聊聊Anthropic 的 Personal Agent（Duet）-云端秘书再厉害也进不了你的办公室

大家好，我是人月聊IT。

这两天圈子里讨论得挺热的一件事，是 Anthropic 的 Personal Agent，现在官方已经更名为Duet，我刚开始看到这个产品介绍时候第一反应就是和刚出的Muse很类似的一个产品。包括也在思考这个产品和已有的类似Claude Cowork、Codex 桌面端，还有我们常用的 WorkBuddy 又差在哪里。

昨天下午在一个微信沟通群里面，还跟人就这个问题进行了争论和研讨，越聊越觉得“谁强谁弱”这个问题问偏了。更值得问的是：这些产品各自站在什么位置上，这个位置稳不稳。里面的一些关键点，我展开来讲下。

图片

Duet和Muse就是不是完全类似的产品？

先说下结论，简单来说它们属于同一个品类，但是属于不同赛道。

这个产品类似我习惯叫“常驻型个人 Agent”。这不是什么学术定义，只是为了方便讨论。过去用 AI，大多是你开对话框、打字、它回答、你关掉，像去柜台办事，柜员在那儿等着，你不去他不干活。常驻型最大差异就是不是一直等待，也不是定时执行，而是自己按预设的一些规则逻辑自己找事情做，找到事情后自己分析应该触发哪些后续任务和事件调用，包括自己分析确认应该通过连接器协同哪些云端应用进行协同。

Muse 这个产品实际是偏生活管家。Meta 给它的定位偏消费，帮你比价、订餐、整理私人邮件。有报道称，Muse 用户里让 Agent 代自己花钱的比例不低，购物是常见场景之一。

而Duet这个产品的说明写得更直白，为工作而生，目标客户是中小企业和那些一天被会议切碎的专业人士。它每天早上给你一份工作简报，把邮箱、日历、各种工作软件里的事捋一遍；之后每隔几小时静默检查一次，遇上日程撞车、发票忘了付、客户邮件没回，才推送给你。减少来说就是类似于你个人的私人助理，但是不是被动的，是一种具备主动思考，主动问题分析发现能力的AI助理。所以这两个东西，一个是帮你过日子的管家，一个是帮你扛工作的助理。虽然属于同一个产品类别，但是细分赛道有差异。

分水岭在谁先开口

再回来看传统的Claude Cowork、Codex 桌面端、WorkBuddy ，这些通用型Agent更偏任务型智能体。它们通常是这么转的：你下指令，它在你的电脑或者指定文件夹里干活，交回结果，结束。像请了个临时工，你喊一声他干一件，干完就走。

Duet简单来说它不是简单的定时+自动化任务，而是具备一种自主型的巡检能力。发现问题后先自己分析，能够自己做的就自己完成掉，真正需要你审核或确认的才会通知到你。

这个差别听着只是“主动一点”，性质其实变了。任务型 Agent 讲的自动化，多要靠你提前把规则或触发条件写好，比如每天早上九点查一遍未付发票，日历有冲突就提醒我。规则的边界往往就是你想象力的边界，你没让它去找的东西，它一般不会自己冒出来。Duet 讲的主动性，是让模型每次巡检的时候自己判断，眼下这个状态算不算“该打扰你的事”。前一种是你替它写剧本，后一种它自己判断剧本里哪一幕值得叫停。

打个不严谨的比方。WorkBuddy 像个很听话的实习生，你递给他一张 checklist，他一条条打勾，打完了站那儿等你派下一件。Duet 像个干了二十年的老秘书，你不给他 checklist，他自己知道今天哪三件事必须先跟你说。

它的优势，可能没你想的那么大

聊到这儿我提了一个场景，把话题拽回了地面。

假设我在云端起一个 AI 新闻采集任务，让它判断里面有没有“AI 软件工程”这个话题，有就自动写进我的云端笔记。这个流程电脑关着也能跑完。桌面 Agent 确实不擅长，Cowork 和 WorkBuddy 这类产品通常依赖你的机器开着、文件夹授权着。

