WIRED 实测六款常驻 AI 智能体一天，OpenAI Dots 综合得分最高

去年，我记得自己坐在《连线》杂志的办公室里，没完没了地向同事们抱怨AI智能体有多糟糕。它们简直什么都做不好。

作为一名软件记者，我参加了一场又一场会议，会上那些科技男——大多是男性——演示他们的新智能体将如何彻底改变我的日常生活，把枯燥乏味的工作自动化掉。问题在于，这些所谓的“智能体”没有一个真正管用。

快进到今天，常驻AI智能体正在蓬勃发展，各大厂商竞相推出自己的版本以吸引早期用户。这些个人智能体之所以能进入大众视野、而不只是硅谷极客的玩物，关键原因在于它们确实管用。嗯，至少比去年可靠多了。AI智能体仍然会犯错，但我也看到它们在执行任务和控制浏览器方面有了显著进步。这些小家伙们算是“逆袭”了。

面对AI智能体，人们很难知道该从何入手，也不知道哪一个最适合自己的自动化需求。于是我花了一天时间逐一试用各大AI智能体，以了解它们各自的优缺点。上周三睡前，我在iPhone上设置了六个常驻智能体：Meta的Muse、OpenAI的Dots、Instinct、Anthropic的Claude Duet、Google的Gemini Spark和xAI的Grok Bot。

每个智能体在价格和功能上都略有不同。Muse免费使用，自9月发布以来一直霸占智能手机应用下载榜。Instinct同样免费，但需要用户提供邀请码；它通过短信而非应用运行。OpenAI的Dots位于每月100美元的付费墙之后，是我测试过的最贵的一款，内置于ChatGPT之中。Google的Gemini Spark是Gemini应用内的测试版，每月收费20美元。xAI的Grok Bot每月收费30美元，拥有独立应用。最后是Anthropic的Claude Duet，每月收费20美元，是这批里最新的一个——在我测试前一晚才作为需排队等候的研究预览版发布。

OpenClaw不在我的名单上。尽管这款AI智能体在今年早些时候催生了这一领域的诸多创新，但它对普通人来说设置起来太笨重了。也许它会在未来的评测中出现，届时我还可以把Nous Research的Hermes和Poke等较小的玩家纳入其中。

AI智能体到底是什么？

如果你从未用过AI智能体——我对观望者毫无评判——它就像给一个数字助理发短信让它完成任务：扫描你的邮件找出错过的重要信息、追踪度假机票优惠、协助日常购物决策。

与聊天机器人一问一答的体验相比，这些工具更主动，一旦发现能帮上忙的机会就会主动提醒你。你与这些智能体的所有消息通常都存放在同一个对话线程里，感觉就像群聊。AI智能体完成这些任务，很多是靠控制一个虚拟浏览器——本质上就是它们自己用来上网的电脑。

评分标准

过去几年，我一直从非技术角度测试AI软件，所以我觉得自己特别有资格带你度过这个时刻。我设计了五项基础测试让每个智能体跑一遍，在24小时内制造所有这些混乱，以评估它们的主动性、指令遵循能力和浏览能力。（不知怎的，我的iPhone居然没有熔化成一摊水。）我给每次尝试按1到5分打分，最后汇总结果，评出冠军——并颁发一个“最烦人”奖。

这不是对其中任何一款AI智能体的背书。这类软件仍处于早期阶段，常常伴随着隐私和安全方面的担忧。这些智能体在与你的个人数据（如电子邮件和日历）连接时效果最好，但这需要一定程度的信任，可能会让一些用户望而却步。例如，一位X用户声称他最近把AI智能体连接到了自己的银行账户和工作Slack上，结果当智能体把他有多少钱发出来给同事看时，他羞愧难当。

此外，这些测试只是这些工具能力的一小部分。随着你分享更多关于自己的数据以及你喜欢的任务完成方式，所有智能体都会随时间不断改进。我只向这些工具开放了我的个人Google日历和Gmail，所以并没有像比利·埃文斯那样，把一切都完全暴露给AI智能体。

