小扎Muse被亚马逊拒之门外，Rabbit OS3换思路：连你自己电脑干活的Agent能行吗？
小扎掏出Muse Charm没几天，Rabbit r1又被翻了出来说事。不少人看到这款新设备，脑子里蹦出的全是两年前那个橙色小方盒。有人在社交平台上把小扎拿Charm、吕骋拿r1的照片拼在一起玩梗。不少外媒报道Charm时，也顺带提了一嘴这台初代AI硬件。
说白了，就是一台揣兜里的小玩意儿，靠听懂语音指挥AI去办事。这画面，看着是真眼熟。 让人眼熟的，不光是那台硬件本身。 2024年，Rabbit在r1发布会上，拿打车、订票、点外卖这些场景，跟大伙儿掰扯什么叫Personal Agent。
从那以后，这几类活儿成了一代代Agent产品的标配演示内容。评测机构Assistant Benchmark也把订机票、订餐厅、购物列进了测试清单。为啥这套题这么受欢迎？道理简单：外卖送到没、票订上没有，结果明明白白。
比着说模型分数涨了零点几，这些场景更能让人看懂，AI到底能替自己干啥。 可问题来了。最容易演示、最容易传开的活儿，难道是Personal Agent最值钱的用武之地吗？ 大公司想靠AI下单，也不轻松。
Muse火了以后，马上碰上了平台的钉子。9月20日，亚马逊宣布拦截Muse在自家网站上代客购物。理由是Meta没提前打招呼说要访问，Muse逛的时候也没亮明自己是代理的身份，还担心它处理用户密码的方式有隐私风险。
从技术角度看，走云虚拟机的Personal Agent方案，早就不止一次被人封过门。吕骋接受WIRED采访时也讲，这事儿他们一年半前就尝过滋味。 AI能不能稳稳当当替人点完单，跟人家允不允许它进门，是两码事。
有时候Agent明明知道咋操作，平台就是不松口。商业准入、利益怎么分，都可能卡在中间。 平台怕的，不光是账户安全和交易扯皮，还有自家饭碗。 搁以前，用户在平台上搜一搜、比比价、看看推荐，平台靠广告费、抽佣挣钱。
要是这些环节都交给AI包办，用户可能只记得自己的Personal Agent，压根不管订单是从哪个平台下的。平台影响用户选货的机会没了，广告和抽佣的话语权也就悬了。 Muse一出风头，Airbnb、Booking、Expedia这些旅游公司的股价就跟着往下掉。
市场慌的是：未来买卖的入口，到底攥在平台手里，还是Personal Agent手里？ Muse的办法，是靠着大公司的资源和名气，搭一套对Agent友好的商业圈子。 被亚马逊拒了以后，Muse转头就跟买菜平台Instacart搞合作。
做旅行的Duffel也宣布，美国的Muse用户能查实时机票价格和库存，还能处理预订、退改签这些事。在用户那头，Muse送了免费额度，先把人拉进来体验一把，慢慢养出习惯。 要让更多平台接纳Agent，得处理商业准入、分钱的事，还得持续砸钱。
Meta这种大厂，既有本事吸用户，也能撬动生态。Muse火起来的价值就在这儿：推着更多服务接进来，给Personal Agent腾出更多能干的场景。要是这些合作真能换来更大范围的开放，别的团队也能沾光。
可资源不多的创业团队，没法照抄大厂的玩法。它们只能靠技术和产品创新，硬挤出生存空间。 创业公司有自己的路子。 吕骋说过，只有15个人的Rabbit团队，靠Action Model一次次迭代，把Personal Agent的能力磨出来。
2024年1月，r1发布的同时，第一代LAM上线，当时只能在r1上用。到了10月，Rabbit单独放出LAM playground，网页上就能用，Agent能按用户要求上网、查信息、动手干活。 按当时的技术说明，它会盯着页面截图和网页结构，判断该点哪儿，页面一变它就调整下一步动作。
碰上没见过的网站，Agent自己找入口，把目标拆成一步步操作来实现——现在大部分Personal Agent走的还是这条路。 2025年2月，Rabbit发了Android Agent研究预览，把AI的操作范围扩到安卓应用和设备系统功能上。
没过几个月，有AI手机抄了这套路数，结果被各家App拉黑。 今年年初，Rabbit把LAM升级成DLAM，让Agent能连上用户自己的Windows和Mac电脑，拿到授权后操作浏览器和桌面软件。这套方案的好处是，在真实设备上跑任务，能有效躲开云端代理常被卡的限制。
执行环境也从云端虚拟机挪到用户自己的电脑，装好的软件、存着的文件、正做着的项目，都能直接拿来用。 看这些发布时间，Rabbit在Personal Agent上的探索一直走在前面。到了OS3，Rabbit开始把这些能力揉到一起，琢磨下一代Personal Agent还得解决啥问题。
