从Siri到Muse，AI助手正在改变自己的角色

把生活中的事情交给AI，曾经更像是科幻电影里的情节。

如今，这件事已经开始变得具体起来。

有人让AI帮助联系运营商、取消宽带服务，有人让AI处理航班赔偿，还有人把购物、预约清洁服务等日常事务直接交给AI完成。

甚至有人让AI代替自己在二手平台与买家沟通，结果AI自行接受了更低的报价，还把家庭地址告诉了对方，最终买家直接出现在家门口。

这类事件之所以引发讨论，并不仅仅因为AI“做错了事”，更因为它展示了一种过去很难想象的产品形态：

AI不再只是聊天窗口里的回答者，而开始成为能够替用户采取行动的数字代理人。

从2010年前后的Siri，到今天的Muse，这条路线其实已经走了十多年。

最早的梦想：让机器成为“Do Engine”

个人助理的概念，并不是生成式AI时代才出现的。

早在1987年，苹果的“Knowledge Navigator”概念视频就曾描绘过一种数字助理。它能够帮助用户寻找资料、提醒事项，并在用户进行其他操作时继续处理任务。

后来，Wildfire、Portico等早期个人助理产品也曾尝试通过语音帮助用户处理电话、邮件和信息。

不过，当时的技术还无法支撑一个真正可靠的智能助手。

理解自然语言的能力有限，互联网服务之间也缺乏统一接口，因此这些产品始终停留在相对固定的功能范围内。

直到Siri出现，这个方向才真正进入大众视野。

2010年，独立的Siri产品正式推出。

与传统搜索工具不同，Siri希望用户直接告诉机器自己的目标。

例如，用户可以说，希望在工作地点附近寻找一家适合约会的意大利餐厅，Siri再整合多个服务的信息给出结果。

这背后的核心理念并不是“帮用户搜索”，而是“帮用户完成事情”。

Siri团队甚至将这种能力称为“Do Engine”。

它与传统搜索引擎之间最大的区别在于：搜索引擎负责提供信息，而Do Engine试图进一步理解用户意图，并调用各种服务完成任务。

2011年，苹果将Siri整合进iPhone 4S。

普通用户第一次大规模体验到，可以直接对手机说出一个目标，而不是自己打开App、寻找菜单，再一步步完成操作。

从那一刻起，AI个人助理的基本想象已经出现了。

但早期助手很快遇到了瓶颈

Siri证明了个人助理有价值，却没有解决一个更大的问题：

如果用户提出的问题超出了系统预先设计的范围怎么办？

早期的个人助理主要依赖关键词、规则和预先编写好的任务流程。

用户说法发生变化，系统可能无法正确理解；想增加一个新功能，则需要开发团队重新设计流程。

亚马逊的Alexa把这种模式进一步发展。

2014年推出Echo之后，Amazon真正看重的并不只是智能音箱本身，而是希望通过Alexa建立家庭中的新入口。

Alexa可以播放音乐、查询天气、控制智能家居，也能够通过Skills平台连接第三方服务。

Google随后推出Assistant，同样试图把个人助理扩展到手机、音箱以及其他设备。

中国市场也出现了类似探索。

小米的小爱同学、天猫精灵、小度等产品，开始连接手机、音箱、电视、家电以及其他智能设备。

一时间，语音助手似乎已经成为下一代人机交互入口。

但问题依然存在。

这些助手能够做很多事情，却往往只能在提前规划好的范围内行动。

如果平台没有为某项服务开发对应能力，助手就很难完成任务。

这意味着它们更像“功能集合”，而不是一个真正能够自由处理问题的数字管家。

生成式AI让助手第一次真正拥有“理解力”

