晓鹜平台现在的负责人。

晓鹜的目标用户是蛋白工程、酶工程、抗体工程方向的研究生和轻研发企业。作为一个把 Agent 接到真实世界实验执行端的垂类样本,也很值得研究。


03

Memory 和 Context 依旧有痛点

每个人手里的 Agent 越来越多,但它们之间的记忆完全不互通。Claude Code 的额度用完了,切到 Cursor 继续干活,结果又得重新解释一遍自己的代码风格、项目背景和各种偏好。

这一批产品想做的,是把「记忆」和「上下文」从单个 AI 工具里抽出来,变成一个独立的层。有的服务于个人,有的服务于整个团队。

Persome:把你整理成一份 HUMAN.md

官网:https://persom.ai

Persome 是 Intuition Lab 推出的 Personal Model 项目,一个运行在 macOS 上的 Personal Memory Runtime,本地优先。在你授权后,它会从你日常使用的应用中观察聚焦活动,自动把你的工作行为整理成一个结构化的个人模型,也就是一份可查看、可修改的 HUMAN.md。然后通过 MCP 协议,把这份「你是谁」的上下文提供给任意支持 MCP 的 AI 编程 Agent。

它有几个核心设计:

  • 一份记忆,多个 Agent 共用。同一个 Personal Model 可以同时连接 Claude Code、Codex、Cursor Agent 等多个编码工具,不用重复调教。

  • 有证据链,不是黑箱摘要。每条记忆都保留来源依据,新证据可以增强、修正甚至推翻之前的推断。

  • 本地运行,用户拥有数据。所有数据默认存在你的 Mac 上,可以随时检查、修改、导出、删除。

Persome 背后是一套分层记忆模型:从单条观察(Point),到关系变化(Line),到行为模式(Face),再到跨项目结构(Volume),最终聚合成一个持续演进的 Root,一个关于「你现在是谁、关注什么、如何决策」的活模型。

对每天在多个 Agent 之间切换的重度开发者来说,Persome 把「让 AI 记住你」从反复提醒,变成了一份可以检查、可以修正的个人档案。

Memmy:换个 AI 工具,不用再重新自我介绍

产品官网:https://memmy.bot

Persome 是从你的行为里观察你,Memmy 就是从你和各个 AI 的对话里提炼你。

Memmy 来自记忆张量团队,它的工作方式分三步:

  1. 扫描:授权后,自动读取你设备上 Cursor、Claude、Codex 等工具的对话历史;

  2. 组织:把零散对话提炼成结构化记忆,比如你的偏好(简洁克制,不要花哨文案)、技术决策(用 Tauri 不用 Electron)、项目上下文,自动去重、分类,随时可搜索;

  3. 注入:切换到任何 AI 工具时,Memmy 自动推送最相关的记忆片段,不是全量灌入,而是按需匹配。

和他们此前 MindDock 浏览器插件的路线不同,Memmy 走的是本地桌面客户端 + CLI,数据完全存在自己的设备上,不经过任何远程服务器。同时它本身也是一个 Agent,可以直接让它整理资料、合并多次讨论的方案,或者接着上次没做完的工作继续干。

Tabtin:把「人和 AI 的对话」,变成团队共享的 Context

产品官网:https://tabtin.com

如果说 Persome 和 Memmy 解决的是「AI 怎么记住你」,Tabtin 要解决的是团队层面的问题。人手一个 Agent 的时代,人和人之间的 context 怎么流通?

你用 ChatGPT,他用 Claude Code,另一个同事用 Kimi,每个人和 AI 的对话都锁在自己的窗口里。用 md 文件来传递 context,又有点太低效了。

Tabtin 的做法是,把「人和 AI 的对话」本身做成团队的共享层:

  • 运营同学想搞清楚一个需求,直接对着代码问 Agent,就能看到当时是谁做的、他当时怎么想的,不用再挨个找人对一遍;

  • Leader 把自己调研需求的整段对话转交给工程师,对方在自己的环境里拿到一模一样的上下文,接着往下聊;

  • PMO 能看到谁跟 AI 协作得好、好在哪,再把这套对话方式复用给别人;

  • 新人接手项目,共享一个 project 就能上手;

  • Token 用量团队共享,能算到单个任务花了多少钱,这个任务 50 美元、那个 80 美元,值不值一目了然。

技术上 Tabtin 走的是重路线,Harness、多维表格、文档、浏览器、IM 全部自研。创始人的说法是,模块之间一旦断裂,整体体验就毁了,所以宁可自己一个个抠出来。同时它也支持接入 Claude、Codex、WorkBuddy 这些你原先在用的 Agent。

超级麦吉:个人能干团队的活,团队还能沉淀数字员工

产品官网:https://letsmagic.cn

市面上的企业 AI 产品,要么演示好看、进了企业就卡在协同和治理上。要么背靠大厂生态,但数据和控制权不在自己手里。超级麦吉选了另一条路,开源可控 + 企业级协同 + 直接交付成品。

