@
elsewhere
從今天開始，我們推出一個新欄目：début。這個單詞原指某個行動、作品、講話的開端，也指一個人的初次登臺。début將爲你呈現一批素未謀面的創業者們。
我們承諾，這是一個完全免費的公益欄目。歡迎來到début，完成你在公共視野裏的首次亮相。
歡迎通過公衆號後臺留言，或發送郵件到 [email protected] 聯繫我們。
以下爲這個欄目的第一篇內容。
從OpenClaw刷屏開始，人人都能擁有專屬的AI“個人助理”彷彿不再是科幻電影裏的未來。在這場通往新世界的擁擠賽跑中， 一家聚焦海外市場的初創公司Boxy剛剛獲得紅杉中國種子基金投資的數百萬元美元融資。
Boxy究竟是什麼？
簡單來說，Boxy通過在電腦後臺靜默運行虛擬機，能夠實現合規獲取用戶在WhatsApp、LinkedIn、Instagram等應用中的全量數據。基於這些數據，Boxy通過建立個人數據模型（Personal Model）能在感知到用戶潛藏需求時，主動推送任務建議“卡片”，並根據用戶選擇持續對模型迭代。
Proactive Agent是當下最火熱的創業方向之一。所謂，Proactive（主動式），簡單說就是提前預判、甚至完成用戶還沒提出的需求。OpenClaw利用30分鐘一次的心跳機制模擬了這種體驗，也啓發了更多創業公司做真正的主動觸發agent。其中最主要的一條路線是，通過屏幕截圖等方式獲取用戶的完整上下文，以此識別用戶意圖，進而完成那些“還沒說出口”的任務。
區別於原先要切換多次app的操作用戶，通過Boxy，只需像玩交友軟件一樣，花0.1秒“左劃”或“右劃”，就能讓系統在後臺自動完成修改日程、回覆消息等工作。
但Boxy的野心不止於此。在創始人John的構想中，它並非單純的助理，而有着一整條完整鏈條：以極簡交互切入用戶的溝通場景，通過自建和第三方創建大量不同類型的Agent，持續對人類反饋進行強化學習，以期成爲“Agent時代中最大的Personal Model生產商”。
John是一名1998年出生的連續創業者，12歲便前往美國求學，大學就讀於Emory University。在AGI浪潮爆發的前夕，他曾作爲第8號員工加入大模型獨角獸MiniMax，經歷了從零搭建AI數據管線的拓荒期。
那是在2021年底，AGI的概念甚至還沒有在行業內普及。從商湯走出來的MiniMax處在尋找AI to C可能性的道路上，John 和同事們從零構建極其複雜的人機交互數據集，通過尖端的採集技術實現了毫米級的多模態數據捕捉，爲後期現象級產品（如 Glow）的情感化交互和超自然語音表現提供了底層的數據方法論。
但對於John個人來說，“極度逼真的虛擬人”從來不在他真正的興趣點上。在MiniMax待了近一年時間，AI時代日漸逼近的腳步讓他決定自己必須投身於此。
離開MiniMax後，他一直嘗試在新的領域實現 AI To C 的全方位落地，但始終沒有看到可以說服自己的方向。這次他帶着Boxy迴歸 AI to C，John稱找到了一種真正的“Founder Lifestyle Fit”——不再是爲了創業而創業，而是去打造一個自己極度渴求的、能將人類從繁雜數字勞作中徹底解放的基礎設施。
和Agent的交互只需0.1秒
elsewhere：直接從產品談起吧。現在市場裏充滿了各種形態的AI助理，Boxy有什麼不一樣？
John ： Boxy不是AI Personal Assistant、Proactive Agent、Jarvis，或者HER的OS1。我們幫每個人創造自己的Personal Model，從而能讓Agent可以先真的知道“你是誰”，然後再提供相對應的Agent服務。
你可以理解爲，Boxy想成爲用戶在Agent時代必不可缺的一個交互媒介，面向大衆的Agent入口。
現在絕大多數的Agent還在強迫用戶對着一個空白的對話框輸入prompt，這其實會帶來巨大的認知過載。普通人根本不知道怎麼向AI精準描述一個模糊的需求，很多時候，去把prompt精修好的時間，用戶可能已經把這個事做完了。所以，Boxy的解法是先告訴Agents你是誰，給到足夠的context，然後讓Agents在最合適的時間點主動做最合適的事情。
