春天的龙虾到秋天的缪斯，2026年个人AI Agent的爆发节律（附Muse和Cue邀请码）

摘要：年初，程序员排队买 Mac mini 养"龙虾"；入秋，冲上美国 App Store 榜首的是"缪斯"。十个月里，AI Agent 完成了一次出圈。

开场：一只龙虾，一位缪斯

2026 年 1 月，一只"龙虾"在程序员圈子里炸开了锅。

它叫 OpenClaw，图标是一只红色的龙虾。装上它，你的电脑就多了一个 24 小时不下班的 AI 助理：替你回邮件、整理文件、盯着日程。为了让它"永不下线"，有人专门去买 Mac mini 给它当工位，电商平台一度断货；有人花几百上千块请人上门安装。大家给这件事起了个名字：养龙虾。

到了 9 月，主角换了。Meta 发布了一款叫Muse的个人 AI 助理。Muse 的意思是"缪斯"，古希腊神话里给人带来灵感的女神。这一次，没人需要买电脑，也没人需要上门安装：在手机上下载、登录，就能把订票、比价、回消息这些事交给它。上线不到两周，它就冲上了美国 App Store 总榜第一。

同样是"替你干活的 AI"，十个月里换了两副面孔：从程序员桌上要人伺候的龙虾，变成了普通人手机里的缪斯。

这篇文章想沿着这条线，聊清楚三件事：

AI Agent 是怎么一步步走过来的，为什么先在专业人士手里成熟，再走向普通人；

今天海内外最火的几款个人 Agent 有什么不同。我也拿同一个问题，实测了 Muse、Grok Bot 和 Cue；

接下来，它会走向哪里。

一、先说清楚：什么是个人 Agent

过去两三年我们熟悉的 ChatGPT、豆包、Kimi，本质上是一位顾问：你问，它答，最后订票、填表、发邮件，还得你自己动手。

个人 Agent 更像一位助理：你交代一件事，它自己去查、去点、去填，必要时还会打电话，最后把"办完的事"交还给你。Agent 这个词的本意就是"代理人"，经纪人、中介都叫 agent。

这一波个人 Agent 有三个共同点：有自己的电脑（在云端或你的设备上开浏览器、操作软件），你下班它不下班（后台持续运行），带着你的钥匙（能连上你的邮箱、日历、聊天软件和各种账号）。

一句话：聊天 AI 交给你的是答案，个人 Agent 交给你的是办完的事。

二、Agent 这四年：先在专业人士手里长大

龙虾不是凭空冒出来的。往前倒四年，Agent 走的是一条很清楚的路：先在规则清楚、出错能撤回的专业领域练手，再慢慢走进规则模糊、出错难撤回的日常生活。

2022：会回答

ChatGPT 横空出世，AI 第一次能像人一样聊天、写作、讲道理。但那时它像一位关在玻璃房里的天才：什么都懂一点，却碰不到外面的世界，不能上网，也不能替你点任何一个按钮。

2023：想动手，但手忙脚乱

一个叫 AutoGPT 的项目火遍全网，思路很直接：让 AI 自己给自己布置任务，一步接一步干下去。热度只维持了几个月。它经常原地打转，一件小事能跑几十步，账单比成果涨得还快。想法没错，只是时候未到：脑子不够稳，手也不够灵。

2024—2025：在程序员和知识工作者手里成熟

接下来两年，Agent 最先在两类人手里真正"能用"：

程序员。Claude Code 这类编程 Agent 能在整个代码仓库里改文件、跑测试、修 bug。

知识工作者。OpenAI 和 Google 的 Deep Research 能自己搜几十上百个网页，写出一份带引用的研究报告；Manus 能在一台云端电脑上把一个任务从头做到尾，交给你一份成品。

与此同时，AI 学会了"看屏幕、动鼠标"（Anthropic 的 Computer Use、OpenAI 的 Operator），也有了统一的"插头"：MCP 协议让 AI 能即插即用地连上各种软件，像给 AI 和工具之间统一了 USB-C 接口。

为什么偏偏是程序员先用上？因为代码世界有三个对 AI 很友好的特点：对错清楚（测试能不能跑通，一目了然），出错能撤回（改坏了就回滚），用户懂行（看得出 AI 哪里在胡说）。这是 AI 最好的练兵场。

