個人 AI 代理和 AI 助手的區別，不在於聊天框、語音，甚至不在於軟體能不能呼叫工具。區別在於系統能維持怎樣的工作關係。
AI 助手通常圍繞當前這一次互動來幫助你。你提問，它回答、起草、分析或執行一個動作。個人 AI 代理則圍繞替你把一個結果跨越多個步驟和時間推進下去來組織。它可以儲存 Task 狀態，在可用的環境中工作，等待新資訊，並在工作完成或某個決定屬於你時回來找你。
這是側重點的不同，而不是一條普遍的命名規則。有些叫作助手的產品能執行多步驟操作。有些 AI 代理出現在助手內部。而一個能點選按鈕、卻在工作階段結束時就忘掉任務的 AI 代理，可能並沒有名字暗示的那麼有用。要區分這兩類，不妨先把標籤放到一邊，問一個更實際的問題：誰負責把工作推進到下一個有意義的狀態？
簡短的回答
AI 助手幫你完成一項任務。個人 AI 代理可以在你掌控的邊界內，承擔起替你推進一個 Task 的責任。
用助手時，互動往往跟著你的注意力走：你給出下一條提示詞，選擇下一步，並在工作階段之間搬運狀態。助手仍然可能搜尋、使用工具、編輯檔案或完成一條命令。讓它呈現助手形態的，是你仍然是主要的協調者。
用個人 AI 代理時，你可以交出一個結果，而不是監督每一輪。AI 代理會維護它要完成什麼、已經做了什麼、在等什麼，以及什麼時候應該回來找你。目標和有後果的決定仍然歸你。AI 代理承擔的是兩者之間更多的連續性。
由此可以做一個有用的對比：
這張表描述的是執行方式，不是認證考試。一個產品可以同時具備兩者。快速的問題可以保持助手的形態，較大的請求則成為 AI 代理的 Task。
標籤之所以重疊，是因為產品本身在重疊
沒有哪個權威機構負責給產品分配 助手 和 AI 代理 這兩個詞。廠商根據產品的歷史、介面、受眾和定位來使用它們。底層的能力也在趨同。
比如 Microsoft 把 AI 代理描述為具備知識、技能和工具的專門化 AI 助手，同時又把它們與 Microsoft 365 應用程式裡內建的 Copilot 助手區分開。SAP 採用了另一種架構：助手可以捕捉一個人的意圖並協調多個 AI 代理，而 AI 代理執行定義好的多步驟工作。兩種模型都說得通，但都不支援「所有助手都是被動的」或「所有 AI 代理都是獨立產品」這樣的規則。
這種重疊在介面上也看得到。一個對話式助手可以是通往 AI 代理的前門。使用者仍然在聊天框裡輸入，但那條訊息背後的工作可能會經過規劃、工具呼叫、檔案、程式碼執行和審核繼續下去。反過來，給聊天產品加一次工具呼叫，並不會讓它自動對某個結果承擔起持久的責任。
這就是為什麼基於標籤的功能清單會失靈。「有聊天」幾乎證明不了什麼。「用了大語言模型」證明的就更少了。「能存取我的日曆」告訴你係統可能碰到什麼，卻說明不了它能否承擔一個多步驟的排程安排結果、能否記住還有什麼沒解決，或者能否知道哪種變更需要你的核准。
可靠的比較方式看的是行為：跟著一件真實的工作從請求走到完成，觀察是誰讓它持續推進。
意圖要麼變成一次回應，要麼變成一份責任
助手和 AI 代理都從意圖開始。你可以讓任何一個「準備週五的決策簡報」。區別出現在請求被理解之後。
助手可以幫你理清問題、列出簡報提綱、總結你提供的文件，並起草各個部分。這可能正是你需要的。你在每個階段都參與其中，決定下一步去取哪份資料，注意到某位相關方還沒回復，並拼出最終的成果。
個人 AI 代理則把這個請求當作一份持續的責任。它需要一份持久的記錄：想要的結果、資料來源、約束、進展、未解決的問題，以及交付條件。它可能會收集它能存取的材料、進行比較、準備草稿、等待一份缺失的回覆、在回覆到來時把它納入，然後交回簡報，或者提出一個聚焦的審核問題。
區別不在於一個系統會「思考」而另一個不會。而在於 AI 代理擁有一個比單輪對話更大的工作單元。被推進的物件是 Task，而不是最新的那條訊息。
