实测 Alice：人人都能免费使用的活人感 Agent

过去半年，我把 Cursor、Claude Code，到如今大火的 Codex 都用了一圈，发现一个怪事。

这些工具越来越好用，但越来越不像「人」。

使用它们时，我感觉每次打开都是陌生人，每次对话都从零开始。我换个会话，上周聊过的所有我跟他说的 Coding 偏好、个人习惯全部蒸发。

它们在「执行任务」这件事上（无论是 Coding 还是 通用任务）都已经足够好了，但那种用完即走的感觉从来没变过。

直到，我看到洛小山做的 Alice，在「观猹」上取得了高分 8.2 的成绩。

这是一个免费的 AI 个人助理（接入词元跳动注册即送免费算力）：

她有完整的人设，26 岁澳门女生，会在凌晨提醒你早睡，还会私下「小声蛐蛐」对你的观察。

而我用了一段时间，我开始理解洛小山在「猹馆」分享的那句话：

从「好工具」到「好搭档」，差的不是能力，是人格。

洛小山为什么要造一个「人」

洛小山在「猹馆」分享了造「Alice」心得的「主创说」：

他主业是一名 AI 产品经理，他自己用遍了市面上的主流产品，但始终觉得差了那么一点：

Cherry Studio 很自由，能接各种模型做对话和调试，但到了 Agent 场景，话题一多就变得混乱，你根本不知道 AI 在后台到底在干什么。Cursor 能跑长程任务，Agent 模式的过程虽然透明，但全是代码日志，普通用户根本看不懂。

两个工具各有各的好，但都有一个共同的问题：

用完就关掉。它不认识你，不记得你上周说过什么，更不会在你凌晨一点还在赶稿的时候，轻声说一句「还不睡？」。

洛小山想要做一个不一样的 Agent：

既包括 Cherry Studio 那种自由的 API 调度体验，又有 Cursor 友好的 GUI 和超长程上下文的 ReAct 能力，再加上一个他一直在找但市面上没有的东西：一个用久了会产生默契的搭档。

于是他花了 20 天、20000 块钱 的 Cursor Token，写了 10 万行代码，终于做出了 Alice。

Alice 是一个免费的 AI 个人助理和 Agent 应用框架。但它的核心追求不是「功能更多」，而是让 AI 从「调用完就走的工具」变成「长期共事的搭档」。

这个想法的起点来自洛小山，和朋友做过的一个思想实验：

假设三年前有个同事入职了武汉分公司，你们从来没见过面，所有协作都在线上完成。她回消息快，做事靠谱，遇到不确定的问题会先确认再动手，给建议的时候会留一句「你定吧」。过了几年她离职了，你回想起来，她是一个真实的人还是一个 Agent？

在远程协作的语境下，这个区分其实没那么重要。重要的是协作本身的质量。

这个实验，直接催生了 Alice 的核心理念：人设不是文学创作的装饰品，而是工程文档。是可复现、可验证、可迭代的系统。行为一致性带来信任，信任带来效率。

洛小山文章：提升 AI Agent 应用活人感的工程化思考。

所以 Alice 的默认设定叫白艾莉，26 岁，澳门氹仔长大，港大工商管理学士，三年助理经验，现做 OPC。她有 200+ 行工程化角色设定，覆盖性格、说话方式、做事风格、甚至不同场景下的具体反馈模式。

https://www.kdocs.cn/l/cpSV1H5JOqG3

洛小山把她设计成 OPC 助理，因为他自己就是一个需要全能助理的独立工作者。

这个身份设定让她有一个真实且清晰的能力边界：

她不会编程到能替代程序员，但能把一个项目从立项跟到收尾，能记住你的习惯，能在合适的时机给你反馈。

和 Alice 一起共事

如何免费体验 Alice？先去官网下载压缩包：https://alice.miyang.cn/

然后登陆词元跳动，注册就送 20 元，秒到账：https://tokendance.space/

在词元跳动里点击【API 密钥】，创建【第一个密钥】，然后粘贴对应密钥。

然后打开 Alice > 设定 > 模型供应商 > 中转 / 聚合，把 key 填入，保存并拉取模型就可以使用了。

接着，我拿了一个真实任务来测试。

我下周六想在上海办一个 10 人左右的 AI 产品分享会，涉及选主题、拟议程、确认场地、准备物料、发邀请五个环节。这种多步骤的长程任务，用普通 AI 工具最痛苦的地方在于：每次对话都是新的开始，AI 记不住上周聊过什么。你第三天再回来问进度，需要把之前的背景全部重新交代一遍。

