为什么总是人学习如何使用AI，AI能不能反过来学习一个人如何工作？
作者｜甲子Builders 王修齐
编辑｜王博
2026年2月，加拿大滑铁卢大学，雪下得很大。
一场创业活动结束后，张天翊独自走进雪夜之中。不久前，由于没有稳定的付费用户，他停掉了团队做的AI会议助手项目。
张天翊是一位典型的AI Builder。这些年，他做过招聘、会议和社交媒体增长的AI工具，不断换方向，也不断开始新的项目。这次，他第一次认真怀疑，自己是否还要继续创业。
他拨通了变量资本管理合伙人吴江的电话——两年前，他从吴江那里获得了人生中的一笔投资资金。
电话那头，吴江没有劝他坚持某个产品，只告诉他，方向可以换，产品可以改，创业最终是为了找到一个值得解决的问题。
“世界上总有一个问题，会属于你的。”吴江对张天翊说。
滑铁卢大学学生公寓外雪景，图片来源：受访者提供
后来，这个问题以一种意外的方式出现了。
Siyi是张天翊的朋友，此前在AI Agent公司Manus工作。Siyi跟张天翊讲了一件事：2025年6月，一位巴西老人找到了Manus。这位老人想制作一个自己的数字人，向更多人宣传保护热带雨林。目标足够明确，Manus的能力也足够强，但老人仍然不知道下一步该做什么。他最后问出的，还是一个最基础的问题：我该怎么使用它？
这件事让张天翊和Siyi意识到，工具变强，并不意味着使用工具的人自动获得了同样强的能力。今天的Agent可以写代码、查资料、生成文档，用户仍要学习如何提问、拆解任务、配置工作流，并一遍遍向不同的Agent解释自己是谁、正在做什么。
张天翊和Siyi由此想到了一个问题：为什么总是人学习如何使用AI，AI能不能反过来学习一个人如何工作？
带着解决这个问题想法，张天翊和Siyi等人创立了Intuition Lab。
今年8月，Intuition Lab推出了Personal Model，这是一套开源、本地优先的长期记忆系统。获得用户授权后，它会记录用户在Mac上的工作活动，逐渐学习用户思考和工作的方式，再向AI工具提供可查看、可追溯的上下文，帮助它们继续未完成的工作，并作出更有依据的判断。
Personal Model，图片来源：Intuition Lab
Personal Model开源不到一个月，就在GitHub获得了超过1300个Star。但个人记忆并不是一条空白赛道：微软Recall在记录屏幕活动，Mem0为AI应用提供记忆组件，Manus等AI Agent也在建立各自的用户记忆。
张天翊想再往前走一步。「甲子Builders」独家获悉，Intuition Lab团队即将推出AI记忆产品Persom，目前正在内测中。
Persom是团队围绕Personal Model开发的产品化形态，它可以降低普通用户使用这套AI记忆系统的门槛，并让不同AI Agent读取同一份个人上下文。
“你可以理解为‘一个人在数字世界的身份证’。”张天翊说。
说出这句话时，张天翊仿佛回到了人大附中人工智能实验班，一个让他放弃对“天赋”的幻觉，但同时告诉他“天赋”在哪个方向的地方。他想起了高二歌舞嘉年华结束后，同学们突然一起把他举起来抛到了空中。
“那一刻我意识到，我未必是最会写代码、最能解题的人，但我擅长让一群比我聪明的人聚在一起，把一件事做成。后来创业，本质上就是如此。”张天翊说，“Persom也是，它不是一个做事情的Agent，而是在围绕人组织智能。”
本文为「甲子Builders」对话Intuition Lab创始人张天翊实录，经整理编辑，在不改变原意的基础上有所删改。
甲子Builders：Persom是什么？请用一句话来定义。
张天翊：你可以理解为“一个人在数字世界的身份证”。
Persom通过中立、第三方、开源的Personal Context Layer，提供可追溯、可纠正、由本人控制的个人上下文的采集、建模、可视化与基于个人上下文的输出服务。
Persom网站，图片来源：Intuition Lab
甲子Builders：能不能用一个真实的场景讲讲，用户使用Persom和不使用，差别到底在哪？
