记录「一个创作者和 AI 助理相处的一周」。

在 1964 年漫威漫画里,Jarvis 这个人物最初只是斯塔克家族的老管家;直到 2008 年《钢铁侠》电影中,他才被改造成大众熟知的 AI。

但在电影前传漫画的暗线里,托尼是用逝去老管家的名字为系统命名的。
所以,Jarvis 这个名字本身,保留了原来「管家」角色的情感上的含义。它服务托尼,了解托尼的习惯,在需要的时候主动出现,同时又长期进入他的生活、工作、情感。
所以这些年,只要有人提到「Personal AI」,Jarvis 几乎都会被重新拿出来讨论。这种 Jarvis 式的体验的核心大致有三点:
Memory、Proactive 和易于理解的 GUI。
今年 9 月,一款叫做 Today AI 的产品,正式在国内面向用户开放,它给自己的定位正是「Personal AI 助理」。

Today AI 会随着用户使用时间的增加,更好地理解用户的偏好、目标、计划,在之后的对话和任务里进行更贴心的、基于用户偏好的 Proactive 交互行为,让 AI 主动参与日常。
所以,如果今天真的让 AI 初创团队做一个属于普通人的 Jarvis,它到底应该长什么样?
🚥
「十字路口」团队提前拿到了 Today AI 的内测资格,也实际用了一段时间。
接下来,我们就从「一个创作者和 AI 助理相处的一周」开始,看看这样一个「私人 AI 助理」到底能帮我们做到什么。
创作者和 AI 助理相处的一周
Today AI 是一款主打 Personal AI Agent 概念的私人助理,目前已开放 macOS、Windows、Linux、iOS 四个平台,之后的内容我们主要集中在 macOS 端。

实际深度使用下来,它确实覆盖了私人助理能够处理的大量事务。交互的核心在于它可以在对话中持续积累对我的理解,并以此 Proactive 式地驱动后续所有任务。
我给这个 Personal AI 助理起的名字是 Jarvis。
与它的「相处」交互带给我的体验主要分为两类:推进和复盘。
推进是将工作和生活向前推动,复盘是帮我回顾工作和生活。
按这两条线来看,整体产品体验会清晰很多。
延伸
Today AI 设计有两条工作路径,一种是通过易于理解的图形界面,让用户主动触发,另一种则是更重要的 —— Proactive 式的「推进」工作和生活。
我们先简单看看第一种。
【1】用户主动触发
最直观的一点是,它会根据 Memory 和日常对话,主动更新简报。这些简报会以卡片的形式出现在右侧,而且内容不是固定的,会随着 Memory 的积累不断更新。

举一个直观的例子。它发现我平时主要在做四类事情:撰稿、个人品牌、AI Vibe Coding 开发,以及日常文字写作。
于是,它会围绕这四类事情生成不同的卡片。我可以直接点进去,让它帮我判断今天最值得先推进哪一件事。
比如,它会根据我当天的工作情况,提醒我从第一天开始就在用 Today AI,并进一步给出这篇文章接下来可以怎么推进,比如先搭框架、补哪些截图。

我可以继续和 Today AI 一起梳理这篇文章该怎么写。
它会结合之前记住的写作习惯,建议我把科幻里的 Jarvis 和现实中的 Personal AI 放在一起对比,围绕两者之间的差距来组织整篇文章。

接着,我一般会在 Obsidian 和苹果日历里安排写稿时间。Today AI 会结合我本地的内容和之前记住的信息,判断我现在正在写两篇稿子,并整理成一份晨间简报。
它还会帮我区分这两篇稿子的状态,一篇标记为「怕拖」,另一篇标记为「怕忘」,这样我一眼就能看清接下来该注意什么。

聊得多了以后,Jarvis 会慢慢知道,我写文章时通常既会关注产品功能,也会在意其中的情感表达。
整理完这些内容后,它会再生成一张新的卡片。我可以直接点进去,继续让它帮我起草整篇文章的框架。

它还会时不时主动推送一些最新的行业消息,帮我积累日常写作素材,这一点还挺意外。
比如 Anthropic 上周四提到,Claude 已经参与公司 26% 的 AI 研发工作。Jarvis 判断这类内容和我平时关注的方向比较接近,就会主动推给我,并在卡片后面附上信息来源。