问题跟着就来了：这个场景真需要 Duet 吗？

云函数加定时任务能拼出来，n8n、Zapier 这类工作流平台能搭出来，实在不行找台常年不关的旧电脑、挂个 NAS 也能跑。Duet 在这儿的价值不是“只有它能做”，而是“你不用自己搭流程、管账号密码、写失败重试、做审批界面，它把这些打包成了一个产品”。对不懂技术的人，这是实打实的价值。对手里已经攒了一堆工作流的人，边际价值就没那么大了。

Duet产品宣传在云端有以直接调用 Claude Marketplace 中超过 6000 个连接器和插件，覆盖 Gmail、Slack、QuickBooks、Stripe、HubSpot、Shopify、Canva、DocuSign 等。更重要的是，它继承了用户既有 Claude 账户中的记忆、Skills 和应用连接——你在 Claude 生态里积累的上下文，不需要在 Duet 里从零重建。

但是有相当大一类客户，他们压根没大量用云端 SaaS。

比如一个传统中小企业的业务负责人。

他不用 Slack，不用 Notion。财务软件是本地装的，客户资料在本地 Excel 里，内部沟通靠微信群，公司还有一套十年前上的内网 OA。Duet 宣传的那些连接器，Gmail、QuickBooks、Stripe、HubSpot，对他来说全是另一个世界的东西。他的工作流不在云上，在办公室那几台电脑里，在车间主任的手机里，在财务大姐的 U 盘里。

对这类客户，Duet 的优势会从产品形态的优势，缩水成托管自动化的省心。省心当然值钱，不用自己维护服务器，不用管定时器，凭据有人替你看着，发邮件付款之前有人替你拦一道。可这些是托管服务的价值，不是个人 Agent 不可替代的价值。这些价值，一台常开的机器加一套现成工作流也能覆盖相当一部分。

所以我一直强调，在国外SaaS服务相对成熟，包括云端的集成连接相对来说更加开放，因此Duet这种模式在国外环境可能发挥更大的作用。但是在国内，如果没有大量云端应用协同，那么Duet的作用本身将大打折扣。其云端能力仅仅变成了一个可以在本地桌面端关机后也不影响的24*7小时执行的能力。

那桌面端还剩什么活

顺着这个思路往下想，方向就自然拐到桌面端了。我的判断没那么绝对：桌面端 Personal Agent 如果只堆云端连接器，不在本地集成上做厚，就容易变成云端调度器的遥控端。但它并非只有一条路，混合部署也能补一部分。

道理不复杂。纯云端 Agent 默认不碰你的本地文件，进不了你的内网系统，也连不上你桌面上那些装了三五年的软件。不过这话要说准：它不是绝对做不到，而是默认形态下不在本地执行环境里；通过本地代理、混合部署或连接器，可以部分补足，只是部署复杂度和信任成本会上去。而大量真实工作恰好长在这些地方，本地合同、内网审批、桌面版财务软件、公司自己养了十年的老系统。

说到桌面集成，很多人的第一反应是模拟人操作：截个屏，认出按钮在哪儿，然后鼠标点、键盘敲。这路技术在圈里叫 Computer Use，往前追是传统 RPA。我不太推荐把它当成常驻自主的主路径。

我为什么不看好点鼠标

不是它不能用。是它和“常驻自主”这个前提不太兼容。

RPA 和 Computer Use 有一个共同点，都是从外面模拟人。RPA 靠录制回放或者固定选择器，Computer Use 靠截图加视觉定位。当然RPA机器人 也不全是点鼠标，有些走接口或结构化选择器；但纯 UI 自动化那部分，问题是一样存在的

但是 Personal Agent 是常驻的、后台的、自己判断要不要动手的。这个前提一变，它的缺陷就从体验问题升级成信任问题。

最要命的一条是不可逆。任务型 Agent 发错一封邮件，你当场撤回，道个歉就过去了。常驻 Agent 在凌晨三点巡检的时候，视觉定位偏了几个像素，点错按钮、填错字段，把一份报价单发给了错的客户，你第二天早上泡着茶打开邮箱才知道。像素级的定位误差，撞上“没人在场也得安全行动”这个要求，是结构上的冲突，只靠调参数是无法彻底解决的。