给它一个目标,它会自己拆任务、调工具、查资料、生成文件,最后交给你的是可以直接用的 PPT、研究报告、数据看板、合同风险标注。

一个人用,它能帮券商分析师写研报、帮律师整理案件材料、帮自媒体人管选题和多平台发布。整个团队一起用,有共享项目空间、多人接续推进和四级权限管理,你做了一半,同事可以直接接着做。高手的工作方法还可以封装成「数字员工」或「技能」供全员调用,经验不会随着人员流失。

超级麦吉基于 Apache 2.0 开源,支持私有化部署,不绑定单一模型或平台。技术负责人是 Swoole 协程引擎的核心开发者。

Sico:微软开源,把人留在数字员工的工作流程里

GitHub:https://github.com/microsoft/Sico

AI 发展的终局,是把人替代掉吗?Sico 给出的回答是,让人和 AI 一起变强。

Sico 是一个出自微软内部创新的开源数字员工平台,瞄准的是大厂把 AI 接入办公流程时的真问题。AI 能把活干完,但出了偏差谁负责?怎么保证长时间稳定执行?怎么让它下一轮不再犯?

它的首个试验场景是 BPO(业务流程外包),一个全球 6000 亿美元的市场。软件测试、合规、数据分析等外包需求成熟、体量大,也最早暴露出困境。传统 BPO 按团队规模收费,AI 替代掉一部分人力,收入也会跟着下降。而眼下大多数 Agent 产品卷的是自动化率,demo 单轮任务很惊艳,多 case 并发就出错,一进生产环境就露怯。

Sico 反过来做,不追求把人彻底移出流程,而是把人和 AI 放进同一套交付闭环。AI 负责执行,人负责判断、指导和审核,并承担最终责任。

商业上,这意味着 BPO 的收入可以逐渐和人头规模解耦,转向按工作量和实际交付收费。生产单元从一个人,变成了由 Human Operator、数字员工和组织经验共同组成的交付系统。


04

Agent 之外,

也有不少有趣的产品

VibeHub:把大白话翻译成术语,Vibe Coder 的反向词典

产品官网:https://vibe-hub.org

用 Cursor 或 Claude Code 写页面的人,大概都有过这个时刻:脑子里的效果特别清楚,打出来的却是「那个鼠标放上去会飘一行小字的东西」。Agent 猜了三轮,你改了三轮,最后还是自己截了张图丢给它。其实那叫 Tooltip。

VibeHub 把术语词典反过来做。常规词典是术语 → 解释,前提是你已经知道那个词;VibeHub 是大白话 → 术语。267 个条目,每条的入口都是一句 vibe coder 的原话:

「加载慢的时候给个转圈的东西,不然用户以为坏了」→ Spinner

「这个框帮我水平垂直都居中,怎么就那么难?」→ Centering

「这几个选项不冲突,用户想选几个都行」→ Checkbox

覆盖前端、后端、技术栈、AI/Agent、Git、产品和设计风格,每条都带可视化示例和边界说明。还有一个专门的「防止 AI 味儿」栏目,如果你也困惑过自己 vibe 出来的页面为什么一眼就假,这一栏可能比多写一句 prompt 更有用。

Twoo:两个人的关系里,加一个 AI 试试

产品官网:https://twoo.starfyally.com(iOS 和 Android 版已上线)

人和 AI 的社交应该怎么做,1V1 还是群聊?人和 bot,还是最终回到人与人?

Twoo 相信后者。它的核心设计是「两个人 + 一个 AI」的「岛」,目前只支持这种三方群聊,不支持多人群,切中的是情侣和好朋友这两类人群。团队的判断是,在 AI 还没法准确判断多条关系链里每个人的注意力落在哪里之前,把 AI 丢进多人群只会变成噪音。

每座岛上都有一个 Agent「小章鱼」,会主动帮忙接话、找话题、制造轻松的互动节点。人和人之间、人和小章鱼之间的记忆,会沉淀成「珊瑚」,成为这座岛的共同上下文。产品里还有占卜、话题盲盒等小机制,团队称之为「把 social 给 gamify」:微信解决了大家能找到彼此,但开口、接话本身仍有社交压力,AI + 小游戏进一步降低了这层摩擦。

Twoo 团队此前做过一款对标 Tolan 的情绪陪伴产品 Solulu,后来意识到让人和 bot 单独建立关系这条路很难打开局面,于是换了方向。用户不会因为 AI 本身留下,而是因为 AI 的参与让人和人之间的互动发生了变化。

爪步:AI 时代的「旅行青蛙」,还会催你多走几步

想去巴黎,但没假期、没预算,这大概是大部分上班族的常态。

爪步给了一个挺可爱的解法:选一座城市,派一只 AI 宠物替你去旅行。你的步数是它旅行的「燃料」,它会在旅途中写信、发动态、讲当地见闻,也会把遇到的人和事,变成一段段属于它自己的小故事。