2022年底，ChatGPT的出现改变了这一局面。

过去的语音助手通常需要先判断用户属于哪个功能类别，再调用对应程序。

大模型则能够直接面对开放式问题。

用户可以随意描述目标、补充条件、修改要求，模型能够结合上下文继续理解。

这意味着个人助理第一次真正获得了接近自然交流的“理解层”。

随后，GPT-4o等模型进一步降低了语音交互的延迟，并加入视觉理解、实时交流等能力。

模型不再只是等待用户输入文字，而开始理解声音、画面以及更丰富的上下文。

与此同时，插件、工具调用以及第三方服务接入，也让AI开始拥有一定的“行动能力”。

微软用Copilot逐渐替代Cortana，也体现出个人助手产品的一次重要转向。

过去的助手围绕固定技能运行，而新一代助手开始以大模型作为理解和推理中心。

但会聊天，距离真正办事仍然很远

生成式AI解决了“理解”问题，却没有立刻解决“行动”问题。

一个AI可以告诉你应该订哪一张机票，但能不能真正帮你订票？

它可以推荐一家餐厅，但能不能进入网站完成预约？

它能够告诉你如何申请退款，但能不能登录相关页面、填写资料并提交申请？

这些问题看似简单，却意味着AI必须进入真实的软件环境。

而一旦AI拥有这样的权限，风险也随之增加。

播放错一首音乐，影响可能很小；但如果订错机票、发送错误邮件、支付错误金额，后果就完全不同。

因此，AI越强，平台反而越需要谨慎开放权限。

这成为过去多年个人助理发展过程中最大的矛盾之一：

用户希望助手更自由，但厂商又不敢让它拥有太多自由。

Agent出现，让AI从回答问题走向执行任务

随着大模型推理能力不断提升，AI助手开始进入新的阶段。

Anthropic的Computer Use、OpenAI的Operator等产品开始尝试让AI直接操作电脑界面。

它们不再完全依赖专门开发的API，而是通过观察屏幕、点击按钮、输入文字等方式完成任务。

这意味着AI可以像人一样使用软件。

随后，Agent产品进一步把任务执行能力延伸到独立的云端环境。

用户只需要告诉AI最终目标，Agent就可以自行拆解任务、调用工具、处理信息，并根据执行结果继续下一步。

这时候，AI助手的执行单位发生了变化。

过去是：

“帮我打开某个功能。”

现在则变成：

“帮我把这件事处理完。”

两者之间，是完全不同的产品逻辑。

OpenClaw让“数字员工”想象变得更加具体

这一阶段，OpenClaw等Agent产品进一步展示了另一种可能。

如果AI能够获得文件、浏览器、邮件、日历以及消息等工具的权限，并拥有长期记忆，那么它就不再只是一个聊天机器人。

它可以在后台持续运行，接受任务，然后反复调用工具完成工作。

这更像一个数字员工。

但生产力Agent之外，还有另一条路线：

把Agent变成普通人的个人生活管家。

Muse选择的正是这条道路。

Muse试图成为真正的“机器管家”

Muse引发关注的原因，并不是它能够聊天。

真正吸引用户的，是它开始进入生活中的具体事务。

用户可以让它联系服务商、处理消费事务、进行购物、预约服务，甚至处理一些过去必须亲自操作的网站和App任务。

这让AI第一次真正接近“生活管家”的概念。

更重要的是，Muse能够结合用户的个人上下文。

社交关系、兴趣偏好、聊天记录以及其他获得授权的信息，都可能帮助AI更准确地理解一个人究竟想做什么。

这意味着AI不再只是回答：

“你想让我做什么？”

而是开始尝试理解：

“结合我对你的了解，你真正需要完成的是什么？”

两者之间的差距，就是个人AI助手下一阶段竞争的核心。

从Siri到Muse，缺少的能力正在一项项补齐

回头看过去十多年，个人助理的发展其实是一场漫长的能力拼图。

Siri首先证明了自然语言可以成为人与机器沟通的新入口。

Alexa和Google Assistant进一步把个人助理带进家庭和多设备环境。

ChatGPT让机器获得更强的语言理解能力。

多模态模型让AI能够理解声音、图片和视频。

推理模型让AI能够在行动前进行更复杂的任务拆解。

Agent则让AI真正开始操作软件和互联网服务。

而Muse试图把这些能力重新组合到一个面向普通消费者的产品中。

也就是说，个人助理终于开始同时拥有：

理解、记忆、推理、调用工具以及持续执行任务的能力。

这也是它与早期Siri最大的区别。

真正的挑战才刚刚开始

不过，AI能够替用户完成事情，并不意味着所有问题都已经解决。

事实上，权限、安全、隐私、责任以及错误处理，都将成为个人Agent进一步普及必须面对的问题。

如果AI替用户订错酒店，谁承担责任？

如果它把私人信息发送给陌生人，谁来负责？

如果它理解错用户意图并完成了一笔交易，用户能否撤销？

这些问题决定了个人Agent最终能获得多大的权限。

因此，未来的个人AI助手不仅需要更聪明，也需要更可靠。

用户需要知道它在做什么、为什么这么做，以及什么时候必须停下来询问。

16年后，“Do Engine”正在变成现实

从最初的Siri，到今天的Muse，个人助理的发展路线其实一直没有发生根本变化。

人们始终希望有一个数字助手能够理解自己的需求、记住自己的习惯，并在获得授权之后替自己处理那些琐碎而复杂的事情。

区别只在于，过去的技术只能让机器完成其中一小部分。

如今，大模型、推理、工具调用和Agent技术正在把这些能力逐渐拼起来。

16年前，Siri提出“Do Engine”的设想时，这更像一个遥远的产品愿景。

16年后，AI开始真正走出聊天窗口，进入购物、出行、工作和家庭生活。

从“告诉我答案”，到“替我完成”。

这或许才是AI个人助理真正意义上的下一站。