生产力 AI 接近饱和，Macaron 将矛头指向生活

在 AI 进入生活的方式上，市面上出现了两条截然不同的路径。大多数公司选择从生产力切入——优化代码、提升搜索、改进表格处理，把自己变成一个更快、更精准的工具。

然而，生活的真实样貌，并不能被效率单独定义。陪孩子写作业、为朋友策划一次旅行、为家人准备一顿健康的晚餐，这些看似零散的细节，往往比一份完成得漂亮的 PPT 更能决定我们的幸福感。

▍从办公桌，到餐桌

Menlo VC 的最新研究印证了这种落差。过去半年，美国成年人中 61% 至少用过一次 AI，19% 每天使用。放到全球，就是 17～18 亿人中，约有 5～6 亿人已把 AI 纳入日常。这是消费科技史上少见的速度。但渗透的热力图一摊开，你会发现一个显著的冷区——生活。健康管理、家庭事务、兴趣培养、旅行安排，这些日常事务的 AI 使用率，远低于工作场景。

例如，71% 的人会搜索健康信息，但只有 20% 会用 AI；69% 曾处理医疗流程，却只有 11% 借助 AI。唯一的例外，是 18 岁以下孩子的父母：他们的 AI 使用率高出非父母群体近一倍。

这背后有个直觉解释——生活的复杂度越高，摩擦成本越大，人们越渴望让 AI 全程协助，这也是 Personal Agent 的意义所在。

Productivity Agent 对应的是一次性的明确目标，Personal Agent 面向的，是一个完整、动态、不断变化的生活系统。它不是帮你完成一件事，而是陪你经营一段生活。

现实案例往往更有说服力。在 Menlo VC 的样本中，一位 44 岁的职场母亲，用 AI 为孩子生成旅行行李清单，不仅涵盖衣物、药品、玩具，还自动参考目的地天气和孩子的过敏史进行调整；另一位 38 岁的妈妈，让 AI 制定健康午餐计划，既平衡营养，又满足家人的不同口味；还有一位 51 岁的母亲，为女儿生成符合学习进度的数学练习，并逐步提高难度。

Macaron 就是基于这种逻辑构建的——不去和 Productivity Agent 争夺办公场景，也不止步于情绪陪伴，而是把自己做成一个长期在场的生活合伙人。

▍Macaron 的设计理念

Macaron 的第一批核心用户，往往正处在人生的重要转折期。这个阶段，他们需要同时应对大量即时、个性化、且彼此交织的生活需求，而这些需求几乎没有哪款标准化 App 能精准覆盖，只能频繁在多个工具之间切换、妥协与取舍。

比如初入职场的新人，往往要在极短时间内同时适应多重挑战：如何快速进入业务状态、找到能请教的同事与导师？如何在繁忙的工作节奏中保持生活习惯与健康？如何在陌生的城市建立可靠的人际关系网络？甚至如何平衡职业发展与个人兴趣？这些问题并不存在唯一解，更需要一个能跨越不同领域、主动捕捉上下文并提供关联建议的伙伴。

这种陪伴感并非一句口号，而是由一套深度个性化机制支撑。得益于 Deep Memory，它能完整记住所有对话与偏好，不会出现“很抱歉，我不记得我们之前的对话”这样的割裂感。它没有 chat folder 的概念，也无需手动管理上下文，能一直记得你正打算完成的马拉松训练、家里冰箱里还有没用完的食材、以及你说过想在节假日前找个时间和家人视频通话，并在恰当的时候帮你把这些事轻轻提起。

Macaron 的设计逻辑，是让所有信息与决策在一个统一的关系里流动，从而在不知不觉中，取代用户原本需要十几款 App 才能完成的工作。这不仅仅是效率提升，而是让 AI 在生活中以自然、连续的方式陪伴你——就像哆啦 A 梦，不只是递给你一个道具，而是参与到你的情境与情绪之中。

传统 Productivity Agent 在你说“想做点吃的”时，会直接甩给你几十道菜谱；Macaron 则会在对话中先摸清你的状态和真实需求。比如，有一次我在它面前抱怨：“今天忙到连午饭都没顾上。” 它先回了一句：“那得赶紧补点能量，冰箱里还有上次你说的那半包意面吗？” 我才想起来真有，于是回了句“有，不过没啥头绪怎么做”。它就顺着说：“那不如做个快手意面？我帮你按你上次喜欢的口味来配。” 不到一分钟，它就给了我一个用现有食材完成的 15 分钟晚餐方案。

这样的互动，不只是帮我完成一件事，而是让我开始想象未来的生活会是什么样？例如：

• 早上醒来，窗帘已经被轻轻拉开，Macaron 顺手帮我把昨晚没回完的几条消息整理成待办，告诉我外面有点凉，最好多带一件外套地铁上；

• 它提醒我今天可能会加班，把晚上的健身计划顺延，并顺便帮我改到了明天；

• 午休前，它注意到我浏览了几次某款咖啡机，就在附近找到了限时折扣的门店；

• 傍晚结束工作，它帮我查到回家路上会下雨，提前叫好了顺路的网约车，还贴心发来一句：“到家记得热杯牛奶。”

