Agent 不再只等你提问，
它开始抢占工作入口。
SIGNAL AI 观察

“超级应用”这个词在中文互联网里有点熟。微信、支付宝、淘宝、美团，都曾经用一个入口装下越来越多生活事务。现在轮到 ChatGPT 被放进这个叙事里。TechCrunch 6 月 7 日援引 Financial Times 报道称，OpenAI 正在准备一个改版 ChatGPT，方向是把编码工具和 AI agents 放进同一个产品，让它从问答窗口继续往任务入口靠近。

这个消息还不是一次正式发布，所以不能把它当成可立即上手的新功能。但它已经足够提醒我们提前想边界。OpenAI 产品负责人 Thibault Sottiaux 被引述说，目标是一个可以在个人和工作生活中帮你的 personal agent。听起来很顺，可一旦落到现实，它会碰到一堆不顺的东西：邮件、日历、文件、家庭账单、报销、客户聊天、代码仓库、旅行预订、订阅和付款。

个人 Agent 想派上用场，难点不只在模型够不够聪明。它需要知道哪些东西能看，哪些东西只能生成草稿，哪些动作必须停下来问你。比如旅行规划可以让它读公开网页、比较酒店政策、草拟行程；但付款、改签和提交证件信息要人工确认。家庭财务可以让它看脱敏流水和预算表；但正式账户、券商交易和贷款申请，不适合作为第一批接入对象。

这也是 super app 最容易让人误判的地方。入口越大，用户越容易把边界忘掉。ChatGPT 如果变成一个“什么都能做”的地方，最该认真设置的反而不是 prompt，而是权限分区。你可以给它三个抽屉：可读取区、可草拟区、可提醒区。可读取区放公开资料和低敏文件；可草拟区让它写邮件、生成表格、整理清单；可提醒区让它告诉你该检查什么。执行权限要晚一点、窄一点、慢一点。

支持方会说，一个统一入口能省掉大量切换成本。反对方会提醒，超级应用的历史也说明，便利会慢慢变成锁定。OpenAI 的 release notes 最近还在加入 Active sessions 这类账户安全功能，并持续处理模型退役和产品迁移问题。换句话说，个人 Agent 的能力越强，账户安全、长期记忆、工具权限和模型依赖就越不能当作后台细节。

所以这件事不用等到产品发布后才开始准备，也不必现在就把生活交给某个入口。更稳的动作，是先给自己写一张 personal agent boundary card：哪些任务它可以读，哪些任务只能草拟，哪些任务可以提醒，哪些任务永远不能自动提交。等 ChatGPT、Claude、Gemini 或国内产品把个人 Agent 做到可用时，这张卡会比一堆 prompt 更有用。

桌面 Agent 的演示总有一点危险的吸引力。它知道你的日历，能看邮件，能记住你说过的任务，还能在后台跑。Microsoft 在 Build 2026 发布的 Scout，就是这一类产品的代表：一个受 OpenClaw 启发、嵌入 Copilot 和 Microsoft 365 的长期运行 Agent。报道里提到，用户可以给自己的 Scout 命名、调整风格，并持续告诉它哪些任务适合自动化。

这和普通聊天助手不一样。聊天助手通常等你开口；桌面 Agent 更像一个在你工作台旁边待着的角色。TechRadar 把 Microsoft 的 Autopilots 描述为可以在后台运行、学习你的工作方式并采取行动的 agents。Axios 则把它放在 Microsoft 想证明自研能力的背景下看：Scout 和 MAI-Thinking-1 都是 Build 2026 的重要信号。

问题是，普通用户第一次用这类东西时，最不该急着测试“它能不能替我点按钮”。能点不代表该点。桌面和办公套件里躺着太多高风险对象：客户邮件、公司文件、合同、报销、绩效、私人日历、会议录音、云盘权限。Agent 一旦拿到这些上下文，错误就可能从一句错话变成一次真实操作。

