个人 AGI：Jarvis 正在从科幻走进现实

《钢铁侠》里的 Jarvis 最让人羡慕的地方，是 Tony Stark 从来不需要重新介绍自己。

它知道实验室里正在发生什么，记得过去做过哪些尝试，理解 Tony 的习惯和目标，也能调动身边的设备，把一个念头一步步变成现实。它的智能嵌在 Tony 的生活里：有记忆，有行动，也有延续性。

过去的 AI 很聪明，却像隔着玻璃与你交谈。它不了解你的生活，记不住共同经历，也无法把手伸进真实世界。每次打开新对话都像重新见面，它给出的答案再精彩，也大多停在聊天框里。

短短几年，事情变得快得有些失真。AI 先学会自然交谈，随后开始理解图片、声音和视频；如今它可以阅读文件、搜索互联网、调用软件、编写程序，也开始接入持久记忆，连续完成越来越长的任务。这些能力还很粗糙：记忆会出错，行动会失败，权限会带来风险。但当零件一件件出现在桌面上，Jarvis 第一次显出了工程上的可能性。

科幻留下的轮廓，正在变成一张可以施工的图纸。

把 AGI 的尺度缩小到一个人

最近，我开始搭建自己的 Jarvis。这个念头来自 Garry Tan 在 Y Combinator Startup School 2026 的一场演讲。他用了一个说法：Personal AGI，个人 AGI。

AGI 是"通用人工智能"的缩写。围绕它的争论持续了很多年：机器要聪明到什么程度才算通用？是否要在数学、编程、科学和写作上都达到人类水平？该用考试成绩、经济价值，还是学习新能力的速度来衡量？这些问题面向的是全人类的任务空间。

Personal AGI 把尺度缩小到一个人，问题随之变得具体：

一个人能否拥有一套长期为自己工作的智能系统？

它不需要在所有领域超过人类。它面对的是一个人的真实生活：今天准备一场会议，明天研究一个新主题，下周规划一次旅行，几个月后又开始一项陌生的工作。它需要逐渐理解你的世界：你正在做什么，在意什么，和谁一起生活、工作，做过哪些决定，又想把哪些事情带到未来。

这是一种以人为边界的通用性。

Personal AGI 还不是一个有统一定义的技术术语。在本文里，我把它理解为：一套以个人生活为边界，能够长期记忆、调用工具、从合作中积累能力，并最终由个人控制的智能系统。

尺度一变，考题也变了。传统 AGI 的考场在标准化测试和排行榜里；个人 AGI 的考题散落在日常生活中：它是否记得你已经解释过的事？同一种错误，纠正一次之后还会不会再犯？它为你节省了多少时间，又制造了多少检查、返工和确认？

一个模型在排行榜上领先几分，当然值得关注。但对个人 AGI 来说，更有意义的变化发生在时间里：用了三个月之后，它是否比第一天更懂你，也更知道怎样与你合作。

模型只是 Jarvis 的一部分

今天人们谈论 AI，仍然习惯盯着模型：谁的答案更准，谁的推理更强，谁又在新测试里提高了几分。

模型很重要，却只是 Jarvis 的一部分。

一个模型即使拥有惊人的推理能力，只要它不知道我是谁，无法访问我的文件和工具，对话结束后又忘记发生过什么，它就仍然像一位刚入职的天才同事：每次见面都表现出色，每次合作都从头开始。

一套个人 AGI 至少需要五个部分：能处理新问题的模型，关于你的长期记忆，使用电脑和软件的行动能力，把经验沉淀为稳定做事方法的机制，以及一套清楚的权限边界。

这些东西过去分散在不同软件里。笔记应用保存资料，任务软件管理待办，聊天机器人回答问题，自动化工具按预设步骤运行。它们彼此并不了解，也很少共享同一段历史。

个人 AGI 带来的变化，是把这些能力围绕同一个人连接起来：记忆为行动提供背景，行动产生新的经验，经验再回到系统里，影响下一次判断。

模型像一颗可以不断升级的大脑。Jarvis 的独特性，来自大脑之外那套长期积累的系统。

让下一次合作从上一次结束的地方开始

举个例子。当我说"这周我想研究个人 AGI"时，我希望 Jarvis 理解这句话背后的来龙去脉。

它知道我为什么对这个主题感兴趣，知道我正在亲手搭建这样的系统，也知道我过去对 AI 助手、个人知识管理和软件工具有过哪些想法。它会把这些背景与外部资料放在一起，区分事实、观点和推测，寻找不同意见，帮我逐渐形成自己的定义，再把一个模糊的兴趣变成一篇属于我的文章。