除了对话框里的信息卡片,它也会不定时在右侧信息栏里推送一些值得关注的行业信息,并先帮我筛掉不太重要的内容,方便我平时积累素材。

如果觉得推送的行业信息有价值,可以直接点击「标记为行业素材」。它会对所有标记内容做深度整理,整理结果又会存入记忆。

下面这个案例可以更直观地感受 Today AI 主动推进工作的能力。
【2】AI 主动出发 —— 一个很 Proactive 的采访案例
主动发现选题信号
Jarvis 会在一天里的不同时间主动给我推送信息,比如早间简报、晚间简报。更重要的是,这些内容不是固定模板,而是会结合我当下正在做的事情一起判断。
比如我最近正在写一篇和中美 AI 关系有关的稿子。Jarvis 在给我推送早间简报时,正好提到了一条相关事件,随后直接提醒我,现在是写这篇稿子的一个不错的时间窗口。
类似的主动推送还有很多。Jarvis 会持续结合我的日程、正在推进的任务和最近关注的话题,把相关的行业信息主动送过来。

一个更明显的例子是,Jarvis 之前给我推送过一份晚间简报,里面专门挑出了当天几个值得注意的 AI 安全信号。
其中一条和我每天正在使用的工具有关,另一条则正好能切进我当时正在写的一篇稿子。两个方向完全不同,但都和我手头正在推进的事情有关。
所以 Jarvis 做的其实不只是整理行业信息。它会先知道我目前还有哪些事情没做完,再把当天的新信息和这些未完成事项对应起来。
这样一来,一份晚间简报同时也在帮我重新整理当天任务的优先级。哪些信息和现在的工作最相关,哪些事情值得先推进,Jarvis 会主动帮我把这些关联找出来。

其次,Jarvis 还会主动整理我的 Gmail 邮箱,从里面发现一些真正值得我注意的信息。
比如订阅扣费、异常邮件,或者某个项目最近发生了变化。Jarvis 会把这些信息筛出来,再主动推送给我,不需要我自己一封封去翻邮件。

因为 Jarvis 会持续主动给我推送大量信息,而且大多都是简报形式,所以看起来并不会很重,反而很容易从里面发现新的选题信号。
比如有一次,我看到一条「Luma AI CEO 谈 World Models 局限」的信息。Luma AI 本身是一家做 AI 视频的公司,但现在也一直在往 World Models 这个方向走,这其实也是目前行业里一个很明显的趋势。
看到这条信息的时候,我马上想到我们之前写过一篇 OiiOii 的实测。于是一个新的选题很自然就出来了:是不是可以去采访 OiiOii 这类 AI 视频 Agent 公司,看看他们现在有没有在做和 World Models 相关的事情,以及他们怎么看这个方向。
所以这些简报对我来说,不只是获取行业信息,也会不断触发新的选题,把原本分散的信息和以前做过的内容重新连起来。
确认后,主动查询过往资料
当我确认好我这个思路之后,就可以直接发给 Jarvis,比如:
假如我之后要采访 OiiOii 的创始人闹闹,十字路口之前写过一篇关于他们的文章。我需要让 Jarvis 查询之前的文章并做网络搜索,整理出他和公司的关键信息,以及上次报道的进展和角度。
Today AI 具备查询本地应用和上下文的能力,和主流 Coding Agent 类似。比如它会主动先在我本地的 Obsidian 文章库里查找十字路口关于 OiiOii 的文章。

我让它生成一个 html 交付物,返回的结果很细致。
我仔细看了一下,它结合了网络搜索、小宇宙播客内容,以及我本地 Obsidian 文章库的内容,从三条线整理了当时的报道角度。

等整个报道角度和采访准备梳理得差不多之后,Jarvis 还会直接用 HTML 的方式把内容整理出来,让我先快速看一遍。
如果我确认这个方向没问题,Jarvis 不会停在这里,而是会继续问我,要不要进一步整理完整的采访背景和采访提纲。
确认之后,Jarvis 会再往下多走一步,继续搜索相关资料,把公司背景、人物信息、行业变化、过往观点这些内容补齐,再整理成一份更完整的采访准备材料。
整个过程基本不需要我反复拆任务。Jarvis 会根据我前一步的确认,继续判断下一步应该补什么,然后主动把采访准备往下推进。
主动整理采访背景和提纲
比如完整资料整理好之后,Jarvis 还会主动把这份内容和前面的采访准备做一次对比。
它会判断,前一版更适合查阅,所以信息会更完整、篇幅也更长。但如果真的带到采访现场,背景资料和提纲就需要更短、更紧凑,方便我快速扫一眼就能找到重点。
于是它会继续往下整理,直接生成一份更适合现场使用的「OiiOii 采访背景与提纲」,把前面大量的信息重新压缩成几个最重要的背景、判断和问题。