OS3有新花样。 Muse Charm亮相前一天，Rabbit发了OS3。 用户不用先买一台r1。打开网页，连上自己挑的模型和电脑，就能让OS3用现有的文件、软件和工具干活。一个账户最多连五台设备，用户还能通过iMessage、Telegram或r1来交流。
这次发布的重点之一，是让用户一次性交代好几件活儿，看Agent接不接得住。 吕骋一口气提了几个要求：找本哲学书，做个阅读指南，用Slack发给自己；研究利物浦足球俱乐部，弄个交互网页；再来份Agent竞品分析，顺手给OS3写本使用手册。
说完，他让OS3拆开任务、开始干，自己还在同一个对话里接着问。 有个直观的变化，是OS3的网页主界面走持续对话。用户能在一个对话里交代多件事，多个任务可以同时后台跑，互不打扰，用户自己还能继续追问，或者补充、改掉之前的要求。
用户懒得安排的活儿，变成了系统要解决的难题：哪句话是新任务，哪句是在改旧要求，“刚才那份文件”指的是哪个，得调出哪些已有信息。持续对话的意思，就是把一部分任务组织和上下文管理交给系统。 Rabbit赌的是：个人助理该能接住随口就来、随时变的交代，让用户少花时间在整理提示词和管理会话上。
这个方向，别的产品也在试。Claude Code最近测的新版Projects，也是让用户在一个主对话里提需求，AI负责拆任务、协调后台工作。 OS3把这招延伸到了用户连着的设备上。听懂要求、拆好任务之后，它还得分清：要用哪些文件和工具，该去哪台电脑干活。
这牵扯到Rabbit的第二笔技术投资：接入用户已有的工作环境，聪明地协调多台设备。 云端虚拟机有个直白的好处：用户能合上电脑，任务留在云上继续跑。但除了平台访问的限制，还有个体验成本：用户得把工作搬进这个新环境。
为了让Agent开工，得在虚拟机里重新登录账户、传材料、配工具。 可在用户自己的电脑里，这些东西早就在那儿了：做到一半的项目、装好的软件、改了好几版的文件，还有攒了好久的资料。 接入用户已有的设备，能让Agent直接用现成的文件和软件，省掉重新准备环境的麻烦。
不过，接上用户电脑，也意味着任务受设备状态摆布：电脑休眠或断网，这台机器上跑的活就得停。 OS3的解法是，支持连最多五台设备，包括本地电脑、办公室机器，还有用户自己的云虚拟机。 任务要用某台电脑的软件，就在那台上操作；需要长时间跑的活儿，可以放到一直在线的设备上。
用户能指定在哪儿干，也能让系统根据任务智能选设备，或者在多台开着的电脑之间接力干。 举个例子，OS3能自动在A电脑上找到视频，然后用装了专业剪辑软件的B电脑完成剪片，再到登着账号的C电脑完成上传。能在多台设备之间分派任务、接力执行的本事，眼下好像还没别家Agent做到。
实际试用时，我们让OS3干了一项资料收集活：调研Muse Charm，整理成报告，完了发消息到手机。大概15分钟后，手机收到OS3通过iMessage发来的完成通知，消息里列了调研内容，还标了报告在iCloud里的存放位置。
Muse用的是Meta自家的Muse Spark，OS3支持接不同家的模型服务，也能用本地模型。模型更新快得很，用户可能因为能力、速度或价格，换一家服务商。 国内几家模型也都支持接入，我们测试时用了阿里的Qwen，表现相当不错。
按Rabbit的设计，换了模型以后，之前攒下的记忆、配好的技能和连着的设备都能留着。OS3本身免费，用云端模型得自备支持的API密钥，按用量掏钱。 Rabbit想让OS3接住这份积累：底层模型可以换，但用户和Personal Agent之间建好的工作关系得保住。
一个Personal Agent用得越久，越知道你手头有啥项目、习惯怎么处理文件、哪些事聊过，这些不该随模型更换归零。 我们从Rabbit的社区里了解到，OS3上线三天，新用户累计成功完成了超1万个任务，用自己的API key每天烧掉的总token接近10亿，人均水平甩开了大多数Agent类产品。
一个长期用的Personal Agent，还得能核对任务结果，把用户的反馈带到下一回工作上，让上次被纠正的错误，这回别再犯。只有当用户越来越不用重复交代、反复检查、推倒重来，Agent才算真替人省了事。
模型进步能拔高理解和执行能力，平台合作能带来更多能用的服务，至于怎么用这些能力，还得靠产品一点点摸索。 下一代Personal Agent，既要靠生态给它敞开更多门，也得靠一个个具体的创新，让它真正变得顺手。
