12款 Personal Agent 实测：提出五维评估标准
- 测试规模：作者在 X 收集1505条覆盖11类的案例，在12个 Personal Agent 上逐一跑测，提出记忆、信息获取、Computer Use、主动性和多端联动五个评估维度。
- 维度拆解：记忆维度考察 Agent 是否理解用户，例如 Today 在记账时识别出用户有两个微信并追问付款来源；信息获取依赖浏览器自动化、账号登录态、MCP 或 Skill；Computer Use 被作者列为拉开差距最大的能力，测试包括海鲜市场自动改价回消息、用本机工具链自动剪辑6GB 4K素材；主动性指 Agent 未被调用时主动提醒或补充信息；多端联动决定手机能否调度多台电脑上的 Agent。
- 工作流切换：作者称已放弃 OpenAI Dots 与 Meta Muse，将工作流切换到 Today 和 Grok Bot。实测中，手机发一条消息可调度两台远程电脑上的 Codex、Claude Code 与 Grok，经 Tailscale 同步过程文件后由 Today 整理报告回传手机；OpenAI Dots 当前一次只能连接一个本机，Grok Bot 与 Today 只需在另一台电脑登录。
- 产品判断：文章将 Personal Agent 的好用上限与用户已有账号、服务覆盖及连接方式绑定，而非仅由底层模型决定；记忆、Computer Use 与多端联动等能力组合，直接影响其能否接入用户现有工作流。 🔗 卡尔的AI沃茨原文