张天翊：一个跑在Mac本地的应用，持续记录你在电脑上做的事，提炼成一份不断更新的个人上下文，交给你正在用的每一个Agent。让每个Agent都读到同一个你。
比如我要写一份新的BP。如果是以前，我得打开一个Agent，先把所有来龙去脉讲一遍，然后再喂一堆文档进去，它才能开始动笔。换另一个Agent，还得从头来一遍。
现在我只需要打开一份空白的文档，唤起Persom说一句“帮我出一份最新的BP”，它自己就会去翻最新的会议纪要、飞书里的讨论、甚至浏览器里留下的痕迹，把散落在各处的背景信息拼起来，直接写出一版文档。
甲子Builders：Persom是怎么“懂”一个人的？
张天翊：“点-线-面-体-根”，从最小的单元开始，一层层往上搭。
授权后，系统默认每五分钟，把你刚刚在电脑上做的事，比如用了什么应用、看了什么内容、改了什么文件，整理成一个带有来源的最小观察单元，我们叫它“点”。可能是一个人，一个项目，一个公司，一个常用的工具，或者一个完成的事件。记忆之间的关系会被连成“线”；多条线聚合在一起，跨越不同场景、反复出现的模式，形成你在某个具体场景里的“面”，“面”是某个生活切面的总结，“体”是跨多个切面的共性规律，最终汇入一个持续更新的“根”，也就是用户的写照。
“点-线-面-根”示意图，图片来源：Intuition Lab
甲子Builders：听起来，人与AI的协作关系会发生改变。
张天翊：我把人与AI的协作关系分成三个阶段。
GPT时刻之后，每个人都获得了一个大模型助手。但人仍然需要亲自提出问题、提供信息、判断结果，同一时间主要是在与一个模型直接交互。这是1×1：一个人，使用一个AI。
Manus时刻之后，Agent开始能够独立执行任务。一个人可以同时启动多个Agent，效率进入1×N。但每个Agent都只认识对话框里的你：换一个Agent，就要重新解释一遍自己是谁、正在做什么、有哪些偏好。多个Agent虽然可以并行，最终却都要回来等待同一个人作出判断。
Persom希望再向前一步。它先建立一份关于你的个人模型，再把这份理解交给多个“影子”。每个影子分别与一组Agent协作，替你提供上下文、回答一部分问题，让任务不必全部停下来等待本人。这就是 N×N：不只是一个人调动多个Agent，而是一个人拥有多个携带相同个人上下文的“影子”，同时推动不同的Agent继续工作。
这套系统的工作机制就像一幅壁画，古人把经历过的事画在墙上。画本身不是历史，真正把这些图像读成历史的，是后来站在壁画前的人。
我们做的是前半段：留下一个人做过什么、怎么选择、这些判断从何而来；接入它的Agent是那个后来者，站在壁画前，把这些痕迹读成一部关于“这个人会怎样行动”的史书。
甲子Builders：你是一位典型的AI Builder。过去几年，你做过各种AI工具，不断换方向，也不断开始新的项目。现在做AI记忆系统，是什么让你觉得时机到了？
张天翊：现在模型的能力越来越像水和电，越来越便宜、越来越稳定，迭代也越来越难给人明显的体验变化。真正稀缺的不是智能本身，是Context，也就是说AI开始干活之前，它手里到底握着多少关于你的有效信息，以及如何围绕具体场景的需求和上下文来供给能力/智能。
Y Combinator CEO陈嘉兴（Garry Tan）上个月讲过一句话：同样用Claude，同样的权重、同样的接口，有人只能榨出两倍效率，有人能做到一百倍。模型是同一个，差距就是它开始工作时已经知道多少关于你的事。
陈嘉兴（图左）与张天翊（图右），图片来源：受访者提供
最近，Anthropic把Claude聊天和执行任务之间的记忆打通；字节发布了“豆包工作”，直接内嵌进飞书，去读你的群聊、文档、会议纪要。产品的重心已经在从“AI会做什么”，移向“AI在行动之前知道什么”。
所以，整个行业到了这个阶段：智能侧的供给够了，该轮到Context侧了。Context is all you need！
甲子Builders：这我相信，但是现在做AI记忆的团队也不少——微软做过Recall，Manus在做自己的memory。你凭什么有信心能做过它们？
张天翊：我觉得最核心的区别有三个方面。
