Personal Agent掀起了新一轮消费级产品的竞赛。

短短几个月里，一批能够替用户自主完成任务的个人智能体接连走红。Instinct、Grokbot、Caddy、Ollie、Pally等创业公司产品相继出现，Meta推出Muse，OpenAI发布Dots，Anthropic上线Claude Duet。

这背后源自于AI产品范式的转变，Personal Agent正在从“被动响应”走向“主动执行”。

正是在这样的背景下，蚂蚁启动了灵光发布以来最大的一次升级。10月27日，蚂蚁推出灵光2.0，推动AI助理从被动响应指令、完成单次任务，向主动发现需求、持续管理事务演进。同时，这也是国内首个由大厂所发布的个人AI智能体产品。

与过去一问一答式AI助手不同，升级后的灵光，可以从头到尾持续跟一件事。比如，授权支付宝后，它能盯住账单，发现被遗忘的自动续费；订好机票酒店后，继续关注价格变化，降价及时提醒；授权后关注钉钉班级群通知，整理信息、提取待办等。

光子星球也在上线的第一时间，测试了灵光2.0的全新功能。从查阅订阅扣费、双11配置电脑到查找历史邮件，一件件小事测下来发现，灵光确实能管事：在授权范围内记住目标、盯住变化，在用户退出后继续把事跟下去。

从用户盯流程，到AI盯进展

灵光最初上线时，主打功能是“用自然语言30秒生成小应用”的闪应用。产品核心定位还是一个生成工具，用户描述需求，AI产出可运行的小程序或内容。

此次灵光2.0升级明确的信号是，产品重心从“生成”转向了“执行与持续管理”。撕掉泛化的生活助理标签，进而锁定了长程、多变量的事务。

传统对话式AI的工作流程为，由用户发现问题并提出需求，AI执行一次任务并返回结果。任务什么时候开始，什么时候结束，以及后续是否有变化，通常仍由用户负责。

个人AI智能体试图改变这种分工状态。用户在设定目标并授权后，AI可以结合已接入的信息，继续观察相关变化，整理进展并提醒用户。用户不必每一步都亲自推动，但仍要设定权限，处理关键判断，最终决定是否采取重要行动。

上述逻辑也贯穿在灵光2.0产品中，其核心功能升级可以概括为，“记得住”“盯得住”和“办得了”。这三个核心功能，并非孤立存在，是一条连续的事务管理链路。

“记得住”，是让AI拥有时间感。聊天式AI主要解决当下的问题，聊完即止。灵光2.0能记住用户交代过的目标、偏好和背景，把几天、几个月里陆续出现的信息串起来，用户不用每次从头讲一遍“我是谁、我要什么、上次说到哪”。这让AI从“问答对象”向“事务协作者”靠近。

“盯得住”，是让AI在用户退出对话后仍能跟进。在获得授权后，灵光2.0会结合已接入的信息和服务，留意变化，在需要用户拿主意的节点提醒，不用等用户再问才反应。人机分工也因此发生变化，从用户盯流程，转变为AI盯进展、用户管决策。

“办得了”，则是让AI的“手”伸出对话框。灵光2.0打通了支付宝账单、会员、出行，以及钉钉、飞书、邮箱、米家等服务能力，能在不同平台之间获取信息和执行任务，其管理范围从个人线上事务延伸到工作流和家里的智能设备。

三个生活case，看灵光怎么“管事”？

为了观察灵光2.0执行与持续管事的链路，光子星球选了三个生活场景：查阅订阅扣费、双11配置电脑和查找历史邮件。

三个场景的共性在于，任务都是围绕一个持续目标而展开。

“订阅扣费”需要对比三个月账单，才能看出订阅这一行为是否反复在发生，背后考验的是处理时间跨度的能力；“双11配置电脑”，用户退出后任务仍在后台执行，等到任务完成再通知，背后考验的是持续运行能力；找邮件则要进入邮箱、查看授权账号和文件列表，找到目标后还要主动总结近期邮件，背后考验的是跨平台操作和主动性。