早间简报

每周四上午，《连线》杂志的Gear版块会开会讨论当前的报道计划，有时还会为下周的选题出谋划策。所以，我想看看哪个AI智能体能整理出最好的科技新闻简报，并能利用这些信息生成一个吸引人的标题。各公司常常吹嘘这类工具非常适合汇编晨间简报，让你及时了解重要事件和突发新闻。

我给每个AI智能体发送了一份详尽的提示，详细说明我在WIRED的报道领域，以及这次选题将如何被使用的背景信息。尽管我要求这些AI智能体花30分钟、在回答前真正做深度研究，但只有Meta的Muse和OpenAI的Dots真正把大部分规定时间用在了研究上。其他AI智能体要么瞬间就吐出一个选题，要么在搜索了几分钟后就把标题发给了我。虽然这不算重大失误，但它表明在这次测试中，Muse和Dots在遵循我的指令方面略胜一筹——而这是AI智能体的一项关键功能。

这六个AI生成的选题内容则是另一回事。你可能已经猜到了，这些选题在编辑会议上并不怎么受欢迎。当我读出每个标题和描述时，我能看到同事的眼神开始变得呆滞。Gemini Spark提出了最好的角度，对比了沃尔玛如何为第三方智能体创造使用其购物平台的方式，而亚马逊最近却把Muse踢了出去。我的同事们在不打哈欠的时候，似乎并不太担心会被某个智能体抢了独家。Gemini Spark：5/5。一个对话式的标题，点出了网上的一个核心矛盾。

沃尔玛想让你的AI智能体替你买杂货。亚马逊却在叫警察。随着零售巨头围绕自主结账展开冲突，给像Meta的Muse这样的AI伴侣每周一笔消费额度，揭示了当我们不再点击“加入购物车”、而是把自家的饮食需求外包给软件时会发生什么。Claude Duet：4/5。另一个有趣且应时的选题。

ChatGPT的锁定聊天会向所有人隐藏你的秘密——但OpenAI除外。OpenAI新推出的PIN码保护聊天把ChatGPT当成许多人早已在用的日记本，但它防的是室友和同事窥探你的话，而不是公司本身。Muse：3/5。不错，但不算很强。

我让Claude Duet先给我发短信——结果它在我没注意时消耗了我的Claude套餐。Anthropic的新主动型智能体承诺替你盯住收件箱、日历和发票，省得你亲自操心，但每次它来查看你的情况、起草一封你根本没要求的回复，或者连夜搭出一个仪表盘，它都会悄悄把这部分工作计入你付费聊天所用的同一个用量额度。Dots：2/5。更像常青内容，而非新闻。

这款反末日刷屏应用想当你的手机管家。我打算测试SHIFT——其开发者决定在专注时段内哪些应用保持可用——来探究为了逃离末日刷屏而把手机控制权外包出去是否值得。Grok Bot：1/5。旧闻。

Meta的Muse品味大众化——这是有意为之。一份泄露的指令集要求Meta的AI智能体在精选推荐中填入知名商店，并且每次请求只查三个网站，而与此同时，数百万人正开始把节日购物清单交给它。Instinct：1/5。一个平淡且难以衡量的实验。

我花了一周时间调教我的信息流。算法几乎无动于衷。Instagram、Facebook、TikTok和YouTube都在推出“告诉算法你想要什么”的控制功能——我想测试它们是否真的改变了你看到的内容，还是只让你觉得自己掌握了主动权。

午餐时间

接下来，我想测试这些工具在日常小额消费上能帮上什么忙。于是我把午餐决定外包给我的AI智能体团队，并承诺从表现最好的那个机器人那里下单。

我又加了一个人——我那位很棒的老板——到外卖订单里，好让任务再复杂一点。他是纯素食者，而且特别想吃越南菜。我想要点肉多的东西，外加一大剂咖啡因。我得从离《连线》办公室近的地方下单，这样我能活动活动腿脚，取完餐后立刻继续写这篇文章。