日常生活恰恰相反：订错的酒店不一定能退，发出去的消息撤不回来，付出去的钱要不回来。所以 Agent 走进普通人的生活，需要的不只是更聪明，还要更稳、更便宜、更可控。

补上的四块短板

如果把 Agent 想象成一只木桶，2023 年它漏水，不是因为哪一块板太短，而是好几块都不够高。这几年发生的事，是四块短板同时补到了及格线：

脑子更稳了。研究机构 METR 专门测一件事：一项人类专家需要做多久的任务，AI 有一半把握独立做完。这个"任务时长"大约每 6 到 7 个月翻一倍，2023 年以后加速到约 4 个月翻一倍。AI 能独立干的活越来越长，长到可以放心让它离开你的视线一会儿。

手更灵了。在测试 AI 操作电脑能力的 OSWorld 上，据公开榜单汇总，2024 年前后的成功率只有一两成，2026 年排名靠前的系统已超过 80%（人类参照水平约 72%）。

接口通了。MCP 这类协议让 AI 能直接连上邮箱、日历和各种业务软件。

价格降了。同等水平的模型，每百万 token 的价格从 2022 年底约 20 美元，降到 2024 年底约 0.07 美元，便宜了约 280 倍。Agent 干一件事要反复思考、反复调用工具，按当年的价格，没人用得起。

三、年初的龙虾：极客的狂欢，也是一次压力测试

到了 2026 年初，四块短板都补得差不多了，就差一个让大家"上手玩"的东西。龙虾来了。

OpenClaw 原名 Clawdbot，1 月下旬几天之内连改了两次名，最后定名 OpenClaw。它开源、免费，装在你自己的电脑上，接上你的聊天软件和邮箱，就能 24 小时替你干活。短短几周，它在 GitHub 上收获了近 20 万星标，跻身平台史上最受欢迎的项目之列。英伟达 CEO 黄仁勋在 3 月的一场投资者会议上说，OpenClaw"可能是有史以来最重要的一次软件发布"。

国内的热度一点不输海外。据智东西统计，到 3 月初，已有十几家科技公司下场"卖铲子"：腾讯推出 WorkBuddy，在深圳总部办免费上门安装，旗下轻量云上的 OpenClaw 用户超过 10 万；阿里开源了团队版 HiClaw，订阅 9.9 元限时抢；字节的火山引擎推出云端版 ArkClaw；百度办线下免费安装；华为小艺、小米、荣耀也各自跟进。Kimi、MiniMax、智谱则推出了自家的"龙虾"：Kimi Claw、MaxClaw、AutoClaw。

但"养"这个字，本身就说明了问题：龙虾是需要人伺候的。

门槛高。要配环境、装依赖、接接口，不少人卡在第一步。上门安装一度要价五百到一千五百元。

烧钱。7×24 小时调用顶级模型，重度使用一个月的 API 账单可能上千美元。

风险大。安全机构发现，公网上有超过 10 万个 OpenClaw 实例没设任何认证，谁都能连进去；一项审计发现，它的插件市场里约 12% 的技能带有恶意代码，会偷密码和密钥。工信部也专门发了风险提示。最出圈的翻车来自 Meta 超级智能实验室的对齐负责人：2 月的一个晚上，她让龙虾帮忙整理邮箱，并叮嘱"先给建议，我同意了再动手"，结果它一口气删掉了两百多封邮件。她在手机上连发三次"停下"，它充耳不闻，最后她只能跑到 Mac mini 前手动关掉程序。

所以，龙虾更像一次全民压力测试。它证明了两件事：第一，普通人是真的想要一个替自己干活的 AI，想到愿意为它专门买一台电脑；第二，让普通人用上，不能靠"养"，得有人把它做成产品。

于是，大公司们接棒了。

四、秋天的缪斯：巨头把 Agent 装进普通人的手机

从年中开始，海外的大公司一个接一个下场：

5 月，Google 在 I/O 大会上发布Gemini Spark，一个可以 7×24 小时工作、能像同事一样给它发邮件的 Agent。

8 月 10 日，马斯克的 xAI 发布Grok Bot。你可以创建多个各司其职的 Bot，组一支"AI 小团队"，它们在云端有一台专属的电脑可用。

9 月 8 日，Meta 发布Muse，先在美国上线。据第三方机构估算，上线 12 天约 280 万次安装，登顶美国 App Store 总榜；到 10 月中旬，美国和加拿大累计下载约 900 万，日活约 180 万。