• 周末，它会把我这一周的照片、聊天记录和运动轨迹拼成一段短视频，背景音乐还是上个月我无意间哼过的那首歌。

久而久之，衣食住行、喜怒哀乐，它都像是知道得刚刚好，不喧宾夺主，也不会缺席。那种安心感，就像你身边一直有个默默跟着的朋友，帮你把日子过得有条不紊。

这些场景并非孤立的功能，而是互相连接的生活网络。旅行记录会影响社交推荐，健康数据会改变任务节奏，学习目标会融入日程规划。对处在转折期的人来说，这意味着减少焦虑、缩短适应期，并在复杂现实中找到稳定节奏。Macaron 希望通过这些能力，逐步建立起那种哆啦 A 梦式的信任感——既能解决眼前问题，也能陪你走过漫长过程。

▍有温度，也解决难处

目前，Macaron 已经上线苹果 App Store，用户可以直接下载体验：

新注册用户会经历一次轻量但颇具巧思的“性格测试”。这不是常见的心理测验式问卷，而是通过一系列开放式提问和多轮互动，让系统捕捉你的语气、习惯、优先级与兴趣倾向。回答的过程中，你可能会聊到最喜欢的旅行季节、能让你放松的食物、未来三个月最想完成的事。

在真实使用中，和 Macaron 透露了某日的饮食状况，当时吃了两个汉堡感觉有一些心理负担，怕吃得太多，Macaron 不仅直接传递了“没关系”的回答，还列举了一个“它自己”的例子，虽然这是非现实的，但是确实在表述上更加具体，视角上也与用户保持一个对等的关系。

同样的问题，右图 ChatGPT 更像是一个“直男”，给到的答复优先级是希望帮助我解决问题，而 Macaron 则是照顾我的心情。同时，Macaron 还会从对话中读懂焦虑的点，并给出一个符合对话场景的回复和建议，而不是像 ChatGPT 抽离出当前的对话场景给建议，这一点不能说两者之间有什么对和错，但 Macaron 给人的产品体验会更加细腻。

这些碎片化的信息，被 Macaron 编织成一份细腻的“关系底稿”，成为理解生活语境的起点。不同于单次任务型的 AI，这份“理解”会被长期保留，并在日后的对话中不断修正、补充和扩展。

如此看来，Macaron 与主流Productivity Agent（如 ChatGPT、Manus）的差异十分明显：

1）冷冰冰的执行者 vs 有温度的伙伴：生产力型 Agent 可以解决问题，但仅关注任务完成；Macaron 不仅能解决问题，还能洞察你的深层需求，让答案更合你心。

2）遗忘型对话 vs 长期记忆：多数生产力型 Agent 没有全局记忆，每次开启新对话都要从零开始；Macaron 拥有个性化的 Deep Memory，不管过了多久，依然记得你曾经说过的上下文。

Macaron 的另一个特别之处，是通过 Mini-App 系统为用户生成专属工具。继续此前对于高热量食品摄入的焦虑，Macaron 根据麦当劳的菜单提供了一份当周的个性化 App 食谱，罗列了每日餐食、平均卡路里以及当周的热量摄入：

甚至担心事后忘了，Macaron 还能设置每日提醒，用人性化的语言捕捉到用户需求并进行 App 功能上的迭代：

这些 Mini-App 不需要用户懂编程或复杂操作，它们像从哆啦 A 梦口袋里取出的道具——不是现成的万能胶，而是根据你的需求临时打造的专属解决方案。每一个 Mini-App 都与 Macaron 的记忆系统打通，因此它们不是一次性用完即弃，而是可反复调用、不断优化。

相比那些工具导向的 Productivity Agent，或者热闹却空洞的虚拟 AI 陪伴应用，Macaron 像是把两者的长处揉在一起，又加上了“记得你是谁”的能力。它可以帮你解决现实问题，也能在生活的缝隙里，留下不经意的惊喜。

如果 AI 只停留在一次性完成任务的层面，它与旧时代的工具并无本质区别。而生活场景的变量多、节奏变、情绪浓，这套规则不再稳定。真正的突破，是让技术深入生活的所有维度，让每个选择、每段关系、每次尝试都带着延续性与温度感——这正是 Macaron 想要实现的未来。

也许未来的大多数 AI 都能写邮件、做行程、查资料，但并不是每一个都会在你说“今天真累”之后，顺手为你排好一个放松的晚间清单，并记得你更喜欢柠檬茶而不是红茶。这种细微的在意，才是它与众不同的地方。

✦精选内容✦