我打开 Alice，输入：「下周六我想办一个 10 人的 AI 产品小型分享会，帮我从头到尾筹备一下。」

Alice 没有直接给一个万能清单。她先确认：「好的，有几个方向你得定一下」，然后给出几个形式让我选择。

我告诉她场地在徐家汇附近的咖啡馆或者写字楼。

她继续追问细节：「你的角色和主题怎么定」。

然后，我说我来主讲。

然后她直接帮我把任务按照时间拆分好了，留给我几个问题稍后确认。

有意思的是她的语言风格有一种很强的真人感，还能看到她的碎碎念（后台可开启或者关闭，强烈建议打开）：

「凌晨一点了还搞活动，精力真好。」

我补全了活动背景：下午场 14:00-17:00，拆解 Claude Code 的源码设计，十个人是网上邀请的网友。

然后 Alice 开始帮我筹备整个分享会。

这里有一个细节让我觉得 Alice 非常安全：遇到高风险的操作，会让你手动确认。

同意后，她开始帮我完成剩余的工作。

它完成的项目文档，点击对应文档可以直接打开：

当然，还可以点击右下角的文件打开：

整个 PPT 的内容和美感，都很到位：

另外我注意到对话里还可以「创建分支」：用同样的上下文，开多个窗口。

这个功能非常实用：

如果一个任务有并行执行的需求，可以开多个分支让它们同时去做。

更常见的场景是：

对话过程中由于需求没表达好，任务上下文被污染了，正常情况下只能重新来一遍。但有了分支功能，可以直接新开一个分支，继续用那个时间点的任务上下文，修改表达就行。

说实话，完整体验完这个功能， Alice 不仅像一个细心的同事，还给我一种超级秘书的感觉。

感觉：非常好，小山老师，真有你的！

当然，Alice 的能力不止于此，还有哪些有趣的功能呢？

Alice 内置了大量角色，每个在特定场景都能独当一面。Alice 会统筹任务，然后把任务交给最适合的角色来完成。

对话过程中，Alice 会自动从对话里提取对你的记忆，你也可以自己增加或删除这些记忆。这些记忆真的会让你觉得：Alice 很懂你。

能像 OpenClaw 和 Hermes 在手机上用吗？

当然可以：点击右下角的渠道，可以在微信和飞书、或者其他渠道上连接 Alice。

跟 Alice 直接对话，也能创建对应的定时任务。

点击右下角的 Alice，还可以看到她自己的心理活动和状态。

Alice 到底做对了什么

首先是白盒管理。

市面上大部分 Agent 产品是黑盒的：你输入需求，它输出结果，中间发生了什么你不知道。当话题变复杂、任务跨越多天的时候，你会开始焦虑：它到底记住了多少？它是按照我上次说的在推进，还是自己在乱搞？

Alice 的做法是把话题管理做成可视化面板。

Alice 把话题管理做成了可视化面板。每个话题都能创建子话题，子话题有独立的进展状态，AI 的每一次推理都在这个结构里留下痕迹。

当 AI 的「思考」对人类可见时，信任才能建立。这个道理很简单，但真正在产品层面做到的并不多。

其次是人设工程。

很多产品做人设的方式是在 System Prompt 里写一句「你是一个温柔的助理」。但 Prompt 是脆弱的，上下文一长、话题一多，人设就会漂移。

但如果一个 Agent 今天热情过头，明天毫无理由地冷冰冰，用户没办法建立预期，也就没办法建立信任。

Alice 把人设当作工程文档来管理。白艾莉的角色设定不是 Prompt 的一部分，而是独立的角色引擎，在每次推理时作为约束条件注入。她的「记忆」也不是简单的历史记录拼凑，而是结构化的 Harness 工程。