更现实的入口，是让它先做三类低风险工作。第一类是盯漏掉的承诺：哪些会议后任务没有负责人，哪些邮件里承诺过下周回复，哪些日历事件前缺材料。第二类是准备提交前材料：报销单、客户邮件、项目更新、周报，都只生成草稿和检查清单。第三类是归档证据：把会议纪要、附件、链接和待确认问题放到同一处，让你不用翻十个窗口。

这听起来没有“自动帮你完成一天工作”那么刺激，但更接近桌面 Agent 的早期价值。你可以给它一个很窄的角色，例如“只负责发现漏掉的承诺，不发送任何邮件”。如果它连续两周能帮你抓到确实被遗漏的任务，再考虑让它进入第二层：整理材料和生成草稿。至于报销提交、合同发送、客户承诺和付款，暂时别交。

Microsoft Scout 要看的不是炫技，而是一个信号：大厂开始把 OpenClaw 式的长期 Agent 放进日常办公入口。对多数办公室用户来说，比较稳的准备动作是先把桌面 Agent 当成“漏事雷达”和“提交前助理”，不要把它当作替你操作电脑的人。

很多人对 Agent 的想象，是让它打开一堆网页、理解你的意图，然后自己完成任务。这个方向当然迷人，但也很脆。网页会变，权限会乱，表单会失败，Agent 还可能把页面里的提示当成指令。Make 的 MCP Toolboxes 给了另一条更朴素的路：先把你已经稳定的自动化流程做成工具，再让 AI 在明确边界里调用它。

Make 本来就是一类可视化自动化平台，用户用 scenario 把表单、邮箱、表格、Slack、CRM、数据库等服务串起来。MCP Toolboxes 的意思是：你不把整个 Make 账号暴露给 AI，而是选一小组 scenario，发布成 Claude、ChatGPT、Cursor 等 MCP 客户端可调用的工具。AI 负责理解你的自然语言、选择工具和填参数；执行动作的是你预先设计好的自动化。

这个差别很重要。全能 Agent 像一个临时工，看到什么都想自己操作；工具箱更像一排贴好标签的按钮。比如你每周都要收集客户反馈、生成摘要、写入表格、发到团队频道。与其让 Agent 每次重新打开网页、复制粘贴、猜字段，不如把这条流程做成一个 Make scenario，再把它暴露成“生成客户反馈周报”这个工具。

这件事有维护成本。你要先把流程跑通，确认输入字段、异常处理和输出位置；还要管理哪些工具开放给 AI，哪些不能开放。Make Help Center 也提醒，长时间运行的 scenario 可能超时，工具箱不是无限执行环境。换句话说，它适合稳定、重复、边界清楚的流程，不适合“帮我把这件复杂事从头到尾想明白”。

可以从一个小流程开始。不要先做“个人自动化系统”，先做一个每周重复的工具：比如把 10 条网页链接和备注变成一页资料摘要；把报销票据清单整理成表格；把客户问题归类后发到团队群。继续门槛也很简单：如果这个工具连续三次能省下 20 分钟以上，而且错误可检查，就保留；如果每次都要你花同样时间修它，就关掉。

MCP 和工具箱这类东西带来的变化，不是让所有人变程序员，而是让非程序员也能把自己的工作流程包装成 AI 可调用的能力。别等一个全能 Agent 读懂你的整个人生。先给它一个清楚、安全、可测试的小工具，它反而更可能帮上忙。

投资研究最危险的 AI 用法，是把一个复杂问题压成一句“这家公司能买吗”。模型会给你一个看似有逻辑的答案，但市场真正折磨人的地方不在答案，而在证据会变。新订单、监管口径、竞争对手降价、管理层措辞、客户流失、库存、汇率、利率，每一项都可能让原来的判断过期。

AlphaSense 6 月 3 日发布的 SuperAnalyst，可以放在这个角度看。AlphaSense 本来是给投资、企业战略和市场情报团队用的平台，覆盖财报、电话会、专家访谈、新闻和研究内容。SuperAnalyst 被定义为 always-on AI execution layer：它不只搜资料和总结，还会执行多步研究项目，持续监控市场变化，并把新信息更新到已有输出里。