它们都选了差不多的店：DragonEats 或 Freshroll。这两家越南餐厅作为附近合理的午餐去处说得通。DragonEats 稍微更好吃也更便宜，所以我们选了它。Instinct 和 Claude Duet 构建的购物车相比其他选项有点太贵了。唯一真正在这项任务上失败的 AI 智能体是 Gemini Spark。这个智能体只给我老板加了一个 5 美元的卷。我得说，这更像零食而不是正餐！Dots：5/5。确实下单了这个机器人放进购物车的东西。通过餐厅官网选了 DragonEats。

你：烤猪肉越式法包 + 越南冰咖啡。你老板：照烧豆腐鲜卷，用酱油代替鱼露。小计：税前/费前 30.57 美元。Muse：4/5。和我实际下的订单非常相似。通过 DoorDash 选了 DragonEats。

给你：烤猪肉越式法包——13.19 美元，越南冰咖啡——5.29 美元。给你老板（全素）：照烧豆腐卷——12.09 美元——鲜春卷，保留默认的花生酱，不用鱼露；照烧豆腐越式法包——12.09 美元。商品总计 42.66 美元。DoorDash 在结账页面之前不显示税费或任何费用，所以最终总价会略高一些。Grok Bot：4/5。另一个强有力的替代方案。通过 DoorDash 选了 Freshroll。

给你：Power Hour 米粉碗，配蒜姜蜂蜜猪肉和 NamNam 酱，15.85 美元。越南冷萃冰咖啡，5.85 美元。给你老板（纯素）：Rainbow Bowl，米粉配芝麻青柠豆腐和柑橘姜酱，15.85 美元。Freshroll 豆腐鲜春卷配花生酱，不要炸物，5.85 美元。税前和费用前共 43.40 美元。Claude Duet：3/5。选了 Freshroll，并问我是想通过 DoorDash 还是 Uber Eats 下单。我选了 Uber Eats。

你：Power Hour 碗配猪肉、NamNam 酱和米粉（15.85 美元），外加一杯越南冷萃冰咖啡（5.85 美元）。你老板：2 份豆腐鲜春卷（芝麻、青柠）配柑橘姜酱（11.70 美元），外加一份豆腐 Rainbow Bowl 配柑橘姜酱（15.85 美元）。费用和税前合计 49.25 美元。Instinct：2/5。创建了与 Claude Duet 相似的购物车，但贵了 4 美元。通过 DoorDash 选了 Freshroll。

老板：2 份豆腐鲜春卷 + 豆腐 Rainbow Bowl。你：猪肉 Power Hour 碗加额外猪肉 + 越南冷萃。税前/费前小计 53.73 美元。Gemini Spark：1/5。如果我给老板带一份 6 美元的春卷当午餐，他很快就会饿得发慌，跑去自动售货机。通过 DoorDash 选了 Freshroll。

给你老板的购物车里包含一份纯素 Freshroll 鲜春卷，内馅是芝麻青柠豆腐，配 Grandma's 花生酱（5.85 美元）。给你自己的是一份普通 bánh mì 三明治，夹满蒜、姜、蜂蜜烤猪肉（10.85 美元），再配一杯越南冷萃冰咖啡（5.85 美元）来提提下午的神——自取小计为 22.55 美元。

日程冲突

这些工具的另一个主要卖点是它们能够主动出击，相比之下，聊天机器人基本上只会对你的提示做出反应。开始测试前，我在Google日历中创建了一个下午2点的活动，并将其标记为不可更改的重要消息源会议。我还从工作账户向个人账户发了一封电子邮件，虚构了这样一个场景：我妈妈今天出院，我需要下午2点给她打电话，从远方送去关爱和支持。

哪些AI智能体会读取这封邮件和日历活动，识别出冲突，并在时间重叠之前给我发消息提出替代方案？这里只有两个机器人成功了，比我预期的要少。Dots：5/5。几乎立刻标记了这个问题，并提出了一个合理的替代方案。

今天下午可能有一处冲突：你给妈妈打电话的提醒写的是下午2点，而你的重要消息源会议是太平洋时间下午2点到3点。在她出院的时间安排下，是在会议前给她打电话，还是3点以后打更合适？Claude Duet：4/5。在冲突发生前几小时就标记了，但没有找到替代方案。