關於這個類別更完整的定義，可以看 什麼是個人 AI 代理？。這裡的要點更窄：比較助手和個人 AI 代理時，要找的證據是意圖變成了持久的工作，而不是一串需要你不斷重新拼湊的步驟。
主動性關乎相關性，而不是不請自來的動作
人們常把這種比較簡化成「助手是被動的，AI 代理是主動的」。這個方向大體有用，但從執行的角度看並不完整。
助手可能在沒有新提示的情況下行動。它可以推送一份定時簡報、提醒你開會，或在某個應用程式裡給出建議。個人 AI 代理則可能大部分時間都在安靜地等待。有意義的區別不是軟體是否先開口。而是它能否把一個新事件與它已經承擔的一份責任連結起來，並選擇一個合適的下一個狀態。
假設你要求在預算內策劃一次團建，但有一位參與者還沒確認，而首選場地的保留明天就要到期。一個普通的提醒可以告訴你有這個截止日期。一個持續的 AI 代理則能把這個截止日期和進行中的 Task 連結起來，判斷哪些準備工作可以繼續，並交回真正阻礙進展的那個決定：要不要在最後一份回覆到來之前就預訂。
因此，好的主動性有三個組成部分：
一個持續的目標或責任；
一個與該目標相關的實質性變化；
一個有邊界的回應，比如繼續工作、準備草稿、請求審核，或者保持安靜。
沒有這些約束的主動性，只是打擾。Comma 處理「喚醒還是等待」這個決定的方式，在 始終在線的個人 AI 代理應該在什麼時候醒來？ 裡有介紹。在類別比較中，檢驗標準更簡單：系統能否注意到某個已有的 Task 應該推進了，而不把每個事件都當作行動許可？
任務歸屬不是凌駕於使用者之上的權力
「歸屬」聽起來好像 AI 代理是要取代人的判斷。它的意思應該幾乎相反：責任劃分清楚到 AI 代理知道該推進什麼、該交回什麼。
使用者負責目的、可接受的取捨和後果。AI 代理可以負責在這些邊界內推進工作的具體操作。如果任務是準備季度報告，AI 代理可以收集約定好的資料、執行計算、標出不一致之處，並生成文件。它不應該因為新數字看起來更好，就悄悄改變報告的口徑。
一個有用的 Task 至少有四條邊界：
結果： 工作完成時應該有什麼結果？
範圍： 哪些來源、系統、人和動作是相關的？
權限： AI 代理可以在不另行請求決定的情況下檢視、準備或更改什麼？
交接： 什麼條件意味著「已完成」「受阻」或「待審核」？
助手可以幫你確立每一條。個人 AI 代理的不同在於，系統隨後能把它們作為執行狀態帶下去。你不必在每次工作恢復時都重新說一遍預算、「只起草」的指示，或那項還沒到位的核准。
這也是為什麼自主性不應以人被詢問的頻率有多低來衡量。一個能幹的 AI 代理可能比一個弱的 AI 代理問出更精確的問題，因為它能識別出真正的決策邊界。目標不是最大程度的獨立，而是在不失去人的掌控的前提下，把不必要的協調降到最低。
持續性不只是記住對話
記憶常被說成是助手和 AI 代理之間的分界線，但「記得東西」這個說法太模糊，用處不大。一個系統可能記得你偏好的寫作語氣，卻完全不知道某個 Task 正在等一份簽好的合約。它可能儲存了很長的對話記錄，卻丟掉了當前的計畫。
對 AI 代理式的工作來說，持續性需要儲存的是執行狀態：
想要的結果和當前計畫；
已經嘗試過的動作及其結果；
產出或收到的成果和原始材料；
阻礙、截止日期、依賴和待定的決定；
仍然適用的權限和約束；
工作應該恢復的條件。
這種狀態讓系統能夠安全地停下，之後再繼續。當下一個合理步驟取決於某個外部事件時，等待並不是失敗。個人 AI 代理應該能分清「暫時沒法再推進了」和「任務被忘掉了」。
對話記憶仍然有幫助。它能讓你不必重複偏好和背景。但個人 AI 代理需要的是工作的記錄，而不只是話語的記錄。這就是為什麼 始終在線的個人 AI 代理如何讓長期工作持續推進 關注的是等待、恢復和保持 Task 的連續性，而不只是擴大脈絡視窗。
工具很重要，工作環境更重要