陪伴类产品普遍容易死于「可爱三周之后就没什么可看了」,爪步选了一个笨但有效的办法:用地理做内容的分发轴。世界上有上百个国家、无数座城市,一座城市七天,故事就可以一直讲下去。

运动是它和用户建立日常互动的另一条线。步数在这里不是 KPI,是宠物和你搭话的由头:走得少,它会阴阳你两句(be like 你今天走的还不如我在客厅找遥控器多);走得多,就是一顿彩虹屁;连续几天不动弹,它甚至会掏出一张咖啡券,试图贿赂你出门。还有一只河马,专门盯着久坐的人。

爪步还接入了 Looki、AI 眼镜等硬件,让宠物从屏幕里走进真实生活。产品出自一位独立开发者,一个人做了一年多,刚上架不久,现在正是能把反馈直接递到作者手上的阶段。

GENiEX:不回答任何现实问题的 AI 对讲机,众筹超 13 万美元

产品官网:https://www.seivoid.com

GENiEX 是一台复古对讲机造型的合金掌机。屏幕里是像素风的机械少女,按住按键就能和她说话,她会记住你说过的话,并据此决定信任你还是防着你。三个主角各有四章剧情,玩家靠日常对话,把一个末世科幻世界的真相一点点拼出来。两台设备面对面接触,会解锁各自看不到的内容;三台以上还能开房间玩剧本杀。

它明确不做的事是:不回答任何关于现实的问题,天气、时间、待办全都没有。早期版本堆过更强的芯片、能连电视、有联网功能键,后来整块砍掉了。创始人 Fade 的说法是,「但凡有这一点东西存在,它就不像一个娱乐产品了。就像原神,它不会突然跟你说现在该几点、该吃饭了。」

Fade 做了 15 年动画游戏,是科幻作家,也是高端金属潮玩品牌 OUROPROXY 的创始人,SEIVOID 这个宇宙他构建了近十年,写了三部小说。所以 GENiEX 的参照系不是 AI 助手,而是泡泡玛特的收藏属性 + 二次元手游的持续内容供给 + 卡西欧手表的配饰属性。

最值得关注的是它的商业模型,不做订阅。AI 陪伴硬件的通病是硬件卖一次、云端成本要付一辈子,行业默认解法是订阅。GENiEX 选了二次元手游验证了二十年的模型:一次性买硬件,后续靠剧情解锁、皮肤、抽卡、限定赛季变现,用户为「接下来发生什么」付费,团队用这笔钱覆盖推理成本。

GENiEX 的 Kickstarter 众筹已于 10 月 6 日结束,上线约一小时就达成了 1.27 万美元的初始目标,众筹期间筹到超 13 万美元、490+ 支持者,全程零折扣,买家覆盖中日欧美多个区域,全球发货定在 2027 年 3 月。

Yumi:像测 MBTI 一样,测出你的「美食人格」

产品官网:https://askyumi.com

Yumi 是一款主打味嗅觉测试的 AI 产品,像 MBTI 一样,通过口味偏好、食品行为、食物记忆三个模块,测完给你一个完整的美食人格标签。

Yumi 背后是一家给味嗅觉做数据基建的公司 Digitaste(爱味觉)。在 B 端,他们构建了一个有近 10 万个数字孪生的 AI 消费者仿真平台 TasteNET,食品饮料企业把新品属性扔进系统,30 分钟就能得到一份评估:哪些人喜欢、喜欢哪些属性、偏好怎么分布。

和团队聊下来,一个很有意思的观点是:LLM 不能完全作为底层模型。LLM 是高度压缩过的,人能感知到的东西和能说出来的东西相差甚远,每种语言里形容味道和香气的词汇可能只有 300 到 400 个。所以他们先自研模型,对用户的原始行为数据做建模、提炼 Insights,再交给语言模型负责最后的「表达」。

在他们看来,喜欢吃某样东西,本质上不是喜欢食物本身,而是当下的情绪和那种食物关联的记忆产生了共鸣,比如祖母的厨房,或者吃到某样东西突然想起一个故人。口味只是最浅的一层,更深的是情节记忆。

Yumi 只是 Digitaste 面向 C 端的一个入口。它更值得关注的地方在于,当大多数 AI 产品都在围绕语言做文章时,味觉、嗅觉这些很难被说出来的感知,也开始有人在给它们做数据基建了。

图片

图片
更多阅读

Instinct 创始人对谈:Personal Agent 最激进的产品,凭什么估值 100 亿美元?

Today AI 国内版上线,齐俊元想做一个「更懂你、早你一步」的个人 AI 助理

You're up next|Founder Show 全年多场、随时报名,10 月新加坡见!

Manus 独立后首次大更新,发布 2.0 版本,推出 Personal Agent 应用 Cue


转载原创文章请添加微信:founderparker

内容中包含的图片若涉及版权问题,请及时与我们联系删除