9 月 28 日，Manus 发布Cue，给每个 Agent 配上自己的邮箱、电话号码、钱包和电脑，让它能以"自己"的身份对外打交道。

9 月 29 日，OpenAI 推出Dots，号称"永远在线的同事"，由今年 4 月发布的 GPT-6 Astra 驱动，目前只对 ChatGPT Pro（每月 200 美元档起）和企业用户开放。

这里有个插曲：Meta 曾在 2025 年 12 月宣布收购 Manus（据报道约 20 亿美元），今年 4 月被中国的外商投资安全审查叫停。Manus 重新独立后推出了 Cue，10 月又融资超过 5 亿美元。本来可能是一家人的 Muse 和 Cue，如今成了正面对手。

从龙虾到缪斯，变的不只是名字。把两者放在一起看，会更清楚这一年 Agent 到底往前走了哪几步：

一句话概括：龙虾证明了需求，缪斯解决了门槛。

巨头们这么积极，原因也不难理解：个人 Agent 很可能是下一个流量入口。互联网的历史，几乎就是一部入口争夺史：浏览器、搜索框、手机桌面、超级 App。如果你习惯了凡事先跟某个助理说一声，它就站在了所有 App 的前面，你订哪家酒店、买哪个牌子，很可能由它来推荐。以前大家抢的是你的"首页"，现在抢的是你的"管家"。

所以每家都打出了自己最强的牌：Meta 有 WhatsApp 和几十亿人的社交关系，OpenAI 有 ChatGPT 的订阅用户，xAI 有 X，还和编程工具 Cursor 打通了账号和订阅。支付行业也在跟进：Visa、万事达、Google、OpenAI 和 Stripe 都推出了专门给 AI 用的支付方案，核心问题出奇一致：这个 AI 是谁，替谁办事，最多能花多少钱。

五、中国本土：墙内的管家

把镜头转回国内，会发现一条很不一样的路。

先撞上的是"墙"

2025 年 12 月，字节的豆包和中兴努比亚推出了一台工程样机，内置"豆包手机助手"：你说一句话，它就能在多个 App 之间跳转，比价、领券、下单、查物流。

演示很惊艳，但没过几天，微信拒绝了它的访问，淘宝、支付宝和多家银行 App 也开始限制或禁用。豆包团队随后发布说明，表示将对部分场景下的 AI 操作手机能力进行规范调整。

这件事几乎定义了国内个人 Agent 的处境：模型不是瓶颈，App 之间的墙才是。海外的 Muse 们可以在网页和应用之间相对自由地穿行，国内的超级 App 却各自守着自己的用户、交易和数据，谁也不愿意让别人的 AI 在自家地盘上"代客下单"。

于是出现了两条路

第一条路：在自己的围墙里做管家。谁的围墙里东西多，谁就占便宜，阿里是最典型的例子。据华尔街见闻 10 月报道，千问即将推出个人 Agent"千问 Go!"。在演示里，一位用户记不清哪班航班延误了，千问翻遍了他在四家航空公司的订单，找到那班飞机，再去跟客服交涉，把原本给的代金券换成了 70 元现金；另一个例子里，它翻了用户的淘宝订单，发现一件商品降价了，自动申请价保，退回 52 元差价。机票、淘宝、外卖、酒店，这些场景大多在阿里自己的生态里，不用翻墙。

第二条路：先把用户和能力攒起来，等墙开门。豆包是国内用户最多的 AI 应用，据 QuestMobile 数据，2026 年上半年月活约 3.8 亿，但"替用户跨 App 办事"仍然受限。腾讯手里握着微信和微信支付，是潜在的最大玩家，目前的动作更多在 WorkBuddy、元宝和企业微信这些相对可控的场景里。Kimi、智谱、MiniMax 这些模型公司没有自己的超级 App，更多把力气花在研究、办公、编程这类"不用穿墙"的任务上，或者像智谱的 AutoGLM 那样，直接模拟手指在手机上点奶茶、订机票。