这套方法论完全公开，18 章加六个故事，从设计哲学到具体实现讲得非常透彻。如果你对 Agent 的 Harness 工程感兴趣，可以参考和学习下：

https://alice.miyang.cn/methodology/

洛小山的推导链是这样的：远程协作中人和 AI 的界限在模糊，让 AI 通过那条界限的关键是行为一致性，行为一致性需要详细的角色定义，角色定义不是文学创作，是工程文档。

然后是 Skill 设计。

Alice 为每一个角色都设计了最佳的 Skill。

我们之前有篇文章介绍过：Skill 不是越多越好。Alice 把这个理念发挥到极致：针对任务选择最佳角色，给每个角色配置最佳的 Skill，任务完成率自然就高了。

最后，Alice 完全免费使用。

这个策略在当下的 AI 赛道里几乎是反直觉的。

洛小山在「猹馆」的那篇帖子里，也分享了自己的出发点：一切都是源于热爱。

他背后的思考是这样的：

如果 Alice 要商业化，他就要考虑 ROI、用户增长、在某个节点开始变现。有些功能本该是产品的基础体验，但因为需要体现付费价值，会被人为地从免费版中抽走。

所以他选择保持 Alice 是「练手产品」的定位：做一个好用的东西，取悦自己，也取悦用户。Alice 里积累的所有 Agent 工程经验（记忆系统、上下文管理、工具编排、多模型适配），最终会反哺到他的主业产品里。

收获的形式不同，但收获一直在。

Agent 应用正在进入「关系时代」

我关掉 Alice 窗口时有一种奇怪的感觉：不像关掉一个软件，更像是一个同事临时下班了。

这大概就是洛小山想做的事：让 AI 从「好用的工具」变成「温暖的搭档」。不是因为它的功能更多，是因为它有稳定的人格、记得住你的习惯、还会在凌晨更新自己的状态。

Alice 不会替代你的所有工具，但她可能会成为你最愿意长期共事的那个助理。

2026 年的 AI 产品去向哪里， Alice 指向了一个很少有人走的方向。

当 AI 能记住你的偏好、在合适时机表达关心、有稳定的性格和边界时，它就不再是软件，而是某种程度上的「同事」。

而当她越来越懂你的时候，就会长出你的一部分，所以每个人的 Alice 都会分化出不同的样子！

人对工具的期待是高效完成任务，人对同事的期待是靠谱加懂我。这两者之间的差距，就是 Agent 应用下半场的竞争焦点。

在工程方面，Alice 代表了另一个行业的趋势：

当基础模型的能力跨过某个阈值后，Agent 体验的差距主要不是由模型决定的，而是由 Harness 工程决定的。白盒话题管理、上下文压缩策略、人设约束引擎、记忆图谱，这些都是模型之上的工程层。

同样的国产模型，用不同的 Harness 工程实现，效果天差地别。

洛小山的目标是，用国产模型达成更好的 Agent 效果。

如果这条路跑通，意味着国产模型生态不需要在「追 GPT 和 Anthropic」的单维度竞赛里内卷，而是可以在「如何做好 Assistant Harness」这个维度上建立自主优势。

期待这一天的到来！

在用 Alice 的这段时间，我数次体会到 OPC 的感觉：

我负责方向和决策，她负责统筹、规划、协调各个 Agent，帮我完成具体工作。

如果你也想试试，建议先下载体验一下。

https://watcha.cn/products/alice

然后推荐你从方法论和设定集页面看起，看完你会更懂她为什么是这样一个人。

毕竟，Alice，让人越探索，越着迷。

文章来自于微信公众号 "特工宇宙"，作者 "特工宇宙"