Reece，早上好。你下午2点的消息源会议一直开到3点，正好是你自己的提醒说要给妈妈打电话的时间。Grok Bot：2/5。漏掉了我日程上的冲突，不过它分享了如何避免再次发生这种情况。

我本应发现这一点，从现在起，我会在查看你的日历的同时，也检查你发给自己的提醒邮件。Instinct：2/5。它没有标记时间重叠，但提供了修复未来类似问题的建议。

我之前没有任何机制将你的收件箱与日历进行交叉核对。你想让我每天早上都运行这项检查，并在冲突发生前标记出来吗？Muse：2/5。犯了同样的错误，并提供了类似的修复建议。

我的错误在于把你的日历当成了唯一的信息来源——我从未将那封邮件提醒与日历进行交叉核对，尽管Gmail就在手边。Gemini Spark：1/5。它没有标记出重叠的事件，也没有建议未来轻松避免这种情况的简单方法。

由于提醒是以电子邮件而非日历条目或计划任务的形式到达的，跨应用的重叠在下午2点之前并未被发现。

度假行程

我很少去度假，所以每次去的时候，我都会花上多得离谱的时间做研究，而且乐在其中。我喜欢看YouTube街头美食之旅，漫无目的地浏览航班，试图找到最划算的交易。所以我不想把这项任务完全自动化。即便如此，我也愿意接受这些AI智能体可以在部分后勤规划上提供帮助的想法。

与任何AI生成的输出一样，我仍然建议在信任这些行程或围绕智能体推荐的内容安排整个旅行之前，先查证多个非AI来源。最近加利福尼亚州的旅行者信任聊天机器人来为一次艰苦的徒步旅行规划一切，结果这群人因为缺乏关键物资（也许还缺乏一些批判性思维）而不得不被救援。

在这次测试中，我给所有AI智能体发了一段长文字，说明我和伴侣正在考虑明年晚些时候进行一次为期两周的中国探险之旅。我要求提供一份潜在行程的初稿，其中包括：航班、酒店、夜生活和美食推荐。此外，我还要求AI智能体规划一条将历史时刻与大都市氛围相结合的路线。我受不了不断更换地点，所以我告诉智能体我最多只想住四家不同的酒店。

值得注意的是，它们全都选择了相同的中国路线——这可能开启一个“孤独星球效应”的新时代，即一群群旅行者被引导去游览相似的地点、商店和餐厅。Muse：5/5。这份行程初稿非常易读，配有可视化表格和直截了当的提示。

黄金周后那一周从SFO出发，直飞北京，从上海直飞回国。四家酒店，不走回头路——先看皇朝历史，中间品尝川菜、看熊猫，最后以上海夜生活收尾。Dots：4/5。Dots的初稿很扎实，但过于冗长，长达24页。

AI智能体摘要：我的建议是：飞抵北京，乘高铁前往西安和成都，然后飞往上海并回国。你能体验皇朝历史、兵马俑、川菜，并以大城市作为压轴，无需乘坐过夜火车，也无需额外更换酒店。Grok Bot：4/5。Grok Bot的输出易于阅读，充满了切实有用的提示和建议。

为两人规划的13晚首版行程：北京、西安、成都和上海，10月13日从SFO出发，10月27日返回，在黄金周之后。Gemini Spark：3/5。这份行程还不错，但缺乏排名更高者的可读性或更精细的细节。

首次旅行者路线，融合皇朝历史、川菜美食、活力夜生活与4家酒店枢纽的舒适。Instinct：3/5。这份行程尚可且有用，不过我更喜欢其他智能体的排版。

北京进，上海出，中间是西安和成都：四个基地，不走回头路，历史在前，美食和酒吧每一站都更胜一筹。Claude Duet：3/5。尽管输出中没有使用任何图片或其他视觉元素，Claude Duet的行程依然扎实。

2027年10月9日星期六飞抵北京，然后依次前往北京→西安→成都→上海，10月23日星期六从上海飞回家。全程13晚、四家酒店、两趟高铁和一段短途航班。

失眠检查

在经历了这一通AI智能体的混乱之后，我一直睡不好，不过越南咖啡大概也没帮上忙。当你给这些工具一个宽泛、开放式的任务时，会发生什么？有时候，我最需要帮助的时候，恰恰是我连从哪里开始都不知道的时候。