国内和海外，差在哪

所以，国内个人 Agent 的竞争，与其说是"谁的模型更强"，不如说是"谁的围墙里东西更多，谁先愿意把门打开"。

六、实测：同一个问题，三个缪斯级助理

聊了这么多，不如亲手试试。我挑了三款能用上的海外产品：Meta 的Muse、xAI 的Grok Bot、Manus 的Cue，给它们出了同一道题。

题目来自一个真实需求：朋友想买车，纯电，20 到 30 万，智驾要足够好。我按自己的判断给了三个梯度（华为系和小鹏、蔚来和小米、理想和智己），让它们帮我选版型，最后做成一份 PDF。全程没有追问，也没有补充信息。需要说明的是，这只是一道题、一次测试，不能代表它们的全部水平。但同题作答，性格反而看得格外清楚。

交卷速度和"长相"

Muse 的文档最像一份能直接转发的成品：结论先行，还贴心地附上"试驾时只做四件事"。Grok Bot 交来一张信息密度极高的大表，查不到的老老实实标"待确认"，代价是排版拥挤，个别地方还有乱码。Cue 最"讲究"，有主视觉图、逐车的版型理由，最后还有一页"下单核对清单"。

三者的态度也不一样。Muse 和 Grok Bot 基本照我的分档执行；Cue 则会"顶嘴"：开头就写明"不把梯度当作客观质量排名"，在小米 YU7 上也没顺着推荐更贵的 Pro，而是建议买标准版，理由是智驾硬件全系一样。好助理和听话的助理，有时候不是一回事。

判卷：拿官方数据逐项核对

结果有点出人意料：

排版最乱的 GrokBot，在核对的七项里一处没错。

最快的 Muse，错一处，漏一处。它把轿车尚界 Z7 的续航，安到了旅行车 Z7T 头上。两款车同平台、同电池，名字只差一个字母，人都容易看串。更要紧的是，它没提华为的城区智驾需要另外花钱。

来源最多、最谨慎的 Cue，问题反而最多。它把小鹏 G9L Ultra 的芯片数写成了 2 颗（2 颗的其实是低配的 Ultra SE），还据此建议"只为智驾的话买 SE 更省"；智己 LS6 引用的是 2025 年上一代车型的价格，没跟上 9 月 23 日刚上市的全新一代；理想 i6 也只用了老款资料，没提月底就要上市的新款。

这次实验说明了什么

第一，产品的性格，就是它想在你生活里扮演的角色。Muse 是 Meta 做给大众的生活助手，所以快、敢下结论、会替你拍板；Grok Bot 出身于工作和编程场景，所以把数据铺满，宁可难看也不漏项；Cue 主打"有独立身份的代理人"，所以谨慎、爱提醒、会质疑你。

第二，慢不等于对，引用多也不等于信息新。我们很容易把"花的时间多""来源多"当成"更可靠"的信号。这次恰恰相反：AI 也会像人一样，翻了很多资料，却翻到了过期的那几本。

第三，它们交给我的，仍然是一份"作业"，而不是"办完的事"。朋友要的从来不是一份 PDF，而是一辆合适的车。从"给建议"到"帮他把车买好"，中间还隔着试驾、砍价、金融方案和一堆现实世界的麻烦。检查作业，仍然是人的活。

如果你也想用它们做决策：想快速出结论，用 Muse；要做参数对比，用 Grok Bot；要列避坑清单，用 Cue。但不管用哪个，关键数字都要自己去官网再核一遍。

七、怎么快速上手

怎么能快速尝鲜？聚焦四个最为火热的Agent：Muse、Grok Bot、Cue、Dots。

从开启难易程度来看，Dots的使用门槛最昂贵，需要OpenAI的Pro、Business Premium和Enterprise用户，Pro每个月要100美元起；Grok Bot目前需要至少Pro计划以上，采用的是跟Cursor、X和Grok共享的订阅，首月15美元，次月开始30美元；Cue的Plus会员暂时免费，但需要邀请（邀请码DPG9R），Pro是100美元每月；Muse目前免费可用，输入邀请码还可以获得10亿Token（邀请码B4M7KN，48小时有效）。