再说维护。软件一更新，按钮挪了位，或者弹出一个没见过的权限窗口，选择器就失效，视觉定位就漂移。任务型场景里失效了，你重跑一次完事。常驻场景里失效是静默的，它可能连着三天什么都没做成，也可能做成了错的事，而你以为它一直在正常工作。这种“以为”最要命。

还有就是我们常说的安全问题，如果真是AI全部拿到桌面级权限，可以自主点鼠标，采用Computer Use去操控任何桌面端软件，这个很难真正做到细粒度的授权和安全控制。

还有我最想补充的一点，也最容易被跳过。很多桌面软件确实没对外开放 API，可“没有 API”和“只能像素级模拟”之间，还隔着一大片空地。

最靠里的一层是你电脑本来就有的东西，可访问性接口，也就是常说的读屏接口。它原本是给视障人士用的，能让程序“读”出屏幕上有什么按钮、什么输入框、什么菜单、什么列表，以及它们各自的状态。拿到的是结构化的控件信息，不是像素。大量用标准框架做的软件，Agent 可以直接按控件操作，不受主题、分辨率、遮挡影响，稳定性比截图点鼠标高一个量级。当然它也有边界：自定义绘制、Canvas、远程桌面、游戏这类界面覆盖有限，权限和安全审计也仍然要做。

往里还有一层，是软件自己留的后门通道。Office 全家桶、不少企业软件有 COM 接口，Mac 上有 AppleScript，一些基于浏览器内核做的应用，钉钉、飞书、WPS 的某些形态，有开发者协议或者本地服务端口。这些东西不对外宣传，可比模拟点击稳得多，但同样受版本兼容和授权限制。

再往下是数据层。很多所谓集成，根本不需要控制界面，只需要读写软件背后的数据，本地数据库、配置文件、日志、导出目录、剪贴板。笔记软件读本地 Markdown 库，财务软件读导出文件，比在界面上点来点去可靠得多。我自己做知识库那套东西，从来不去点界面，直接读文件。

最外面才是插件。软件有插件市场的话，VS Code、Obsidian、浏览器扩展，写个轻量插件把能力露出来，比从外面用 Computer Use 稳定，权限边界也相对好划，但仍需要治理。

也正是这个原因，我一直强调Computer Use模式，包括RPA模式都应该是一种兜底的选择。那么对于Duet这种产品，在桌面端想完成桌面端应用软件的协同，在其它应用软件没有开放底层接口的时候，就是一个相当难实现的工作。桌面端应用难自主协同，Duet产品本身的效能又大打折扣。

这个顺序其实决定了一件更根本的事，就是 Agent 敢不敢在后台自主干活。主路径越结构化，它越敢做判断、敢提前准备；主路径越是点鼠标，它的自主水位就只能压得很低，因为每一步都踩在不可逆的地雷上。

说回办公室这件事

整个微信群关于这个话题交流下来，我脑子里剩下的是这么个印象。

Duet 不是一个“通用个人 Agent”的全面升级，它更像给 SaaS 密集型知识工作者的托管云端 Agent。客户 SaaS 用得密、跨好几个系统、人又不技术，那它有产品化优势，省下的搭建和维护功夫是真金白银。客户 SaaS 用得稀、主要靠本地和内网，它的优势就剩下不停机加省心，而这部分用一台常开的机器或者一套云工作流也能覆盖相当一部分。

桌面端 Agent 的下一层竞争力，不在连接器数量上，在能不能读懂桌面应用。云端 Agent 默认不在本地执行环境里，这是部署边界，不是能力判决；通过本地代理和混合部署可以部分弥补，但成本和信任门槛不低。桌面端有天然的在场优势，可要是把力气都花在堆云端连接器上，那就等于跑到 Duet 已经占住的地盘上打阵地战，正面硬碰，赢面不大。

Computer Use 和 RPA 更是应该起到兜底的作用而不是第一选择。真正值得投入的是可访问性接口、软件协议、数据层、插件生态这几层。这些活儿又脏又累，做不出漂亮的发布会 demo，可恰恰是云端 Agent 够不着、也不容易直接复制的地方。

今天分享就到这里，希望对大家有所启发。