这当然不是普通散户明天就能买来用的工具。AlphaSense 是专业平台，SuperAnalyst 也还处于 early access / coming soon 的状态。但它背后的工作方式可以借。专业研究团队不会只问“怎么看某家公司”，而是维护一组假设：为什么它可能变好，为什么它可能变坏，哪些证据支持，哪些证据反驳，什么事件发生后必须重看。

普通投资者可以把这个方法降级成一个 evidence ledger。第一列写投资假设，例如“这家公司利润率改善来自高端产品占比提升”。第二列写支持证据：财报毛利率、管理层表述、渠道反馈。第三列写反证：库存上升、竞品降价、费用率恶化。第四列写触发条件：下一季毛利率低于某水平、管理层不再提某业务、行业价格战扩大。AI 的任务不是给你结论，而是每周检查这些证据有没有变化。

这件事的投入不低。你需要收集来源，维护假设，避免把社媒情绪当事实。可它比让 AI 猜涨跌更有回报。你可以用 ChatGPT 项目、Claude 项目、NotebookLM、表格、RSS 或邮件规则做一个很小的版本：只跟踪一个行业或两家公司，每周让 AI 回答三个问题：新增证据是什么，原假设哪里被削弱，哪些地方需要人工查一手来源。

金融 AI 对个人最实用的地方，大概不是预测涨跌，而是帮你记住自己为什么相信一件事。SuperAnalyst 代表的是专业研究工作流的方向。个人投资者借不走它的全部数据和系统，但可以借走它最重要的习惯：让每个判断都附着在证据上，并且允许证据更新后推翻自己。

很多人以为 AI Agent 会先改变白领办公，其实小生意可能更早感到压力。因为客户不在你的项目管理软件里，他们在聊天框里。Meta 6 月 3 日推出 Meta Business Agent，并把它扩展到 WhatsApp、Messenger、Instagram 和 Meta Business Suite。官方说，超过一百万家企业已经在 WhatsApp 和 Messenger 上使用 Meta Business Agent 回应客户。

这个产品的定位很直接：回答客户问题，推荐商品，预约时间，筛选线索，在需要时交给真人，还能给商家一份晨间简报，告诉你夜里错过了哪些聊天、有哪些线索需要跟进。Meta 还说未来会让它连接 Shopify、Zendesk、Shopee 等系统，并逐步帮助商家处理市场研究、产品洞察、日历管理和竞争情报。

对中国读者来说，WhatsApp 未必是日常生意入口，但这个方向很容易迁移。微信客服、企业微信、抖音私信、小红书私信、淘宝客服、美团咨询，本质上都是“客户先开口”的入口。只要一个平台能把商品目录、订单、预约、退款政策和客服记录接起来，Agent 就会从聊天机器人变成前台的一部分。

支持方会说，这对小商家是好事。一个小团队不可能 24 小时回复所有客户，AI 至少能处理重复问题、减少漏单、把高意向客户筛出来。反对方会担心两件事：第一，平台会不会用自己的 Agent 挤压第三方客服和 WhatsApp Business 服务商；第二，AI 如果承诺了错误价格、退款政策或预约时间，责任算谁的。Reddit 上 WhatsApp Business API 社区已经有人担心平台服务商会被边缘化。

如果你经营小生意，最现实的做法不是立刻全自动客服，而是先画三条线。第一类问题可以自动回答：营业时间、地址、库存、常见价格、退换货政策。第二类问题可以 AI 推荐但人工确认：搭配、定制、预约、优惠。第三类必须人工接手：投诉、退款争议、高客单价订单、身份和支付问题。AI 的价值在于吃掉第一类、准备第二类、把第三类更快交给人。

Meta Business Agent 的重要性，不在于它是不是最聪明的客服 AI，而在于它把 Agent 带进了客户已经所在的地方。未来很多普通商家第一次用到 AI Agent，可能不是从 ChatGPT 开始，而是从一条客户私信开始。