第一，我们拿到的信息量不一样。像Manus这类产品，它拿到的是你和这个Agent之间的对话和memory，但这只是你的一小部分。我们拿的是你整台电脑的完整上下文——你在用什么应用、屏幕上在看什么、文件怎么变化，持续地记录，然后蒸馏成你的行为偏好和决策风格。这个信息密度和广度是不一样的。
第二，我们开源、中立。微软Recall那种是闭源的，而且它做的事更像是“纯壁画”——把屏幕截图存在那里，但不做分析。Agent要读的话，面对一堆原始截图，效率非常低。我们觉得，在一条以信任和开放为前提的赛道上，第三方中立、开源的产品才更容易让用户放心把数据交出来。我更愿意把Persom类比成OAuth那样的协议层，这不是某一家Agent的私有记忆，而是一个所有Agent都可以接入的公共层。
第三，我们不只是存信息，是在建一个“关于你”的模型。它不是记了多少条笔记，而是系统逐渐理解你是谁、你重视什么、你遇到冲突通常怎么选择。这个东西对Agent来说才是真正可用的，它不需要翻你的聊天记录，它直接读的是一个关于你的判断。
甲子Builders：我想追问一个关于用户隐私的问题。你们把差异建立在“比其他产品获得更多个人数据”上，这也意味着，一旦出现问题，代价可能更大。Persom究竟会读取哪些内容？你们如何保护用户隐私？
张天翊：隐私保障是我们产品非常重要的基础。我们可以拿到用户电脑上的全量数据，也就是任何App内的任何信息，但同时我们也设置了完善的机制保障用户隐私。
首先，用户可以在软件内随时暂停收集，也可以把特定App设置为不可收集，给用户提供了选择信息采集的范围和时间的权利。其次，所有屏幕的原始数据都存在本地，不上云，默认一周后自动删除。我们也在积极寻求私有云厂商合作，争取早日为用户提供一个可信任的云端数据存储服务。
甲子Builders：你们最难被复制的是什么？
张天翊：Persom难被复制的有两点。
第一是信任与尊重。一方面是用户对我们的信任，另一方面我们也非常尊重用户的隐私和数据主权。Persom坚持第三方、中立、开源。让用户能够自由切换智能。
第二是长期的数据。当我们积累了足够多的、脱敏后的数据，就有机会跑出一套真正衡量“AI能多好地个性化服务一个人”的benchmark。
现在模型厂的benchmark都失效了，因为离真实的生产环境太远。
如果有人能拿出真实场景里的Context，基于开源最好的模型去训一个专有模型，这个效果很可能比最强的通用模型在这个场景下更有效。这件事需要时间，但一旦跑出来，它就是别人很难追的东西。
甲子Builders：你高中在人大附中人工智能实验班，那段经历对你影响大吗？
张天翊：影响很大。在一个到处是神童的地方，你会很早就被迫放弃对“天赋”的幻觉。
甲子Builders：“到处是神童”可以理解，“被迫放弃对‘天赋’的幻觉”怎么讲？
张天翊：我进去的第一周就是信息学竞赛，整整七天，从早到晚，把大学生需要一两个月学完的C++基础语法压缩进一周。很多同学初中就开始打竞赛，对他们来说更像复习。但是老师一开口我就开始睡觉，一周结束发现什么也没记住。哥们儿是真学不懂啊，没过多久我就退出竞赛了。
人大附给了我很大的打击，但也告诉了我天赋在哪个方向。
甲子Builders：所以你去做什么了？
张天翊：别人午休时都在教室学习，我多半在学生会、社团或者活动现场。等上课铃响了，我才跑回教室，站在门口还有些喘。我当过班长，进过学生会主席团，还组织过覆盖十几所学校的公益联盟。
我印象最深的事情是，高二歌舞嘉年华结束后，同学们合影时，突然一起把我举起来抛到了空中。
那一刻我意识到，我未必是最会写代码、最能解题的人，但我擅长让一群比我聪明的人聚在一起，把一件事做成。后来创业，本质上就是如此。
Persom也是，它不是一个做事情的Agent，而是在围绕人组织智能。
2018年人大附中首届人工智能实验班首期黑板报，每位同学写下一个词，寄托对AI时代的想象，图片来源：受访人提供
甲子Builders：你还是谦虚了，这些经历不是一般高中生能够做到的。那么你后来是怎么走上创业的路，成为一位AI Builder的呢？
张天翊：大一时，我和教授做过一个学术社区，后来又和一位交易员做低代码交易平台，最后一个真实客户都没有。我当时觉得创业很浪费时间，一度不想做了。