elsewhere：Boxy肯定不是第一個說要當主動助手的Agent了 ， 你們能做到“主動”靠什麼？
John ： 我們在用戶的電腦後臺靜默運行一個虛擬機（VM），裏面同步跑着用戶的微信、LinkedIn、Instagram 等網站/軟件。在獲得授權後，Boxy會在虛擬機裏，不打擾用戶主界面的工作流的前提下，控制鼠標向上滑動、截屏，合規地獲取用戶全量的歷史聊天記錄、平臺上的瀏覽數據等。基於收集的全量數據，Boxy能夠在冷啓動階段就構建出每個用戶自己的Personal Model。
elsewhere：通過獲取全量數據來構建一個準確的用戶畫像？
John ：所謂Personal Model，可以理解爲用戶級的長期行爲模型，相比傳統意義上的“用戶畫像”，這種模型更強調可計算的行爲結構——用戶在不同場景下的偏好傾向、決策邊界、溝通風格、節奏模式、關係差異，以及隨時間產生的趨勢變化。這些行爲數據隨後會以結構化方式注入到Agent的retrieval、ranking、planning和generation流程中。所以，即使在Agent第一次與用戶深度協作時，系統也已經具備一定程度的個體理解，而不是從零開始。
從用戶角度來看，Agents會基於Personal Model給到的高價值數據，在下載Boxy授權數據的下一刻，就主動預測需求，並把解決方案以“卡片”的形式推送到你面前。
elsewhere：卡片？
John ： 沒錯。在預測到用戶潛在需求後，類似交友軟件Tinder，Boxy會給用戶推送建議卡片，用戶只需要“左劃右劃”就能完成決策。
比如，你正在專注趕一份報告，突然收到合作方發來的一條消息，問明天的會議能不能改到下午。因爲Boxy掌握了你的通訊、郵箱、日曆等數據，發現你明天下午剛好有空。此時它不會強迫你打斷思路去切換APP，而是直接在屏幕邊緣推送一張卡片：“已確認明下午無會，是否回覆：‘沒問題，那就明天下午2點線上見’？”你連通訊軟件都不需要打開，只需要花0.1秒向右劃，Boxy就會在後臺自動幫你發送消息並同步修改日曆。如果你覺得不妥，左劃拒絕即可。如果你覺得回覆的方向對了，但語氣需要微調，或者想順便補充一句其他信息，你還可以上劃這張卡片，快速輸入你的補充指令或進行修改。
elsewhere：你想切iMessage、WhatsApp、微信這樣通訊軟件的蛋糕嗎？
John ： 準確地說，不是去切他們的蛋糕，或者說我們對再造一個IM（即時通訊）軟件毫無興趣。在我們的規劃裏，溝通其實是一個“特洛伊木馬”。
現在大家的痛點不是沒有軟件聊天，而是信息過載，每天在大量不同的app進行多重溝通。我們選擇從溝通這個最高頻、最消耗能量的場景切入。當用戶習慣了通過Boxy來處理溝通時，他就不再需要把時間浪費在切換app上了。
elsewhere：重新建立一套通訊溝通的用戶習慣需要多久？
John ： 如果我收到了很多消息，且來源於不同的軟件，那打開Boxy，通過快速的右滑卡片就可以直接讓Agent去各個軟件回覆這些對話。我相信，只要試過Boxy，你就不會再想要打開其他軟件、找到聯繫人、理解上下文、手動撰寫回復併發送的慾望了。
以及在馬上到來的“後APP時代”，我相信大衆會越來越習慣把當前的APP作爲一個Agent系統的後端來看待。因爲這些操作本身就十分機械化。所以，不僅是我們在產品體驗上會讓用戶感覺到“用了就不能沒有”的一種心態。其實，整個軟件發展的趨勢也讓我們看到了這種交互的必然性。
elsewhere：那你還是要革微信的命吧。
John ： 說得有點過了，微信本身還有很多小程序、支付、訂閱號的生態，而且我們絕不僅僅是爲了幫用戶代發幾條消息，這只是第一步。
在這個過程中，Boxy通過消息，順理成章地接管了你的日程、工作甚至生活流。溝通只是一個錨點，一旦你把最高頻的交互和決策留在了Boxy，它就會自然而然地成爲未來你召喚所有Agent、分發所有任務的終極入口。
elsewhere：可幾乎每個想做“個人助理”的軟硬件都會說自己會越來越理解用戶。
John ：這是一件必然發生的事情，沒錯。但是如果需要用戶和你的Agent進行大量的文本溝通，那用戶體驗是很差的。而且有由於是文本溝通，用戶對於錯誤判斷的容忍度是很低的，他還需要再自行打字來描述意願，進行糾錯。
