前豆包负责人新作：能记住你的主动型AI智能体

几乎被 Codex“统治”的 Agent 创业赛道，迎来了新玩家。由 Teambition 创始人、前豆包 PC 端负责人齐俊元创办的 Today AI 近日开启公测。

定位上，它是一个能“记得”用户、替用户做事并持续关注变化的 Personal AI。通过连接软件和设备，它能在必要时提醒用户，或将未完成事项继续推进。深度体验一周后发现，即便在频繁切换 Codex、Claude Code 等 Agent 的背景下，它仍有使用理由——它可能是这一波 Agent 中最重视用户记忆、也最主动的一个，甚至有时会让人觉得“烦”，但也由此与多数 Agent 形成区隔。

通用 Agent 等用户带着任务来，Today 则先把邮件、日历、关系、偏好和未完成事项组织成围绕用户运转的“任务世界”，用 Memory 驱动 Proactive。这个任务世界越“厚”越灵活，越能证明独立 Agent 应用仍有机会在模型之外建立自身价值。

当前所有 Agent 都在获取更多 Context，但 Context 多不等于 Memory 好。Context 是 AI 某一刻能看到的原始材料，Memory 则需判断哪些信息重要、如何更新、何时影响行动。市面 Agent 因此分为两类：一类以具体任务为组织单位（如 Codex），由用户发起任务；另一类围绕用户组织持续变化的时间线，在任务出现前洞悉背景，让任务也能从状态变化中产生。两者调用相同模型，但建立的状态层不同：前者保存“任务进行到哪”，后者保存“用户处于什么状态”。

Today 选择了后者，并试图解决 Memory 管理难题。产品页面分左右两区：左侧为持续对话流，右侧为个人总面板，集中展示“今天”“任务”“记忆”和“AI 伙伴专区”。其中“记忆”可集中管理 AI 形成的用户信息，支持查看、修改或删除。

Memory 管理分两步：第一步，尽可能获取全面且与任务相关的个人信息，连接应用覆盖办公、开发、设计、CRM 等 Work 场景，并延伸至健康、兴趣等生活信息（如睡眠、运动、记账）。第二步，围绕 Context 构建 Memory 体系，持续从邮件、对话和软件行为中提取有用信息，整理成偏好、关系、承诺和任务。信息按生命周期分为三类：仅服务当前交互的临时信息；有时效但任务结束前需保留的信息（如“对方周四前发材料”）；适合长期保留的稳定习惯、重要关系和长期偏好。例如，Today 知道我使用过 Codex、Suno 等工具，会形成“我长期关注 AI 产品和生成式创作工具”的判断，从而及时推送相关变化。

更新与遗忘因此必要。研究指出，记忆的意义是支持未来决策，而非完整重现过去。Today 团队通过主动遗忘、压缩和更新管理 Memory，规则综合考虑类型、时效、潜在价值和用户偏好，追求留下的信息越来越有用，而非越来越多。

判断 Memory 是否有用，要看它能否穿越任务暂停与恢复继续影响行动。首次使用时，我接入微信，让 Today 约一场采访。任务本身不复杂，它找到邮件、检查日历、拟好邀约并发出。单看这次任务，它更像完成度不错的 Agent。但第二天对方回信时，在我未发指令的情况下，Today 主动提醒，并将新邮件与之前的采访任务关联，结合我的时间偏好判断下一步。会发邮件不新鲜，新鲜的是它完成了“记住旧任务—发现状态变化—判断下一步—主动回来”的链路，建立持续委托：用户交代目标后，系统能在任务暂停、等待中维持状态，并在条件变化时继续推进。

当有价值的 Memory 参与下一次判断，Proactive 才显价值。Today 会每天推送个性化早晚报，早报结合日程整理当天要事，晚报总结当天进展与未完成事项。期间它还会主动说话：9 月 2 日，它推送 GPT-6 “Astra” 即将发布的消息，因它知道我使用 Codex、关注 AI 产品；次日 OpenAI 正式发布后，它又在我自己的大数据环境推送前，更快将消息递到眼前。类似情况也发生在 Suno 上。