使用工具是 AI 代理的一個常見定義。Google Cloud 關於代管 AI 代理的概述 描述了一個迭代迴圈：AI 代理圍繞目標進行推理，用工具或程式碼行動，觀察結果，然後重複。它還提出了一個重要的基礎架構觀點：多步驟工作需要一個地方來存放檔案、執行程式碼、使用憑證和儲存狀態。
助手可以呼叫搜尋工具、查詢資料庫、新增日曆事件或編輯文件。這些動作可能是完整而有價值的。但如果一個較大的結果跨越多個系統，或者在互動結束後還要繼續，孤立的工具呼叫就不夠了。AI 代理需要一個與 Task 繫結的執行環境。
以「分析這些註冊資料並準備週報」為例。只會回覆的系統可以講解分析方法或生成程式碼。能執行動作的助手可能在被提示時跑一次分析。而對結果負責的個人 AI 代理可能需要找到當前的資料、執行分析、檢查報錯、改正它、生成圖表和報告、儲存成果，並交回證據，說明使用的是所要求的時間段和口徑。
合適的環境取決於工作本身。它可能是一個已連線的應用程式、一個受控的瀏覽器、一台在你筆電合上後仍然可用的雲端電腦，或者是你自己的電腦，配上你可以撤銷的權限。存取權限並不是越多越好。存取應當限於這個 Task，系統也應該講清楚動作會在哪裡執行。
當軟體能夠持續工作時，人的掌控換了一種形態
用逐輪對話的助手時，掌控往往來自直接的監督：你看到一個建議的回答或動作，然後給出下一條指令。用個人 AI 代理時，持續的監督會讓它失去大部分意義。掌控必須轉移到執行的邊界上。
這包括權限、行動策略、看得見的 Task 狀態、審批節點、停止控制，以及發生過什麼的證據。系統應該讓你至少能區分四類行為：
讀取或檢視，比如開啟檔案、檢查狀態；
準備，比如起草回覆、製作報告；
更改，比如編輯檔案、更新一個 issue；
提交，比如傳送、釋出、購買、刪除，或接受一項有後果的取捨。
這些類別取決於具體情境。編輯一份可丟棄的草稿，與修改一個共享的權威記錄是兩回事。傳送一條內部進度更新，與做出一項公開承諾也是兩回事。一個值得信任的個人 AI 代理，不應該僅僅因為技術上有存取權限，就推斷自己擁有廣泛的權力。
這是對「助手與 AI 代理」簡單化說法最重要的糾正：更強的連續性並不能成為放鬆監督的理由。它要求設計得更好的監督。AI 代理必須能在不為每個可撤回步驟都請示的情況下推進，同時把後果屬於使用者的決定交還給使用者。
你需要哪一種？
當工作需要你持續的判斷、能在當前工作階段內完成，或者最終是你自己要用的資訊時，選擇助手形態的互動。請求一個解釋、探索幾種方案、改寫一段文字、追問一個資料集，或起草一條回覆，可能都不需要一個持久的 Task。
當協調本身成為問題的一部分時，選擇個人 AI 代理。以下情況越多，理由就越充分：
工作跨越多個步驟、來源或工具；
可能要等某些人、某些系統或一個未來的事件；
應該在你專注於別的事情時繼續推進；
有具體的交付物或完成條件；
進展、阻礙和審核節點需要一直可見；
可以用清晰的權限和升級規則來界定邊界。
你不必永遠只選一種介面。很自然的產品設計往往是一個共享的入口，背後有兩種工作方式。快速的問題得到直接的回答。較大的結果成為一個 Task。這種轉換應該是看得見的，因為使用者的預期和系統的責任都已經改變了。
如何在真實產品中評估這種區別
營銷用語解決不了類別問題，所以要檢驗的是執行約定。給產品一個有代表性的任務：重要到不止一個步驟，又安全到可以放心觀察。然後問這些問題：
關掉介面之後，還剩下什麼？ 要找的是一個持續的 Task，帶有結果、進展、成果、阻礙和後續條件，而不只是一份可以找回的對話記錄。
誰來確定下一步？ 系統應該能在範圍內規劃和調整。如果每一次轉換都要你來發現並提示，那你仍然是那台工作流程引擎。
它能否有理由地等待和恢復？ 當系統處理了一個依賴或事件而沒有丟掉任務時，持續性才算得到了證明。
它在哪裡行動？ 弄清楚由哪個應用程式、瀏覽器、電腦或執行環境執行工作，以及你的裝置離線時那個環境是否仍然可用。
