Personal AI 的入口之争

谁都渴望拥有一个自己的数字分身。

不用每次介绍自己，它就知道你正在做什么、习惯是什么、为什么事情烦恼。昨天讨论到一半的项目，今天可以接着往下做；随口提过的想法，过几天它还能帮你找回来。

我们已经有了能写文章、写代码、分析资料的 AI。可一回到自己的生活，还是得先花时间把前情交代一遍。换一个应用、开一个新会话，又要从头说起。

为什么一个能回答那么多问题的 AI，偏偏很难长期懂得一个具体的人？

谈这个问题，我想先从今年 3 月的一次交流说起。

Alice 描述的未来，远远超出一个聊天助手

今年 3 月，我在抖音上发过一篇关于数据主权的文章。很荣幸，Jason 大佬给我点了赞，还分享了他在 2023 年关于 Alice 的思考和见解。

沿着这些思考去读 Alice 的宣言，我看到了一种个人 AI 的架构，也看到了一种互联网可能走向的未来。

仅从这份目录，就能看到它思考的跨度：上下文如何组织，智能体如何连接，人机如何共感，再到硬件、协议，以及“从 App 到 Mesh”的互联网架构。一个人的 AI 怎么成长，又怎么带着这个人的意图去连接外部服务，这些问题被放在一起讨论。

在这个未来里，AI 从你的所见所闻中获取上下文。一次讨论、一场会议、一个临时想到的点子，都能进入你自己的记忆系统。它逐渐知道你正在推进哪些事情，哪些偏好会影响决定，哪些烦恼还没有解决。

这些记忆保存在个人侧。日常任务用本地算力处理，遇到复杂问题，再带着相关上下文向云端借用算力。你不必为了每一次回答，把自己的生活重新讲一遍。

但 Alice 的思考还往前走了一步：服务可以围绕人的意图组织起来。

比如你想安排一次出行。现在，你要自己找攻略、查交通、看日历、比较住宿，把不同应用里的条件拼起来。在那个愿景里，个人 AI 带着你的时间安排、预算和偏好，去连接需要的服务，帮助你把这件事做成。

宣言里有一句话：

下一代互联网不应致力于消耗人类的时间，而应致力于完成人类的意图。

这句话把评价互联网的尺度推向了另一边：一个服务帮助你完成了多少事情，替你省下了多少时间？如果你能办完事就离开，产品也应该因此获得价值。

而当 AI 开始陪着你生活、替你处理事情，它就成了一个人的“数字外脑”。这里又出现一个更长远的问题：你的记忆和选择权，究竟掌握在谁手里？

在 Alice 的设想中，你的偏好、生活轨迹和长期记忆，由你掌握。不能因为一个账号被封、一家公司停止服务，这些前情就跟着消失。你也应该能够决定谁来读取它们、如何使用它们。

这就是我觉得这篇文章高瞻远瞩的地方。它已经在思考：当 AI 成为生活的一部分，人怎样继续掌握自己的人生。

本地模型已经够用，前情却接不上

要走到那个未来，有个问题绕不开：我们能不能拥有自己的数据，也就是自己的 Context——上下文。

前几个月，大家都在搭自己的 AI 大脑、个人知识库、个人工作台。名字各不相同，背后那个愿望很清晰：把散落在不同地方的信息汇聚起来，把自己的工作流串起来。

在 Kimi Work 的界面里，可以看到项目、任务、插件这些入口。一次对话开始和一项工作往下推进，被放在了同一个工作台里。

豆包的工作模式里，也能看到工作任务、项目、云盘和连接器。我们想让 AI 带着资料做事情，产品也在尝试把这些入口接到一起。

可一放到生活里，就知道这件事有多麻烦。

比如约朋友吃饭。朋友在微信里说过不喜欢牛排，空闲时间在日历里，选店要看点评，距离要看地图。单独打开其中任何一个应用，都只看得到一部分条件。

现在，各个 App 都开始有自己的 AI 助手。但你在上一个 App 里讨论的结果，到了下一个，还是得重新讲一遍。餐厅助手可以给你推荐热门店，却未必知道朋友的忌口；地图可以规划路线，却未必知道你们几点才有空。

于是，负责把这些信息拼起来的，仍然是你。

我在本地部署过千问的 9B 模型，也部署过谷歌的 Gemma 4。在日常对话中，它们能给出不逊色于云端通用模型的回答。按我的体验，日常 80% 的场景，端侧模型已经能应付。

这意味着，日常任务可以先在自己的设备上处理。 围绕一份资料做问答、讨论一个想法、整理已经提供的信息，不一定每次都要调用最强的云端模型。

谷歌对 Gemma 4 的官方介绍也给出了这条路线：E2B、E4B 可以在手机等端侧设备上完全离线运行，较大的模型则面向个人电脑和消费级显卡。

本地模型能用以后，个人 AI 的另一个难题就显出来了：它拿到了什么？你把一份资料交给它，它可以围绕资料回答；你想让它帮你做一个生活决定，它就需要知道那些没有写进这次提问里的条件。

可你问它“今晚去哪吃”，它不知道你昨天说过什么，也不知道朋友的忌口。即使模型能列出十家餐厅，也缺少判断哪一家适合你们的前情。

工作中也是如此。你昨天为什么否掉一个方案，今天为什么改了项目方向，哪些条件已经谈妥，哪些事情还在等回复，都影响下一步应该怎么做。只放进去一堆文件，还没有把这些正在发生的变化接起来。