在前一版 HTML 的基础上,我还可以继续指定自己想要的展示方式。
比如我会让 Jarvis 把所有关键事项整理成 ToDo List,每完成一项就可以直接点击勾掉。相比前面的查阅版,这一版会明显更精简,也更适合真正执行采访时使用。
而且这类 HTML 交付物都可以直接一键分享。分享出去之后,会生成一个 Today AI 的链接,发给同事或者采访对象都比较方便。

主动加入 Google Calendar
这些准备工作都做完之后,Jarvis 还会继续往前走一步,主动问我要不要直接安排一天进行采访,以及哪一天会更合适。
等我确认之后,它会结合我的日历和日常工作习惯,开始帮我找一个更合适的时间。比如这次,它会把时间放到 10 月国庆假期之后,再根据我已有的安排继续判断。
Jarvis 知道我 10 月 10 日周五有一件比较重要的事情,所以不会把采访挤在这一天。它还会结合我平时的工作节奏,看第二周哪一天安排相对少、整体节奏更顺,再把采访放进去。

所以综合考虑后,Jarvis 帮我直接安排到了另一天的下午。
当我确认之后, Jarvis 就可以把所有内容主动地安排到 Google Calendar 里。它会在日历描述中附上采访的重点方向,以及参考的小宇宙播客链接,采访前打开日历就能回顾。

这个采访案例就是 Jarvis 主动推进我日常工作和生活的一个很直观的例子。这些交互整体很 Proactive,全部基于它对我个人的理解。
不过在实际体验中,除了推进,我还需要 Personal AI 助理帮我复盘工作和生活,这样才能带来更多成长。
所以下面再看看通过以上这些的能力, Jarvis 是如何帮我做复盘的。
复盘
写作复盘
日常使用中,我会和 Jarvis 聊大量内容,给它足够多的上下文,它也会记住很多 Memory。
比如它察觉到我身上有一个反差点:一方面在用 Claude 做大量开发,同时也订阅了一些文艺类网站。它觉得这些兴趣之间存在反差,会主动让我聊聊这个话题。

它还担心表述过于抽象,给我举了几个方向接近的例子。
比如它搜索到 Tracy Kidder 的《新机器的灵魂》。这本书写的是一个技术项目,但里面也讲了人在高压工作中的状态。
Jarvis 会用这样的例子,帮我重新思考工作和生活之间的关系,以及怎么让两边互相带来新的东西。

这一步给我的启发还挺明显。
因为实际写稿时,写作者不只是整理产品功能,也需要把自己的感受和其他领域的理解带进去。Jarvis 发现,我之前很多文章都是按照「产品发布→实测→效果如何」这个顺序来写。如果想写得更真实,可以换一个角度。
比如,它找到我之前写过的一篇 Vivago 视频 Agent 实测。当时我做了「天宫巨阙」这个美学案例,Jarvis 就顺着这篇文章,帮我重新复盘当时为什么这么写,以及这个角度还能怎么继续展开。

功能复盘
除了写作这种具体场景,Jarvis 也会帮我回顾一些日常使用情况。
比如,它会从右侧信息栏里找到我的 Claude、Codex 等项目,发现我有多个订阅和一些快到期的服务。我可以直接点一下,让它帮我把所有到期时间查清楚。

它也可以帮我管理邮箱。
比如收到新邮件后,相关内容会出现在右侧信息栏里。我可以直接点一下,让 Jarvis 查看邮件内容,再判断这封邮件值不值得关注。

右侧还有一个任务栏,里面提前放好了一些 Personal AI 助理常用的功能,比如一周回顾、截止日期提醒、文件整理等。

在任务栏里,我可以直接让 Jarvis 整理所有邮箱内容。
它会查询当天收件箱的 9 封邮件,包含 The Information、Anthropic、Readdit 等来源的通知,然后自动生成一份 Gmail 每日新邮件分类汇总,并设为定时任务。

