
每个人现在都在养一群AI agent——有的管日程,有的管购物,还有的被硬塞去处理最私密的家庭琐事。问题是,每换一个新agent,你都得把自己重新解释一遍:我喜欢靠窗还是靠走廊的座位,几点必须到机场,谁是我生活里的重要人物。First Person Labs联合创始人Ken Liu(肯·刘)认为,这种反复自我介绍本身就是一种浪费。
在a16z的播客上,Ken Liu与Martin Casado、Joel de la Garza聊起了他和团队正在做的事:一个叫做Second的"个人context层",目标是让你的偏好、关系、优先级和数字生活轨迹,不再锁死在某一个聊天框里,而是可以被你选择的任何agent随时调用。这不是又一个聊天机器人,而是想成为所有机器人背后那个"认得你"的东西。
这场对话发生在First Person Labs第一次公开谈论自己产品的场合,Martin和Joel恰好都是Second的早期用户,谈话也因此带了不少第一手的真实体验,而不只是概念推销。
1. 先建一个"你的模型",再把控制权还给你
Ken Liu把First Person Labs的工作概括得很直接:创建一个人的模型,然后让这个人自己掌控它。这个模型不只是记住你做过什么,更要理解你的优先级、偏好、目标、价值观、承诺和意图。
这听起来抽象,但落到产品上就是Second——一个随身携带的context包。它不替你做决定,而是把"你是谁"这件事变成一个可以被反复调用、而不必反复解释的资源。
2. Alfred的比喻:管家不暴露主人,只执行偏好
如果你是Grok的重度用户,First Person Labs要解决的问题很具体:你带着Second去找Grok,说一句"帮我订机票",Grok就已经知道你喜欢哪种座位、习惯提前多久到机场、通常坐第一舱还是经济舱——不需要再走一遍多轮提问的流程。
Ken Liu用了蝙蝠侠和管家Alfred的例子来说明这种关系:如果蝙蝠侠想买一个芝士汉堡,让Alfred去办,Alfred不会暴露"这是蝙蝠侠要的",他只会按主人的偏好去把事情办好。Second的角色正是如此——它不是又一个agent,而是agent们都可以去对话的那个"代理你"的东西。Martin提到一个真实场景:OpenAI刚发布两款新的编程模型,他很久没用Codex了,但只要打开Second,之前在别处积累的所有工作context立刻就能搬过去,不用从零开始。
3. 电脑早就知道你是谁,只是没人去读
这套系统背后是一个被Ken Liu称为"很难"的系统问题:怎么安全、私密地拿到一个人散落在各个渠道里的数字痕迹——消息、邮件、聊天记录。
他的解释是,你的电脑本身每天都在产生一股近乎无限的事件流:你切换了哪些App、在哪个网页停留、打字的节奏、Wi-Fi连接状态——这些数据在Apple、Microsoft甚至Linux系统里本来就存在,只是没人把它用起来。First Person Labs要做的,是在这股原始数据流上24小时跑分析agent,分层去理解:"这次打字很可能是在发消息""从浏览器切回Codex,可能是在做调研或写文档"。"人们严重低估了电脑已经知道你多少事情,这些数据就坐在那里,等着被用起来。"
4. 从"有求必应"到"未问先知"
Joel de la Garza分享了一个自己的真实体验:他和朋友前一天在筹划一个活动,天气预报显示有20%的降雨概率,Second没有被要求做任何事,却持续追踪天气变化,实时提醒他们要不要准备帐篷。Joel强调,他完全没有主动提出这个请求。
Ken Liu把这种能力拆成了两个层级。第一层是"反应式"——邮件来了提醒你,这是最基础也最容易做的;第二层是"反思式",也是真正困难的部分:跨越数月的对话、连接几个月前说过的一句话和最近正在推进的目标,判断出这是你当下的优先级,进而在合适的时机主动介入。"你不应该总是需要去问,真正的智能不该等你开口。"在他看来,未来人与计算机的交互方式,会从"回应请求"转向"提前干预"——系统知道该在什么时候帮你,而不是等你想起来去问。
5. 专才越来越多,但你只需要一个"保险库"
Martin提出了一个很具体的疑问:他自己手上有好几个Grok agent——一个管合成器收藏,一个管房地产,甚至有一个专门处理家庭事务,这本不该需要一个agent,但他确实用上了。每个agent各管一块,而它们都要和Second对话。那么未来会不会出现第二个、第三个"second",还是说Second始终只会有一个?
Ken Liu的判断是:现在人手一堆垂直agent的局面可能只是过渡阶段。未来agent会像人一样走向专业化——有的专攻亚马逊购物,因为它们握有数据和渠道优势;但也会有一类agent专门负责保护你的数据、并与你的利益保持一致,Second正是被设计成这样的角色——它应该是你可以信任、放着整个人生context的"保险库"。随着时间推移,它会积累更多的素材,甚至把部分理解训练进模型本身,从一份"可携带的context",逐渐变成更接近"你自身的某种表征"。按照这个设想,答案很清楚:不会有第二个、第三个second,你需要的始终是这一个。
First Person Labs要赌的,其实是一个简单的命题:AI世界真正的摩擦,不在于模型够不够聪明,而在于每换一个agent,你是不是又要从头认识一遍自己。如果Second能把"认得你"这件事变成一层可携带的基础设施,那么衡量一个agent好不好用的标准,或许就会从"它多会回答"变成"它多快能知道该帮你什么"。