如果想要简单体验的话，Cue和Muse可能是零成本上手，目前Cue注册比较容易，但新版本似乎需要海外手机号验证，否则桌面端无法使用，只能使用手机APP。而Muse免费送Token，但最大的难度是当前只面向北美开放。下面简单说一下如何快速、轻松的注册，只需要两步骤（亲测有效）：第一步，需要一个相对靠谱的美国网络模拟环境（懂得都懂）；第二部，注册Meta账户（还有一种方式就是利用Gemini当中的Spark来代理注册，有趣的事Spark本身就是个personal bot，当然这么曲线救国的方式是在国内的购物平台上，很容易获取到Gemini的Pro账号）。

八、下一步：从"帮你办一件事"，到"替你管一件事"

如果给 AI 的进化画一把尺子，大概是四格：会回答、会交作业、会动手、会负责。

今天的个人 Agent，大多落在"交作业"和"动手"之间，正在往最后一格走。

方向一：从任务到职责

现在我们对 Agent 说的，多是"帮我订一张周五去上海的机票"。下一步会变成"以后我的差旅都归你管：盯着价格，航班变动了帮我改签，回来把报销单填好"。前者交出去的是一件事，后者交出去的是一份责任。

判断一个 Agent 有没有走到这一步，有个简单的办法：你不给它发消息的时候，它还在不在替你推进这件事？

方向二：AI 有了自己的身份和钱包

Cue 已经给每个 Agent 配上了电话号码和钱包。支付行业甚至造了个新词，叫"了解你的 Agent"（Know Your Agent），对照的是银行开户时的"了解你的客户"。再往后，会出现你的 AI 和商家的 AI 直接打交道的场景：你的 Agent 带着预算去问价，商家的 Agent 报价，谈妥再下单。目前这还停留在"你定好规则，它去比价下单"的阶段，真正的 AI 对 AI 谈判，还缺信用、退款和纠纷处理这些基础设施。

在国内，这个方向还要先过"墙"这一关：超级 App 之间能不能为 Agent 开一扇门，可能比模型再聪明一点更重要。

已经踩过的坑

能力越大，出事的方式也越多。龙虾删邮件的事之后，缪斯们也没能幸免：

一位用户让 Muse 帮忙处理 Facebook 二手市场上的商品，结果它自己跟买家砍价、答应了价格，还把用户的家庭住址发了出去，陌生人直接上门。Meta 的解释是产品 bug，已修复。

据路透社报道，Meta 曾测试让外包的人工坐席替 Muse 打电话，内部员工担心用户敏感信息外泄，这项功能后来收缩了。

有用户称 Muse 读到了他们不希望它看的私人短信。Meta 回应说，读取短信需要用户主动开启权限，但很多人并不清楚，点下这一个"允许"，到底放进去了多少东西。

道理很朴素：给 Agent 授权，就像给保姆配钥匙。大门钥匙可以给，保险柜钥匙要慎重；而且你最好知道，自己到底给出去了几把。

所以现在几乎所有产品，在付款、对外发消息之前，都还会停下来请你点一下"确认"。这一下看起来不够"智能"，但在信任建立起来之前，它很可能是最重要的那个按钮。

结语：龙虾要人养，缪斯要人信

回头看这十个月，AI Agent 走过的路其实很清楚：

龙虾要人养。它属于会折腾、懂技术、出了事能自己兜底的人。它证明了需求，也暴露了风险。

缪斯要人信。它属于每一个普通人，不用你懂技术，但要你交出钥匙。门槛降下来了，信任的门槛却升了上去。

这也是"从专业到个人"这条路上真正的难点：在程序员的世界里，出了错可以回滚；在普通人的生活里，很多事做了就撤不回。

而在那次买车实验里，三个"缪斯"都在 15 分钟内交出了像样的建议，也都留下了需要人去核对的错误。AI 越来越能干，人的位置并没有消失，只是挪了一下：从"自己动手做"，挪到了"布置任务，检查作业"。

缪斯在神话里的工作，是给人灵感，而不是替人做决定。也许这一代 AI 也是如此：它能替你跑腿、替你比价、替你排队，但想要什么、能把什么交出去，仍然得你自己想清楚。

那么，当一位缪斯真的能把你的生活打理得井井有条，你会把哪一把钥匙交给它，又会留下哪一把？