它不經詢問能做什麼？ 權限應該一目了然。要找的是讀取、起草、更改和提交之間的區分，而不是一個打著方便旗號的「完全存取」開關。
它怎樣交還控制權？ 一個有用的審核請求會指出要做的決定、相關的證據，以及每個選項的後果。「出了點問題」算不上交接設計。
我怎樣讓它停下或糾正它？ 你應該能改變方向、撤銷存取權限、停止工作，並保留有用的成果，而不必交出對整個系統的掌控。
如果一個產品對這些問題都回答得好，它主頁上用的是哪個詞就沒那麼重要了。你已經有了證據，知道它真正能支撐怎樣的關係。
Comma 處在什麼位置
Comma 有意把類似助手的介面和個人 AI 代理的執行模式結合在一起。每個請求都可以從聊天開始。快速的問題可以在那裡得到回答；更大的工作會成為 Comma 推進下去、並由它自己標為完成的 Task。
Task 提供了持續的工作單元。Comma 可以在已連線的應用程式和檔案中工作，在接入的 Mac 上工作，或者在它的雲端電腦上工作。根據 Comma Agent 指南，已連線的電腦一開始是唯讀的，直到使用者允許更多操作。當某個決定屬於使用者時，Task 會在 待審核 中等待；使用者也可以要求 Comma 只起草。
這種組合比把產品叫作助手還是 AI 代理更重要。聊天捕捉意圖。Task 儲存責任。工作環境讓行動成為可能。待審核交還有後果的選擇。Routine 和由事件驅動的 Loop 可以在工作變得相關時把它帶出來，而不會把每個到來的事件都變成一條指令。
完整的產品介紹，請閱讀 認識 Comma。如果你在決定系統和資料應該執行在哪裡，代管與自行託管的個人 AI 代理 討論了這個單獨的選擇。
常見問題
個人 AI 代理和 AI 助手是一回事嗎？
這兩個詞有重疊，有些產品兩個都用。一個實用的區分是：助手把幫助集中在當前的互動上，而個人 AI 代理對跨越多個步驟和時間推進一個結果承擔責任。要看產品的行為，而不是依賴它的標籤。
AI 助手能使用工具和執行動作嗎？
能。助手可以搜尋、查詢資料、編輯文件、安排排程，或執行其他動作。僅僅使用工具並不能證明它對 Task 有持續的歸屬。更有力的 AI 代理檢驗是：系統能否儲存目標和工作狀態，在範圍內選擇後續步驟，等待和恢復，並在定義好的邊界交還控制權。
個人 AI 代理會未經許可就行動嗎？
它應該只在使用者授予的權限和策略範圍內行動。好的個人 AI 代理可以繼續可撤回的、範圍內的工作，而不必為每一步都請求核准，同時把有後果的決定或動作上報。更多的自主應當伴隨更清晰的邊界，而不是全面的授權。
主動的助手就自動是個人 AI 代理嗎？
不是。定時提醒或主動給出的建議可能很有用，但僅有主動性是不夠的。個人 AI 代理會把一個事件和一份持續的責任連結起來，判斷什麼樣的進展是合適的，並儲存由此產生的 Task 狀態。
個人 AI 代理需要長期記憶嗎？
它需要足夠的持久狀態來承擔自己的責任：結果、計畫、進展、成果、阻礙、權限和恢復條件。記住偏好可以改善個性化，但大量的對話記憶不能替代 Task 狀態。
一個產品能既是助手又是個人 AI 代理嗎？
能。一個對話式介面可以處理助手形態的問題，也可以啟動 AI 代理形態的 Task。重要的是使用者能看清一個請求什麼時候變成了持續的工作、系統被允許做什麼，以及它什麼時候會回來請求審核。
尋求幫助，還是交出結果
助手並不是低一等的 AI 代理。當你想留在工作裡、親自做每個判斷、並立即使用結果時，它往往正是合適的幫助形式。當監督每一次轉換本身成了負擔時，個人 AI 代理才顯出價值。
分界線不在於軟體聽起來像不像人，也不在於它能不能做一場驚豔的示範。而在於系統能否把你的意圖變成一份有邊界的責任，讓這份責任保持活著，在合適的環境裡行動，並把仍然屬於你的決定交還給你。
當工作需要的不只是又一個答案時，試試 Comma。