所以，場景的選擇很重要，如何在這個場景中，讓Agent可以和人進行高頻交互，從而進一步理解用戶，產生黏性。
以此爲起點出發，我們認爲，當前划動的交互方式是很重要的。 划動帶來的不僅是生理快感和認知解脫，它更是最高頻的 RLHF （人類反饋 強化學習 ）。 每一次划動，不僅會讓Agent在後臺自行幫你完成了4-6個操作，每一次的接受、拒絕、編輯、延後、忽略和顯式反饋，都會變成新的學習信號，持續修正Personal Model對該用戶的理解。
通過這種持續在線學習機制，系統得以區分長期穩定偏好與短期情境變化，也能夠識別行爲趨勢和異常狀態。對Agent來說，這意味着它拿到的不再只是零散歷史片段，而是一組經過壓縮和建模後的高價值信號，從而可以在最合適的時間爲用戶做最合適的事情。
Personal Model + LLM =
真正可長期演化的Agent System
elsewhere：這裏存在一個巨大的 悖論 ：要做到建立每個人的Personal Model“主動預測”，用戶必須交出極其核心的私人社交和工作數據。憑什麼讓用戶放心？
John ： 隱私是生命線，也存在極高的技術壁壘。如果像其他產品一樣，把海量的原始聊天記錄全盤扔給雲端大模型去處理，那隱私保護就是一句空話。
我們用了一種“端側脫敏”架構：用戶的本地設備上會運行我們在本地部署的一套脫敏管線。它的核心任務是“數據模糊化”。比如，你在聊天記錄裏的真實姓名、公司、密碼等敏感信息，在本地就會被小模型替換成無意義的佔位符（比如Person A、Company B等）。
隨後，我們將這段完全脫敏的邏輯描述發給雲端大模型進行策略推理。雲端返回結果後，我們在本地再進行一次“還原”（Hydration），最後調用本地腳本進行任務執行。也就是說，雲端大模型永遠碰不到你的真實隱私，且用戶可以隨時查看上傳的數據日誌，一切透明。
elsewhere：相比 LLM ，你所說的Personal Model會在我們的生活中扮演什麼樣的角色？
John ： 在生成式AI普遍進入Agent化階段之後，如何讓智能體真正理解“具體的某一個用戶”是核心問題。單靠通用大語言模型本身，很難在有限上下文窗口內可靠地吸收用戶跨時間（數年月）以及跨平臺（多數據源）的行爲數據。所以，我認爲，真正有價值的個體化能力，應該來自一層獨立於基礎模型之外、持續演化的Personal Model。
這種架構的意義並不在於再訓練一個“更大的模型”，而在於給通用foundation model增加一層長期、個體化、可更新的user state。前者擅長通用推理與生成，後者負責長期記憶與用戶適配。兩者配合，智能體才能從“泛化能力強”走向“真正因人而異”，這也可能成爲下一代AI Agent從demo走向daily driver的關鍵分水嶺。
簡單來說，大模型決定了AI的能力上限，而Personal Model決定了AI對你的有用下限。而Boxy的目標，就是成爲全球最大的Personal Model生產商和託管平臺。
elsewhere：能感受到你對於Personal Model是一種堅信的態度。這種相信是從哪裏來的？
John ： 回頭看， 技術的發展其實一直在重複一件事情：把原本集中在中心的能力，一點點還給每一個人。
打電話，最早我們離不開電信運營商、電話交換系統。你想聯繫一個人，本質上是請求一箇中心化網絡幫你“連接”。後來上網，我們依賴互聯網服務提供商、遠端的數據中心。因爲信息、計算、內容——都在“那一端”，不在我們手裏。但現在，我們有了自己的手機，有了自己的電腦。很多原本屬於“網絡”的能力，被搬到了“設備”上。能力，開始從中心，流向每一個個體。
未來，隨着端側設備算力的提升，我們可以預期，每個人都將擁有足夠的本地計算能力（其實大家在大量購買Mac Mini就是在屯自己的算力）。在那個未來，這些算力要做什麼，是大家還沒定義的，而我們認爲這些算力應該去運行自己的Personal Model，然後配合雲端LLM進行足夠智能且理解個人數據的個性化推理。
我相信，我們正在進入一個全新的時代，一個每個人都將擁有屬於自己計算資源、擁有自己模型的時代。未來的AI體系將由兩類模型構成：一類是部署在雲端的通用 大模型 ，另一類是運行在個人設備上的Personal Model。兩者協同工作，人類才能第一次，真正擁有屬於自己的智能。
