灵光2.0、TodayAI与Alice实测，个人Agent能替人干活吗？

当AI从“问答助手”转向“生活代理”，一个现实问题浮出水面：普通人真的需要一个全天候运行的个人Agent吗？工作有钉钉飞书，购物靠淘宝京东，出行用高德携程——日常事务已被高度工具化，用户是否愿意为一个新入口再装一个App？

开发者显然持不同看法。自Muse走红后，个人Agent赛道迅速升温：OpenAI推出持续运行的Dots，Manus发布独立应用Cue；国内方面，字节启动“Spell”项目，腾讯云LightVela进入开发者体验阶段，阿里则将通用助手“灵光”升级至2.0版，明确转向个人智能体定位。创业者同样踊跃：前WPS产品总监洛小山推出Alice，前字节豆包PC端负责人齐俊元创立Today AI，并于近期完成超2亿美元融资，投资方包括IDG资本、腾讯、五源资本、蚂蚁集团与红杉中国。

但技术热情与用户需求之间存在明显温差。为厘清当前个人Agent的真实能力边界，我们选取灵光2.0、Today AI与Alice三款代表性产品，在相同指令下，从应用连接、任务执行、长期记忆、主动服务与交互体验五个维度展开实测。

应用连接：系统权限开放有限，主流App普遍缺席

灵光2.0首页设有“我的服务”，支持接入日历、位置、闹钟、短信、通讯录等系统服务，以及支付宝、钉钉、飞书、百度网盘和邮箱等第三方应用。乍看覆盖广泛，实则落地受限。例如，用户希望连接微博实现每日超话签到，却发现需经开发者认证与服务开通流程，无法直接授权；微信、抖音、小红书、美团等高频应用均未开放接口。这反映出当前个人Agent仍聚焦办公场景，尚未真正切入生活全链路。

Today AI与Alice在连接能力上相对克制，前者侧重邮件与日程管理，后者强调轻量级本地服务集成。整体而言，三者均面临生态壁垒——除非平台主动开放API，否则Agent难以跨越应用孤岛。

任务执行：理解意图尚可，落地操作常需人工兜底

测试任务之一：“帮我定一个明天14:05的闹钟，提醒我抢票。”

灵光2.0经约12秒思考后弹出确认提示，点击后成功设定闹钟并备注“抢票”。表面流畅，实则隐患明显：因手机系统限制，该闹钟为单次响铃；而当前时间距目标已超24小时，闹钟可能提前触发，且响过即失效，无法保障次日准时提醒。

更关键的是，AI未主动识别“抢票”隐含的时效刚性——它本应设置重复闹钟，或延迟至临界时间点再触发。当用户指出问题后，其补救方案是“次日APP推送提醒”或“早上重新设定”，仍未解决根本缺陷。

后续测试调整时间、关闭、删除及设置重复闹钟等操作时，灵光仅能跳转至系统闹钟页面，最终编辑仍需手动完成。这意味着：用户为省几秒操作，反而多出输入指令、等待响应、确认跳转、手动收尾四步流程。Agent本应减少摩擦，结果却制造了新摩擦。

Today AI与Alice在类似任务中表现相近：能解析语义并调起对应功能，但深度操作（如跨应用联动、条件判断）仍显乏力。例如，要求“抢票前30分钟提醒我检查身份证”，三者均无法自动关联12306账号与证件信息，更无法预判网络拥堵风险。

长期记忆与连续任务：上下文保持能力提升，但决策链断裂

相较传统聊天机器人，三款产品在上下文连贯性上确有进步。以灵光2.0为例，在多次修改闹钟参数后，它能准确回溯每一步操作记录，并基于历史对话推断用户意图，无需反复说明背景。这表明其已具备基础级任务状态追踪能力。

然而，记忆不等于推理。当用户提出“既然单次闹钟不可靠，能否改用钉钉待办+手机通知双保险？”时，灵光未能主动关联已授权的钉钉服务生成组合方案，而是建议“单独使用钉钉创建任务”。记忆停留在“做了什么”，未延伸至“如何优化”。

主动服务：从被动响应迈向预测式干预，仍处萌芽期

个人Agent的核心价值在于“未言先应”。Alice在测试中表现出较强主动性：例如检测到用户连续三天下午14:00查看高铁余票，会主动询问“是否需要设置明日同一时段提醒？”；Today AI则能在会议前自动汇总相关邮件与文档。

但此类行为高度依赖规则引擎与行为模式识别，而非真正意义上的意图推断。一旦场景稍偏（如临时变更出发地），系统便退回被动问答模式。灵光2.0的主动服务模块目前仅限于基础提醒（如生日、还款日），缺乏动态适配能力。

交互体验：自然语言门槛降低，但容错性不足

三款产品均支持口语化指令，如“把上周五那封带合同附件的邮件发给张工”“明天出差记得带充电器”，识别准确率较高。但当指令含歧义或隐含前提时，易产生偏差。例如，“关掉昨天设的闹钟”在无明确标识下，系统可能误删其他同名闹钟；“按惯例处理”类模糊表述几乎无法执行。

此外，权限申请流程冗长。如图2所示，灵光在设定闹钟前需弹窗请求“本次允许”或“始终允许”，打断操作流。用户若选择“本次”，下次同类任务仍需重复授权——这与“无缝代理”的愿景相去甚远。

行业现状：生态割裂与能力断层制约落地

个人Agent的瓶颈不在模型本身，而在三层脱节：第一层是系统权限限制，安卓/iOS对后台服务与跨应用调用管控严格；第二层是应用生态封闭，微信、抖音等超级App未开放必要接口；第三层是任务抽象层级不足，当前Agent多停留在“调用API”层面，缺乏对复杂目标的分解与容错规划能力。

值得注意的是，部分创业团队正尝试绕过生态依赖。例如Alice采用本地化轻量架构，优先处理设备内数据（如通讯录、日历、照片元信息）；Today AI则聚焦B端协同场景，通过企业微信/钉钉深度集成降低落地难度。这些路径虽避开了消费级红海，但也意味着短期内难有“全家桶式”个人Agent出现。

个人Agent的演进不会一蹴而就。从聊天机器人到半自动助理，再到真正的主动代理，每一步都需技术、生态与用户习惯的同步演进。当前阶段，它们更像是“增强型工具聚合器”，而非替代人类的决策主体。用户是否愿意为其买单，最终取决于它能否在关键场景中真正省下时间、减少错误——而非仅仅增加一个需要学习的新界面。