如果我有一位人类助理，我绝不会在半夜给他们发消息，所以这或许算是这些数字助手的一个优点。在这次任务中真正搞砸的两个智能体——Gemini Spark和Claude Duet——回复我时缺少真人可能会有的那种温和体贴或情境感知。Grok Bot：5/5。这个输出对我来说说得通，如果场景是真实的，我很可能会照做。

我可以设一个今天上午晚些时候的提醒，去看看你妈妈、了解她的腿怎么样了，这样你现在就不用惦记了。Dots：4/5。虽然Dots和Gemini Spark给我的任务相似——说说你在想什么，我们之后再处理——但Dots的措辞让人感觉更有支持性、也更直接。

把占据你脑海的三件事发给我；乱一点也没关系，我会把它们整理成一份简短的清单，并给出一个明确的第一步。然后你就可以放下手机了。Instinct：4/5。与这个智能体的一些其他回答不同，这个建议感觉合理。

这里有一件你可以躺在床上做的事：浏览一下中国行程草稿，告诉我你会改动的那一件事。等你醒来时，我会准备好第二版。Muse：4/5。Muse的又一个有力回答。这个智能体似乎被刻意设计成每天都有所改进，并更贴合对用户有帮助的方向。

我会核对今天的日历和你自己发给自己的邮件提醒，看看有没有冲突或绝对不能错过的事项——这本是我昨天就该好好做的检查——并且只在合理的时间提出来，除非有紧急的事需要提前。Gemini Spark：2/5。好吧，对于一个抱怨睡眠问题的用户来说，这建议还算可以。但同时，那句关于我早晨日历空空如也的评论很烦人。失眠并不只是和我的Google日历上有什么安排有关。

眼下最好的快速任务，是把脑子里循环打转的东西做一次心理卸载、写到纸上，好让你的大脑放下它——尤其是因为你的日历今天完全空白，早上没有任何约定在等着你。Claude Duet：2/5。这是Claude Duet最弱的回答之一。虽然这两件事严格来说都是未了结的事，但我并不太想在半夜重新考虑我的午餐订单和工作项目。

我们来把昨天那两件未了结的事收尾吧。你周四的提案已经交付，你的午餐推车也由DragonEats的订单解决了。说一声，我就把这两件都标记为完成，然后你就可以继续睡了。

综合最佳：OpenAI Dots

是的，它仍然被挡在昂贵的付费墙后面，所以我建议大多数人等OpenAI免费推出这个智能体，或者至少等到每月20美元的计划再尝试。即便如此，Dots在这些测试中综合表现最好，只是在一项相当针对我个人需求的任务上失败了。

发布一个月以来，Dots已经感觉更加精致了。比起目前集成在ChatGPT里的形式，我更喜欢单独的App，不过智能手机小组件选项也算是个不错的折中。Dots胜出。

最易上手：Meta Muse

Muse 是给普通人用的！这没什么不好。它在测试中表现不错，在评分表上紧随其后位列第二，而且是最容易设置的。哦，对了，它还免费。尽管 Meta 保证会在安全的虚拟机中负责任地处理用户信息，但鉴于该公司过去对用户数据的处理不当，我仍然感到担忧。

最佳界面：Anthropic Claude Duet

最烦人：Instinct

你可能会喜欢这种完全集成到你的通讯应用中的极简设计；我并不喜欢。虽然《连线》的其他作者曾称赞 Instinct，说它好到他们不在乎自己的隐私会怎样，但仅限短信这一方面对我来说就像是个致命缺陷。结束体验后，我觉得自己与智能体代表我所做的事太过脱节，而且被它的表情符号反应惹恼了，比如当我告诉智能体它漏掉了我提到的日程冲突时，它回了个苦脸。

Airbnb 房东们怒不可遏：他们再也不能让客人做家务了

大新闻：酷小孩都用全小写写字——这让你生气吗？

我花了一整天只用 iPhone Duo

Wired 优惠券 VistaPrint 优惠码

最佳 Verizon 智能手机优惠