elsewhere：可直觀看上去，你想做的和豆包手機想做的沒什麼不一樣。
John ： 表面上看，大家都在講“個人智能助理”的故事，但底層的實現路徑和能觸達的數據有本質區別。豆包手機本質上還是巨頭做硬件、做OS的邏輯，只要是巨頭，就必然受制於大廠之間那堵厚厚的生態高牆。後來其他大廠對豆包手機的封禁也證明了這件事。拿不到全量的跨平臺context，所謂的Personal Model就是無源之水，最後只能淪爲一個好用點的語音助手或者系統插件。虛擬機方案使得Boxy不需要任何大廠給我們開放API。
更重要的是信任問題。從人性的角度來講，用戶真的願意把所有底褲級的私密社交和工作數據，毫無保留地上交給一家擁有龐大商業版圖的大廠嗎？這也是爲什麼我們花了極大代價去做“端側脫敏”。Boxy要做的不是某個大廠生態的附庸，而是一個絕對中立、完全透明、只忠誠於你個人的“數字資產保險箱”。
elsewhere：這個“第三方生態位”上可能站滿了 創業公司 。爲什麼你們能做？
John ： 這個賽道里的一類公司通過本地錄屏來收集數據，這是有侷限性的，它只能截取你“當前”正在做的屏幕片段，根本拿不到深度的歷史語境。這很難真正對一個人建立起語境。
同時，也有很多創業公司想要打造的是一個能做所有事的大一統Agent。這和我們的原則是相反的，也會帶來極大的不可控性和極高的出錯風險。
我們推崇的是Unix philosophy，相信每一個Agent都應該各司其職做一件事情，然後把這件事情做好。用戶不應該把一個模糊需求給到一箇中心化的智能中樞，“期待”它能順利執行。Boxy把具體的執行交給Agent Store裏各司其職的第三方開發者。
elsewhere：類似蘋果的App Store？你們會以什麼方式來吸引Agent開發者？
John ： 某種程度上很像。開發者在做AI應用時，最頭疼的永遠是兩件事：流量從哪來，以及怎麼拿到高質量的上下文數據。Boxy通過紮根“溝通場景”穩定流量。而全量數據、理解隱性偏好，Boxy都已經通過打造Personal Model做好了。
在Agent Store上的每一個Agent都會清晰的說明自己可以看什麼數據，不可以看什麼數據，且所有Agent看到的數據都是模糊處理過的數據，保證用戶隱私不被泄露。另一方面，Agent需要說明自己可以調用什麼工具，不可以調用什麼工具，例如幫忙做調研的Agent，就不應該有去某個平臺發消息的能力，也避免了惡意prompt injection導致Agent胡亂操作app的情況，以及就算碰到或者極小概率的hallucination（幻覺），Agent依舊不會造成過大的影響。
elsewhere：蘋果當初靠iPhone做分發渠道，那你們爲什麼不直接做硬件？
John ： 硬件當然是智能最完美的物理承載，但我對硬件的看法是： 先有靈魂，再有容器。
因爲它們拿不到用戶的全量context，所以AI硬件依然是個“失憶症患者”。 Personal Model就是那個“靈魂”，而硬件只是“容器”。 我們的策略是先在用戶現有的PC上，用最快的方式把這個靈魂給養出來。
elsewhere：你們自己的 商業模式 是怎樣規劃的？
John ： 短期來看，我們的商業模式主要基於訂閱制，如何更好的服務每一個用戶，讓他們把Boxy作爲溝通入口，是我們的核心，後續肯定會基於Agent Store的生態展開，我們會和平臺上提供各類垂直服務的第三方Agent開發者進行抽成和利潤分成。
但往更長遠的“新世界”來看，我相信，Personal Model將成爲每個人最核心的數字資產。隨着個人模型的不斷完善，它不僅是幫你省時間的工具，甚至能代表你去創造價值。
比如，在保證隱私脫敏的前提下，你的Agent可以代表你去參與特定消費品牌的商業調研，或者幫你自動篩選和對接商業機會。我們最終的商業想象力絕不僅僅是賣一個效率軟件的訂閱費，而希望成爲新世界裏，所有人的Agent和外部世界進行價值交換的基礎設施。
封面來源：Johannes Vermeer, Woman in Blue Reading a Letter , 1663, Rijksmuseum