个人 AI，从日常生活开始
作者 Clifford · 产品研究
本文表达 Memex Lab 的产品理念。文中例子用于说明思路；未来 Agent 工作流属于设计方向，并非已上线功能公告。
有些晚上，AI 最有用的回应，可能只是帮你把一个想法说完。你有一张散步时拍的照片、一段火车上的语音，以及一句想留下的话。它们都没有附带需要执行的指令。
谈到个人 Agent，人们经常想到委派：研究这个、安排那个、持续推进一件事。这些工作有价值。但一个人的生活，也许一个月只有几次这样的需求，其余时间并没有一队任务等着交出去。
Memex 关注的，正是两次需求之间的生活：留下记录、继续一段对话，以及保留那些让偶尔出现的请求真正属于你的细节。
个人生活里的任务并不均匀
需要协调多份日历的家庭，可能有很多事可以委派。另一些人，也许一年才认真比较一次大件商品，或隔几个月才规划一趟旅行。如果产品围绕不断涌来的任务设计，放在没有这种节奏的生活里，就容易显得用力。
把事情交出去也有成本。你要解释需求、连接工具、核对结果，并审核重要操作。只有这些投入少于亲自处理的工作，委派才划算。在某个工作流值得信任之前，盯着它的时间也该算进去。
因此，频率是一个产品设计问题。一件偶尔出现的事可以很重要，却未必足以让人在普通的周四打开应用。个人 AI 也应该能在这样的周四派上用场。
先留下那个下午，再想下一次旅行
设想一次周末出游。你存下一张安静河边小路的照片，写道：“最喜欢的，是那个没有安排的下午。”一个月后，另一次旅行让你留下不同的感受：“每天换酒店太累了。”
这两条记录都不必变成任务。你可能只是想记住那个下午，或弄清第二次为什么那么赶。记录可以把照片和原话留在一起，对话则给你一个继续说下去的机会。
这些结果当下就有价值。即使你从未请 Agent 安排下一次假期，这份个人档案也应该值得保留。
陪伴，要容得下还没说完的话
对 Memex 而言，陪伴意味着可以回到自己分享过的事情。文档记载的陪伴功能包括：AI 角色对时间线卡片发表评论，结合卡片、知识和记忆继续聊天。你也可以调整角色个性，让回应的声音更合适。
回到那个周末，一个有用的回应可能是问你，那个空下来的下午为什么让人开心。这个问题给了你继续表达的空间，不一定要导向建议、提醒或计划。
模型的回应也可能理解偏了。你喜欢那个下午，或许是因为同行的人。把原话和 AI 的解释一起留下，你就能不同意，并继续说明。对话帮助你理解记录，解释生活的最后决定仍在你手里。
偶尔出现的请求，背后有很长的背景
几个月后，你想安排一次短途旅行。你可以找出那两条记录，说清喜欢什么、什么让你疲惫。拿到这些材料的 Agent 就可能问：“这次要不要住在同一个地方，留一个下午不排活动？”低频需求出现时，背景已经在了。
记录也保留了这个建议的由来。你可以打开原文，判断是否还适用，然后说：“这次我想在城市里多逛逛。”有日期的感受，适合作为提问的依据，而不是给一个人贴上永久标签。
我们认为，低频 Agent 场景可以这样从记录习惯里自然长出来：先有你真正想做的事，再由相关记录补充背景。即使一个安静的月里没有出现任何请求，日记仍然有用。
模型会变化，记录可以继续留下
Memex 把主要记录保存在设备上，并将材料整理为卡片与知识文件。应用以 GPL-3.0 开源，支持配置模型连接、自定义 Agent、提示词和 Skills。当个人记录需要保存得比最初整理它的模型更久时，这些选择就有意义。
本地存储与模型推理是两件事。云端提供商会收到请求里发送的上下文；可选代理、同步、转写和外部工具也可能产生其他数据路径。选择端点，也是决定一段对话去往何处。
你可能会换一个更能顺着自己表达的模型，也可能只是想亲自重读笔记。保留有用的档案，让这些选择围绕同一份材料发生。开源和模型配置给你调整体验的方式，但并不保证兼容所有未来的 Agent。
未来的 Agent，依然需要你的决定
前面的旅行例子描述一种可能的未来工作流，并不表示 Memex 现在会根据日记自动订行程。要实现它，需要集成方式、选择相关记录的机制，以及明确的读取和操作授权。
上下文是否有用，取决于它是否属于当前任务。一次旅行请求可能需要那两条出游记录，却不必暴露其他私人对话。能选择、查看交给 Agent 的材料，与拥有丰富档案同样重要。
眼下，产品有一个具体的任务：让留下照片、说完那个想法、日后再回来看看，都值得。把河边的照片放在那句笔记旁边，你仍然留着自己对那个下午的解释。