关键是真的很有人味啊。即便你中途打断并派给它一个任务，比如「帮我回封邮件」，它也不会陷入尴尬的沉默。

AI圈打了这么久，每周各大厂商雷打不动瘫软一次，前沿也是花活频出，啥操控Blender、降维机器人、解决千禧难题……

离普通人太远了。绝大部分人的现实生活，短期内根本不会因为这些前沿突破发生哪怕一丝一毫的变化。

打字实在太折磨了。更反人性的是它的主动推送机制，兜里突然震动一下，我还以为是啥紧急微信通知，结果在地铁上艰难地掏出手机一看，是Muse在提醒我一个八百年前就该过期的待办清单……

所以我一直觉得，Personal Agent这个市场，至今为止的解决方案仍然都是非常不成熟的。

后台每调一次大模型，上面这些场景都需要非常复杂的Tool Call，每一次Loop烧的都是真金白银。

技术原教旨主义统治这个行业太久了。但做个人伴侣这种产品，真不是光靠模型参数大、基准跑分高就能赢的。

文字是在语言出现很久之后才被发明出来的，主要用途也是为了知识传递，对日常交流来说其实不是必需品。

更重要的是，人在说话的时候，会不自觉地透露出 更多的个人上下文 （Conversational Context） 。

你不会只说「帮我订一张票」，你可能会顺嘴说「帮我订张去上海的票，下周三，上次那个酒店附近就行，对了这次预算紧一点」。

形态就是一颗水滴。并且跟手机的物理陀螺仪打通，你倾斜手机，它就像真实的水珠一样在屏幕缓缓滑移。

但说实话，我个人的使用频率不高，毕竟它这个基本就是拿兴趣标签做硬推，本质上还是换皮的信息流。

比如，你平时很关心Anthropic，但它从历史对话、长期记忆里知道，比起IPO，你其实更在意大模型生态的价值链重塑。

和其他Personal Agent一样，Orilo也是有连接器入口的，内置了一些常规插件。

比如早上孩子学校突然发了封邮件，说放学时间提前到了下午三点。Orilo抓到这封邮件后，会在跟你语音过早报的间隙顺嘴插一句：

其实当前做语音Agent的团队，都快被同一个物理级死穴折磨疯了：深度推理与超低延迟，天生相克。

人机交互里有个极其残忍的心理红线：一旦声音延迟跨过1.5秒，对方只要没接话，你脑子里那种「在跟智慧生命沟通」的真实感瞬间荡然无存。

这套双层思路业界其实都在做，OpenAI搞GPT-Live也是类似方向。但所有人都被同一个坑绊倒了：

我之前用GPT帮我回一封邮件，它欢快地答应了一声「好的」，然后整个手机陷入了整整两分钟的死寂。

当你让它去后台建日程的时候，它一边调度后端执行，嘴上一点都没闲着，顺着刚才聊到的新闻若无其事地往下递话。

整个交互没有哪怕一秒钟的死寂。就像现实里的资深行政，一边在工位上敲键盘给你订票，一边嘴里还在跟你聊行业八卦，两边都不耽误。

我实测的时候还发现一个很有意思的细节：当它需要轻微思考时，会极其自然地用「hmm……」、「uh……」这种拟人拟声词去填补缝隙。

耗时仅1.08秒，是测试里最快的。作为对比，GPT Realtime是1.50秒，Gemini Live更是重量级，要2.62秒。

当时做得就还蛮好的，在几十万的用户规模下，做到了次日留存50%、30日留存10%+的数据。

就像焦可自己在访谈里说的，他们很早就想做能记忆、能回邮件的「人」了。正如《Her》所描绘的一样。

无论是Claude Code、Codex还是Muse，这些一个接一个涌现的Agent新形态，都在反其道而行之——

它从来不追求成为一个无所不能的超级工具入口，这不是AI产品的使命，所以它从不希望用户视线一直停留在屏幕上。

当AI不再试图入侵我们的生活，它反而会成为那个每天早上在你床头、车里、厨房中，你愿意聊上几句的伙伴。

据Siri CEO Dag Kittlaus回忆，是乔布斯本人打了个电话过来约第二天见面，然后在Palo Alto家里和三位创始人聊了三小时。

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1