可嵌入短信的AI智能体兴起，AskProxy与Caddy等产品已支持SMS交互

当AI助手不再需要打开App，而是像朋友一样出现在你的短信对话中，人机交互的边界正在悄然模糊。

近期，多家初创公司推出可直接通过短信（SMS）交互的AI智能体，用户只需发送普通文字消息，即可触发复杂任务执行——从安排家庭聚会、预订餐厅，到更新工作简报、设置跨日提醒，甚至根据一张空餐桌照片生成布置方案。这类产品跳过了传统App安装与权限授权流程，将智能体“嵌入”现有通信基础设施，成为2026年个人AI落地的新路径。

其中，Ask Proxy是当前最受关注的代表之一。其核心主张是“像女性一样思考”，即强调共情能力与前置预判：它不仅响应指令，还会在察觉用户可能遗忘事项时主动提醒，或在发现本地新活动时推送建议。例如，用户发送“周末带孩子做什么”，系统会结合天气、距离、过往偏好推荐农场体验、手工课或市集；若上传一张空餐桌照片，它能生成包含餐具搭配、花艺建议与菜单灵感的完整晚餐方案。该服务分为个人版（1美元/天）与企业版（15–23美元/员工/月），通过短信号码820-732-2625接入，全程基于SMS运行，不依赖第三方应用。

另一款聚焦职场场景的产品Caddy，则以“会议日程整合者”定位切入。如图所示，它可在早晨主动汇总用户当日行程：标注会议时段、提示待办事项（如更新营销简报）、加入生活提醒（跑步、约会夜），并以自然语言+emoji增强可读性。用户回复“Ah thank you!!”后，系统即完成闭环确认。Caddy强调轻量集成——不接管设备权限，仅通过短信接收指令并调用已有日历、邮件等服务接口，避免企业数据泄露风险。

这类短信智能体的兴起，并非孤立现象，而是底层技术演进与用户行为变迁共同作用的结果。

首先，端侧大模型能力显著提升。松下与UCLA合作开发的移动世界模型，已能在Android设备上以自然语言预测操作后果（如“点击此按钮将打开设置”），任务成功率从46.9%升至54.3%；荣耀YOYO助手综合任务准确率达91.8%，支持超100步连续操作。这意味着AI不再仅能“理解指令”，更能“推演路径”，为短信场景下的多步骤任务（如“查航班→比价→订票→同步日历”）提供技术支撑。

其次，操作系统层面对“意图代理”的卡位加速落地。苹果在iOS 27中将Siri重构为系统级智能体，可跨应用读取屏幕内容、调用密码管理、短信与日历；谷歌则推进端侧意图预测系统，通过分析滑动停留、点击犹豫等微交互行为，在用户开口前预判需求。这种“A2A”（Agent-to-Agent）路线下，用户授权的是“买票”“订餐”等高层意图，而非逐项开放权限，大幅降低使用门槛。

值得注意的是，此类便捷性背后潜藏新的风险维度。2026年发表的《Byte Authority》论文揭示：同一段文本若经不同分词器编码为“保留词元”（reserved token），可能被模型误识别为系统指令，导致提示词注入攻击成功率激增。例如，伪装成对话模板的恶意指令，在特定编码下可使AgentDojo基准攻击成功率从5.18%跃升至32.05%。这表明，当智能体深度介入通信链路，其输入解析机制的安全性将成为关键防线。

更深层的影响在于人机关系的重构。正如《被困在算法里的人》一文所指出：2026年的算法已从“猜你喜欢”升级为“预判喜欢”——它不再等待你做出选择，而是替你完成决策，并让你相信那是自主意愿。短信智能体作为最贴近日常沟通的入口，正成为这一转变的前线载体：你授权它管理日程，它便逐渐掌握你的时间结构；你让它推荐餐厅，它便累积你的口味偏好；久而久之，一个比你更早知道“你想做什么”的系统悄然成型。

目前市场仍处早期阶段。除Ask Proxy与Caddy外，Instinct凭借10亿美元估值引发关注，但其具体交互方式尚未公开；另有面向家庭场景的代理尝试整合儿童日程与老人健康提醒，但尚未形成规模化产品。行业共识是：短信通道的优势在于零学习成本与高触达率，劣势则在于交互带宽有限（无法处理复杂多媒体输入）、缺乏上下文持久性（依赖运营商会话机制），以及安全审计难度高于封闭App生态。

未来走向取决于三方面进展：一是端侧模型压缩与推理效率能否支撑更长上下文记忆；二是运营商与OS厂商是否开放标准化API（如富短信RCS增强版）以提升交互能力；三是监管框架能否明确“代理行为”的责任归属——当AI替你发送一条预约确认短信却选错时间，责任在用户、开发者还是服务提供商？

可以确定的是，短信作为全球最通用的实时通信协议，正成为AI智能体下沉至大众用户的最后一公里通道。它未必取代App生态，但将重塑我们对“助手”的定义：不再是被动应答的工具，而是主动参与生活的协作者——哪怕它只存在于一行行简洁的短信气泡之中。