一个长期懂你的 AI，需要持续积累前情，才能把通用能力用到你的具体生活里。

你的上下文，也是平台的生意

这些前情，正散落在不同平台手里。

对我们来说，它们是聊天记录、消费习惯、出行轨迹和工作资料。对平台来说，这些数据也有商业价值：可以用来理解用户、做推荐、经营广告和交易。

假如一个个人 AI 能直接替你筛选、比较、做决定，很多事情的入口就可能发生变化。你想买一件东西，可以先把需求交给自己的 AI，让它去比较，再把结果带回来。原来需要你停留、浏览和反复切换的过程，就有可能缩短。

所以，即使模型已经有能力处理这些信息，平台愿不愿意把信息交给你的 AI，依然是另一道门。这里牵涉平台怎样获得收入、怎样维持用户关系，也牵涉谁来负责连接后的权限和使用方式。

WeFlow 删库：记忆的入口能用多久？

前段时间，WeFlow 这个提取、查看和导出微信聊天记录的开源客户端，就经历过删库。

项目的历史讨论里，还留下了“删库前最后一次 commit”的记录。

聊天记录里，有我们做过的决定、讨论过的项目，也有与朋友来往的前情。把它们带进自己的记忆系统，个人 AI 才能知道一件事是怎样发展到今天的。

但当获取这些记录的工具中断，你就得重新找办法，把后续的前情接进来。对于一个要长期懂你的 AI，能导出一次记录，还不足以支撑几年、十几年的记忆积累。

Jev 停止微信支持：会给建议，仍可能接不到对话

我之前也发过 Jev 聊天助手，它会结合当前对话给出候选回复。你可以从下面的历史演示里看到，它把建议放在聊天界面旁边，供你选择。

后来，它的 Android 版停止了微信支持，不再采集或处理微信内容。 项目保留的说明截图里，写出了这个变化。

这种变化会直接影响助手能帮到哪里。即使它能理解一段对话、给出合适的回复，只要接不到微信里的前情，能力就用不到这个具体场景里。类似尝试，又碰到了大家说的“神秘力量”。

Muse 被亚马逊拦住：有购物能力，也可能进不了商店

类似的冲突，也发生在大公司的个人 AI 身上。

2026 年 9 月 20 日，GeekWire 报道，亚马逊已经阻止 Meta 的 Muse 代表用户在 Amazon.com 购物。用户让 Muse 去购物时，会看到亚马逊关于“未经授权的 AI 代理”访问的拦截提示。

亚马逊给出的理由涉及事先同意、代理身份和用户账号安全；它要求第三方代理尊重服务提供方是否参与的决定。

这让“我的 AI 帮我办事”遇到了另一层现实：用户愿意让助手代办，平台也可能拒绝这个助手。一个助手能比较商品、理解需求、执行购物流程，并不意味着每家商店都会向它开放。

在我看来，这里还牵涉谁来掌握用户关系和购买入口。原来你在平台里浏览、比较、接受推荐；如果改成个人 AI 先替你筛选，再把决定带回给你，平台与用户之间的关系就会变化。

先把其他争论放一边，单看个人 AI，这里有个很现实的问题：你的助手今天能接到一段前情，明天这个入口还在不在？

WeFlow 和 Jev 让我们看到上下文连接的难处，Muse 则让我们看到跨平台行动的难处。一个要长期懂你的助手，需要持续积累前情，也需要在你授权后把事情做下去。如果入口随时可能中断，记忆和行动都很难连续。

从今天开始，把记忆留在自己这里

那还有什么方向可以尝试？

我会想到眼镜、录音设备这样的入口。从自己看到、听到、主动记录的生活信息开始，让今天产生的前情先在自己这里留下来。

比如一次会议结束，讨论里的决定、待办和没有解决的问题，能进入个人记忆。下一次继续推进这个项目时，AI 可以带着这些前情来帮你，而不用等你重新整理一遍会议发生了什么。

沿着这个方向，端侧、本地和云端可以有一套协作方式。

手机、眼镜这样的端侧设备，贴近生活发生的地方，负责获取你选择记录的信息，也处理即时的简单任务。电脑或个人服务器可以保存长期记忆，把项目、日程和资料接起来，处理日常工作。

遇到需要更多算力的问题，再把这次任务需要的上下文交给云端。云端处理完，结果回到个人侧，经过你的确认进入后续行动；事情做到了哪一步，也继续留在记忆里。

这样，一次讨论才能接到一个决定，一个决定才能接到后面的行动。下次再遇到相关事情，AI 知道上次的结果，不必每次都从零开始。

平台里已有的历史数据，依然需要找到连接的办法。但我们可以先让今天的一次会议、一个想法、一段项目进展，成为自己能够保存和继续使用的记忆。

从使用 AI，到拥有自己的 AI

我会把这条演进路径分成三个阶段。

现在，我们先由个人主动整合：导出聊天记录、整理笔记、连接日历和文件，把分散的信息带到自己的上下文系统里。这个阶段，很多工作还得靠自己做，先得到一份自己能使用的数据副本。

往后，如果平台开始提供更多授权接口，不同服务愿意协作，个人 AI 就能稳定地带着上下文处理跨平台任务。我们也不用为了串起一件事，反复在几个应用里搬运信息。

继续走下去，用户能够掌控自己的上下文，选择需要的模型和服务。模型可以换，服务可以换，陪着你积累下来的记忆仍然跟着你。个人 AI 才能从一个随时需要重新介绍自己的工具，成为持续理解你的人生的伙伴。

回到今年 3 月读到的那个愿景，我们都希望生活中的每一个瞬间，都有一个懂自己的助手能够回应。

这件事很难，因为它需要接住生活的连续性：昨天的决定会影响今天，今天发生的事又会成为明天的前情。模型、采集设备、记忆系统和服务连接，都需要围绕同一个人的生活协作。

要走到那里，我们得有办法积累自己的记忆，也得有权决定谁能读取、怎么使用。

等 AI 接住了我的生活，我希望这些前情，也能一直跟着我。

—— 月明水清深