文章完成以后，这段经历还会留下来。

它会记住哪些资料最有价值，哪些结构被舍弃，我对哪些表达感到厌烦，又为什么修改了某个结论。下一次研究另一个主题时，我们直接站在这次合作留下的基础上继续。

这种连续性，或许才是个人 AGI 最重要的能力。普通的 AI 拥有大量知识；个人 AGI 还需要拥有一段与你共同经历的历史。它的价值随时间积累，每一次合作都为下一次留下点什么。

记忆、行动和学习一旦形成闭环，人与 AI 的关系也会变化：一次次临时调用变成长期协作，一个偶尔打开的工具，开始成为日常生活里持续存在的智能层。

大脑可以更换，人生不必重置

"个人"还意味着控制权。

拥有自己的 Jarvis，并不要求所有模型都跑在家里的电脑上。最先进的模型很可能来自云端，过几个月又会被更好的版本替代。难以替代的，是我们共同积累的记忆、做事方法、项目背景，以及我为它设定的规则和边界。

大脑可以更换，人生不必重置。

理想的个人 AGI 应该允许我查看它记住了什么，纠正错误的信息，限制它能访问哪些文件和软件，检查它替我执行过哪些操作。更换模型或平台时，这些积累应当能被带走。

否则，系统越了解我，我离开它的代价就越高。便利慢慢变成依赖，个人记忆变成平台最牢固的围墙。

还有一个更微妙的问题：理解一个人，不等于复制一个人。

我不希望 Jarvis 只是模仿我的语气、重复我的偏好，然后替我不断生成看起来像是我做出的选择。人的兴趣会转移，目标会改变，过去深信不疑的判断也可能被新经历推翻。记忆应该帮助一个人延续自己，而不该把过去变成命运。

Jarvis 可以根据历史推测我的偏好，同时为变化留下空间；它可以参与思考，同时把价值判断交还给我；它可以处理重复劳动，但关系、承诺和选择的后果，仍然由我亲自承担。

有时，它最有价值的一句话也许是：

你以前确实这样想过。不过，从最近发生的事来看，你可能已经改变了。

这样的 Jarvis 与我足够亲近，也保留着必要的距离。

它已经可以被搭出来了

个人 AGI 实现了吗？

按传统 AGI 的标准，这个问题还会争论很久。换一个角度看，答案比两年前清晰得多：一套围绕个人长期运行的智能系统，所需要的主要部件已经出现了。足够聪明的模型，能保存个人背景的记忆，会使用电脑和软件的 AI，以及把重复经验沉淀为固定方法的工具。

它们仍然不够可靠。记忆可能混乱，行动可能失败，过大的权限可能造成严重后果。今天的 Jarvis 需要人持续监督、纠正和设定边界。

但它已经可以被搭出来了。

过去，普通人只能在电影、论文和发布会里旁观 AGI。现在，我们可以把这些能力装进自己的电脑和工作流，在真实使用中决定它该记住什么、忘记什么，可以做什么，又该在哪里停下来。

这是一个罕见的阶段：技术已经强大到足以改变人的工作方式，最终形态却还没有定型。个人智能将如何保存记忆、分配权限、建立信任，很多问题仍然开放。Jarvis 最终会长成什么样，有一部分取决于我们如何使用和约束它。

我会用一个简单的标准评价自己的 Jarvis：它有没有提高我的净行动力。所谓净行动力，就是它创造的真实结果，扣除我为监督、纠错、承担风险和依赖某个平台付出的成本。

一个 AI 完成了一百件事，却需要我逐项检查，收益可能十分有限。另一个系统只完成了十件事，但能理解背景、遵守边界，并在每次合作后变得更可靠，长期价值反而更高。

个人 AGI 的意义，在于缩短从"我想做什么"到"事情真正发生"之间的距离。至于什么值得追求，哪些关系值得投入，什么后果必须亲自承担，这些问题依然属于人。

传统 AGI 的故事，等待一个全世界共同承认的历史时刻。个人 AGI 的诞生可能安静得多：它从第一条被认真保存的记忆开始，从第一次不需要重复解释开始，也从第一次发现它真的吸收了你的纠正开始。

下一篇，我会回到自己的搭建过程，分享这套系统如何记住我、使用电脑和各种工具，又如何把一次次合作沉淀成稳定的工作方法。

我期待的 Jarvis 会越来越了解我，也会把更多时间、注意力和行动的余地还给我。