很多人都有过这种经历，某个会员当初只想试用一个月，结果每月都在悄悄扣费。我们直接让灵光读取并分析了支付宝的账单，看看最近三个月都订阅了谁家的会员。

灵光在获取到账单之后，首先把订阅相关的消费筛选出来，再保存订阅相关账单记录用于核对计算。计算过程中灵光对帐单进行了反复的验证，以确保结果的准确性。

最后，灵光给出了一份订阅清单，标出可能被遗忘的项目，并附上省钱建议。只呈现结果，要不要取消，仍由用户自己决定。

单看一笔扣费，很难发现问题，但把三个月账单放在一起对比，才能把零散账单串成一条可跟进的线索。发现被遗忘的订阅，在下次扣费前提醒用户，而不是只回答“这个月扣了多少钱”。

日常中我们使用各种Agent，大半的时间都花在了等待上，为了提升用户的体验，灵光2.0会在用户退出软件之后继续执行任务，不需要一直在软件中等待，任务完成之后会自动发通知提醒。

临近双11，我们打算在公司配置一台新的电脑，但是只预设好了显卡配置，没有时间做攻略，索性就把这项繁琐的任务交给灵光。

在对话框，输入具体需求后，我们退出了灵光，让它自己在后台执行任务。任务完成之后，灵光在通知栏发送了提醒，点击可跳转到刚才的对话界面。

结果显示，灵光返回了一个链接，里面是详细的购买建议，还列出了各电商平台的每日好价。

配一台电脑动辄就要查十几个配件，对比好几个平台的价格。过去，要么自己守着屏幕一项项搜，要么AI做到一半就“断线”。现在把任务交给灵光，就可以去忙别的，回来时攻略已经做好。

攻略做好之后，还可以让灵光去帮自己监控各平台的价格，当价格降到期待价以下的时候灵光会发通知提醒。灵光会自动生成一个事件，在云端环境中持续运行，帮你盯守价格。

灵光的能力也不再局限在对话框里，而是能直接进入常用工具。

我们还测试了一个场景：之前有一封邮件没保存备份，日期和标题都忘了，只记得大致内容，于是让灵光去找。

授权邮箱后，我们告诉它邮件的大致内容，灵光先查看授权账号和邮箱文件列表，找到那封邮件后，还主动总结了最近一周的邮件摘要。这种主动性，也是个人AI智能体产品和以往AI助手的区别。

正好最近我们在GitHub上在进行一个项目，每次提交都会在邮箱发一个通知，这些邮件和其他客户发的邮件混在一起，导致我们还需要花时间去给邮件分类。现在灵光升级之后，可以帮我们完成这些重复度高的工作，交代给灵光之后，它同样会建立一个新的事件，来进行邮件的分拣。

总结下来，在这三个场景里，灵光负责找、理、盯，主动整理信息、发现变化和准备下一步。授权和最终决定始终留在用户手里，关键动作由用户确认。

这既是灵光2.0把安全可信纳入执行流程的体现，也说明“管事”链路一直持续在跟进。

个人Agent是AI助手的下一站

在现有玩家中，个人Agent路线已经开始分化。

Meta Muse选择降低使用门槛，走“易用性”路线；Instinct则把Agent退到通信层，没有独立App，用户通过短信、电话或邮件与之交互。

灵光2.0与Muse在产品方向上相近，但路线底色不同。Muse依托Meta的社交生态，通过社交数据实现跨应用记忆和任务跟进。

灵光2.0则是由场景闭环驱动，用支付宝生态的交易与履约数据、钉钉的办公协同入口和米家的设备控制通道，把Agent的执行链路嵌入用户已经高频使用的工具流里。

灵光的差异化在于选择了一条需要“生态深度、长周期运行、可信执行”，三者同时成立的路线。其门槛不在模型跑分，而在场景闭环的密度和用户授权的信任积累上。

放到个人智能体的演进看，灵光2.0指向一个清晰方向：从“完成指令”走向“跟进事务”。

早期的对话式AI主要响应用户当下的问题，任务型Agent能调用工具，把一个目标拆成多步操作并完成执行；下一阶段的个人智能体，则尝试处理更长时间跨度的事务。

这意味着，衡量AI能力的标准也在扩展。

不只看回答是否准确、单次任务是否完成，还要看它能否在授权范围内保持任务上下文、识别进展与变化、跨应用处理信息和操作，并让用户了解、确认和调整关键步骤。