它还能根据邮箱内容自主检查我的每月订阅与会员套餐。
前面提到,我日常使用多个 AI 平台、开发工具和云服务。Jarvis 会帮我整理这些工具,并提出可以帮我审计工具栈。

整理完之后,它判断 Claude 是我日常工作里最核心的工具,Codex 是第二条线,同时也给了我一些写作上的优化建议。
这种整理会慢慢帮我看清,自己平时到底在用哪些工具、怎么安排工作,以及哪些地方还能调整。

我在 Notion 上记录了一些财务信息,比如基金相关的内容。
Jarvis 查询到这些数据后,帮我生成了一张财务卡片,还做成了图形界面,可以直接让它分析收入趋势。

前面提到过,我和 Jarvis 的对话是并行处理的。
比如让它生成一个 Excel 文件,它会在后台调用 Tools 执行,同时我还可以继续和它聊另一个话题。

Today AI 支持多种格式的文件导出,包括 Excel、PDF、PPT 等日常办公文件。
下面这个 Excel 就是它帮我整理的财务收入分析,其中所有数据已替换为模拟数据做了隐私保护。

Today AI 在产品设计上有一个明显特点:虽然接入了 Notion、Slack、GitHub 等多个 MCP 连接器,但它不只是连完之后让用户用自然语言去调用。
它会为每个连接的产品预先设计好具体的功能路径。
以 Notion 为例,它预设了「把一段需求做成网页链接」「把一周的散页做成简报」等操作入口。
这解决了一个常见痛点:用户面对 AI 私人助理时,有时不知道该让它做什么。
Today AI 的做法是,结合用户的 Memory 和实际使用场景,先把这些功能路径的 UI 设计出来。

我平时会做大量 SOP,记录在 Obsidian 里,有时做成 Skill,有时直接写在备忘录中。比如订阅苹果礼品卡这类步骤较多的流程,我都习惯做成 SOP。
这时可以让 Jarvis 根据 Memory 中记录的习惯,帮我整理所有日常积累的 SOP,直接连接到 Notion,新建一个 Database 把所有 SOP 存入。

整理出来的 SOP 内容很详尽,比如下面的「每日 AI 内容选题简报工作流」。

整体用下来,Today AI 最重要的一点,是它会慢慢记住我的习惯、工作方式,以及我正在做的事情。
随着这些信息越积越多,它会越来越了解我,并主动帮我推进工作、回顾最近做过的事情。
整个使用过程中,它除了能帮我处理具体任务,也会慢慢带来一些陪伴感。再加上比较直观的界面,以及主动推送信息的方式,我能比较清楚地知道它记住了什么、正在帮我做什么。
🚥
过去一年,我们已经看到了越来越多关于 Personal AI 的尝试。
其中最典型的当然是「小龙虾」OpenClaw。

OpenClaw 的 ShowCase
它把 Agent 的能力扩展得很好,AI 可以长期运行在自己的电脑上,接入邮件、日历和聊天软件,调用各种 Skill,甚至直接替用户执行任务。
但这里其实还有几个问题:
当一个普通用户真的拥有了一个几乎什么都能做的 AI Agent,他第一天应该让它做什么?怎么让一个原本不知道自己该怎么用 AI 的人,也能慢慢用起来?
这是我们最近体验很多 Agent 产品后越来越强烈的感受。
Personal AI 接下来真正关键的,很可能不只是一套前端之下更强的 Agent 编排机制。
它还需要一个足够简单、易于理解的图形界面,让普通人知道 AI 现在知道什么、正在做什么;需要一套长期 Memory,让用户不用每天重新介绍自己;还需要 Proactive,让 AI 根据这些 Memory,自己判断什么时候值得出现。
Today AI 则是在 GUI、Memory 和 Proactive 之间试着找一个平衡,让一个普通用户积累自己的 Memory,再慢慢习惯 AI 主动参与进来。

虽然这个答案还「不够 Jarvis」,但 Personal AI 的方向已经比一年前清楚很多了。
文章来自于微信公众号 “十字路口Crossing”,作者 “十字路口Crossing”
【开源免费】ai-comic-factory是一个利用AI生成漫画的创作工具。该项目通过大语言模型和扩散模型的组合使用,可以让没有任何绘画基础的用户完成属于自己的漫画创作。
项目地址:https://github.com/jbilcke-hf/ai-comic-factory?tab=readme-ov-file
在线使用:https://aicomicfactory.app/
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md