AI大模型出来以后，我做了一些找人和会议类产品。慢慢发现，这些都是拿新模型去挤别人经营多年的旧场景。招聘的数据和渠道掌握在成熟平台手里，会议记录赛道也早就站满了大公司。我们就算带着新武器，也是在闯进别人的主场。
readycall——张天翊在2025年做的meeting proactive agent，市场还没有形成proactive投资的共识，图片来源：受访者提供
甲子Builders：你得到的经验教训是？
张天翊：我把得到的教训总结成一句话：做空旧时代，做多新时代。
不要再给一个旧软件加上AI，而是去找那些过去难以解决、只有新技术出现以后才第一次成立的问题。招聘和会议都是SaaS时代就在解决的问题，里面最有价值的东西早就被大公司占完了。
但如果你去找一个“旧世界里根本没有的对应物”的问题：比如，让AI持续地理解一个具体的人。那这件事就没有大公司提前占位，没有旧数据垄断，没有成熟渠道挡在前面。它是全新的。
甲子Builders：如果要做“旧世界里根本没有的对应物”，必须找到和你有同样想法的“新世界的人”，这对一位AI Builder并不容易，你是怎么找到合作伙伴的？
张天翊：我现在的合伙人是Siyi，我们都被同样的问题所困扰：工具变强了，不代表用它的人自动获得了同样强的能力。
2025年6月，Siyi还在Manus做用户访谈。她碰到过一个场景，我印象特别深：有一位来自巴西的老人，找到Manus 团队，他希望AI帮他生成一个数字人，再把内容分发到不同的社交平台上，用于宣传保护亚马逊雨林。
目标清楚，产品也是当时最强的一批Agent，但最后他问出来的问题是：“我应该怎样使用Manus？”
类似的情况反复出现。你会发现，为了让AI帮你完成工作，人还是要先学习工具、拆解任务、配置流程，把自己的目标翻译成机器能执行的步骤。
所以Siyi就反过来想：为什么始终是人在学怎么用AI，而不是AI主动来理解人怎么工作？如果用户很难把自己的工作完整讲给Agent，那Agent能不能直接看见工作发生的过程？从屏幕、聊天、文档、一次次操作里，逐渐知道这个人在做什么，又为什么这样做？
我们达成了一个共识：先不急着再造一个替人干活的Agent，先解决Agent动手之前缺少的东西，持续获得一个人的 Context，并从中形成对这个人的理解。
甲子Builders：会不会有人会觉得你没有产品信仰，经常换方向。
张天翊：这个说法不能说错，但换一个角度：我的信仰不是某一个产品，而是“解决问题”这件事本身。
甲子Builders：这对你意味着什么？
张天翊：意味着爽。
我知道很多创业者会讲愿景、讲使命，我也不是说那些不重要。对我来说，驱动力就是更朴素的：这里有一个问题，我能不能解决它？解决了，下一个。
甲子Builders：我发现你们前两轮投资方，跟宇树科技完全重合，这是不是在某种程度上说明了投资人的眼光和你们未来的潜力？
张天翊：这个事情我是在宇树上市那天才发现的，确实很巧。
我觉得我的投资人们都对创业者非常友好，江叔（变量资本管理合伙人吴江）会经常跟我打电话，很用心地提供各种他视角的建议。他还说：“要照顾好自己的‘丑孩子’。”
是啊，你的产品出来的时候，它可能只有50分，是一个“丑孩子”。同时你会看到很多漂亮的、别人家的孩子。但你得好好对待自己的孩子。
甲子Builders：今年年初，你上一个创业项目停止后，吴江给了你什么建议？
张天翊：我当时打电话跟他说：“我也许真的不够坚定。”
江叔告诉我：“创业是解决问题，方向会变，产品也会变，但解决问题本身最重要。天翊，世界上总有一个问题，会属于你的。”
甲子Builders：那你找到了“属于你的问题”了吗？
张天翊：AI记忆这件事我能做，而且我觉得半年之内我就能有解决它的能力。相比做一个通用模型去达到AGI，这是一个更现实的问题。
至于它是不是“属于我的问题”？我不确定。但江叔说得对，只要我在持续解决问题，我最终会找到。
*田琬琦对本文亦有贡献
点击文末阅读原文
加入Persom waiting list
（封面图来源：电影《社交网络》）
END.
