前 Manus 成员创业：Personal Agent 要从 Context 走向 Performance

海外前沿探索正在尝试回答Personal Agent如何成为真正有效的个人助手。Meta发布Muse，希望让Agent持续帮助用户推进日常任务和长期目标；Instinct让用户通过发消息、打电话的方式，把订票、采购和安排生活交给个人助手。Town、Hark、Underdog将持续记忆、跨工具协作和任务执行结合，了解用户的项目、关系和优先级，记住此前发生过什么，再据此提出建议、采取行动。a16z投资Town时强调，助手积累的表达方式、人际关系、偏好和习惯本身就是产品的一部分，很难被短时间复制。个人助手需要赢得用户信任，才能持续承接上下文和实际工作。这些探索都指向同一个问题：AI能否在相处中持续积累对用户的理解，并把这些理解用到下一件事里。

国内场景有所不同。许多重要信息散落在微信、飞书、文档和各种软件里，人们知道AI很强，却未必知道一项任务该调用什么能力，也未必有时间研究连接器、拆解工作流。这是国内Personal Agent最根本的困境：AI原本有机会缩小人与人之间的能力差距，但在使用门槛仍存在的情况下，熟悉工具的人往往能更快借助AI放大能力，其他人却可能被挡在门外。

一支由前Manus成员创立的团队决定从这里切入。他们做了一个运行在电脑上的Personal Agent，主动把分散的工作和生活Context整理成属于用户的Personal Database，供本地类似Workbuddy、Codex这样的通用Agent调用，帮助用户增强大多数任务的执行效果。

Persom创始人之一Cecilia此前在Manus工作，离开后曾担任另一家公司合伙人和产品负责人，负责Vida产品，六月离开后开始围绕Personal Agent创业。她对这一方向的思考可追溯到一年前。2025年十月，她曾在黑板上画下个人助手设想；十一月，方向逐渐清晰：下一代Agent应从用户上下文出发，主动理解信息、识别意图，并在合适时提出建议、推进任务。这部分来自她在Manus负责红人营销的经历。她曾尝试连接Gmail和Slack，让Agent每天推送可代劳的待办；后来录下操作过程并讲解工作方法，把视频交给Agent，再连接n8n搭建工作流。这些尝试让她意识到，一个人的工作过程里藏着大量关于背景、方法和判断的线索。如果AI能从真实工作过程中理解这些线索，用户或许不必每次从头整理、解释。后来负责Vida时，她也从桌面端入手，继续探索工作流和主动式Agent。但团队发现，不了解项目进度的Agent即使每天准时推送建议，也可能只是增加负担：让Agent理解用户意图，比执行明确任务更难。它或许能按指令完成操作，却未必知道当前任务最需要做什么、为什么这样做、做到什么程度才算完成。这些经历让Cecilia形成判断：主动服务的前提是准确的Context。

六月创业后，她继续尝试Personal Agent的不同形态，为移动端产品配上电话、邮箱、钱包和云电脑，探索让Agent围绕邮箱等场景推进任务。到七月，产品已有些像今天大家理解的Personal Agent。七月一个晚上，Cecilia和合伙人Tianyi在Epark对着白板聊了一整晚，讨论云电脑成本、Computer Use成熟度，也重新审视用户真正需要什么，以及创业团队有限资源应投向哪里。最后他们决定不再优先扩展执行能力，而是回到此前反复遇到的问题：如何让Agent更好地理解用户。Persom由此诞生。

团队继续探索Personal Agent基础设施，将采集层做成开源项目，并围绕电脑上的上下文采集、Personal Database搭建和工作流提取迭代产品。后来他们加入轻量主动推送和意图识别，尝试让其他Agent调用这些上下文完成具体任务。对用户来说，即使不会写Markdown、不懂自动化，也可以从日常使用电脑的过程开始，逐步积累属于自己的上下文。Persom想做的事，是让人的数据成为Agent能够理解和调用的上下文，帮助Agent更好地为人服务。

Persom运行在用户自己电脑上。在用户授权范围内，它积累和整理日常工作与生活中的上下文，将记忆、工作方法和流程逐渐沉淀为属于用户的Personal Database，供不同Agent按需调用。YC总裁最近在播客《What Happens When Everyone Can Build Software》中探讨过这样一种基础设施：随着Personal Agent普及，用户需要一个独立于具体应用和模型、由自己掌控的长期数据底座——Personal Database。财务、健康、日历、邮件和社交信息通常散落在不同软件里，Personal Database尝试将它们连接起来，成为个人数字生活中可持续更新的个人记录。不同应用和Agent获得授权后都可使用其中数据；用户更换Agent、模型或应用时，过去积累的数据和上下文不必从零开始。Agent可以是交互和执行任务的入口，Personal Database则让上下文和操作习惯有机会延续。Persom希望把这个面向Personal Agent的核心概念带进每个人的日常工作与生活。

面对同一份信息，人和Agent的需求并不完全一样。人需要简洁、准确的概括，快速抓住重点；Agent需要更完整的记录、细节和来源，才能在执行任务时理解结论背后的背景。Persom尝试同时满足两种需求：为人整理易于阅读的内容，也为Agent保留进一步查找和理解上下文的依据。当分散在不同软件里的信息被连接起来，用户可以用自然语言提问，让Agent在看似无关的记录之间寻找关联。比如健康场景中，经过授权，Agent能同时参考体重、训练记录和日历，可能发现最近体重上涨的那段时间恰好频繁出差，原本孤立的数字有机会被放回真实生活节奏里理解。Persom在用户授权范围内采集屏幕上下文，将用户在微信、飞书等软件中接触到的信息以及日常工作过程，逐渐整理成可供Agent调用的个人数据。接入Persom，就像为Agent增加一双观察用户工作与生活的眼睛：它不仅能理解眼前正在