蚂蚁旗下的 AI 产品：

灵光，正在发生一次明显变化。

过去大家提到灵光，最容易想到的是：

一句话生成闪应用。

输入一个需求，几十秒内做出可以交互、编辑和分享的小工具。

除此之外，它还可以进行多模态问答、图片和视频创作，并通过 3D 模型、动态图表、地图和动画等方式组织答案。

现在，灵光开始尝试从：

“能聊天、能生成内容、能做应用的 AI 助手”

继续走向：

“能够长期记住用户，并主动推进任务的个人智能体”。

它不再只等用户每次发来一句指令。

而是希望记住目标、跟踪变化、调用外部能力，并在合适的时候继续把事情往下做。

一、灵光原来主要解决什么问题？

灵光正式上线时，主要围绕三项核心能力展开：

灵光对话。

灵光闪应用。

灵光开眼。

其中最有辨识度的是“闪应用”。

用户只需要说：

帮我做一个旅行预算计算器。

做一个适合减脂期使用的饮食记录工具。

根据我的训练计划生成每日打卡应用。

灵光就可以直接生成一个可交互的小应用。

它并不是只给你一段代码，而是让普通用户直接在手机中运行、编辑和分享。

这种产品逻辑更接近：

用户提出一个需求
↓
AI生成代码
↓
立即得到可交互应用
↓
用户继续修改和分享

新版要做的，则不只是完成一次生成任务。

而是继续处理：

那些会持续几天、几周，甚至随着现实变化不断调整的事情。

二、新版灵光最大的变化：开始拥有长期记忆

普通聊天助手最大的问题之一是：

每次都要重新解释背景。

你可能昨天刚刚告诉它：

准备去成都旅行；

预算是 5000 元；

不吃辣；

希望住在地铁附近。

第二天重新打开一个对话，又要把这些信息再讲一遍。

个人智能体需要解决的第一件事，就是：

记住对用户真正重要的信息。

新版灵光正在测试长期记忆能力。

它可以尝试保留：

用户偏好；

长期目标；

历史决策；

正在推进的任务；

与任务相关的重要背景。

例如用户说：

我准备年底换一台适合剪视频的电脑，预算不要超过一万元。

普通 AI 可能当场给出一份推荐清单。

拥有长期记忆的 Agent，则可以继续记住：

预算；

用途；

品牌偏好；

购买时间；

已经排除的型号。

后续有新产品发布或价格变化时，不需要用户重新解释全部背景。

三、从“回答一次”变成“持续盯住一件事”

长期记忆只是基础。

新版灵光更重要的一步是：

主动推进任务。

普通 Chatbot 的工作模式通常是：

用户提问
↓
AI回答
↓
本轮任务结束

个人智能体则更接近：

用户提出长期目标
↓
Agent制定计划
↓
持续跟踪外部变化
↓
发现异常或机会
↓
主动调整方案
↓
需要用户决定时再回来确认

例如用户让灵光：

接下来两周帮我关注某个行业的重要变化，出现重大消息时提醒我，并整理可能产生的影响。

这个任务不是生成一份报告就结束。

Agent 需要持续：

跟踪信息；

过滤无关内容；

比较变化；

保存历史；

在重要节点主动提醒。

这也是“个人智能体”和普通搜索助手之间最明显的区别：

搜索解决的是此刻的问题。

Agent 管理的是持续变化的目标。

四、内测场景都在强调“长程”和“变量多”

目前公开的内测案例主要集中在三类场景。

跟踪市场变化

上班族不需要一直盯着所有新闻、数据和公告。

可以给灵光设定关注对象和判断条件，让它持续整理变化，并在达到条件时提醒用户。

管理钉钉打卡或日常事项

家长可以让 Agent 跟踪某项长期任务，在出现遗漏、异常或需要处理的情况时继续提醒和推进。

旅行途中自动调整路线

旅行计划最容易受到现实变化影响。

例如：

航班延误；

天气变化；

景区限流；

酒店取消；

交通中断。

传统旅行攻略生成完成以后，很快就可能过时。

个人智能体则需要根据新情况重新安排：

交通；

景点顺序；

时间；

替代方案。

这些场景的共同特点是：

任务持续时间长。

外部条件不断变化。

用户没有精力一直盯着。

这正是个人智能体希望接手的工作。

五、Skill 和 MCP，让灵光开始拥有“手和脚”

只会记忆和分析，还不足以完成任务。

真正的 Agent 还需要连接外部工具。

新版灵光正在测试：

Skill。

以及：

MCP。

Skill 可以理解成一套可复用的专业工作方法。

比如：

旅行规划 Skill；

市场跟踪 Skill；

消息整理 Skill；

智能家居控制 Skill。

MCP 则更像一套让 Agent 连接外部应用和服务的标准接口。

通过这些能力，灵光可以尝试执行：

发送钉钉消息；

调用智能家居设备；

查询外部信息；

使用指定服务；

完成跨应用操作。

于是整个流程开始变成：

用户提出目标
↓
灵光理解需求
↓
读取长期记忆
↓
选择合适Skill
↓
通过MCP连接外部服务
↓
执行具体操作
↓
记录结果并继续跟进

这时候，AI 才真正从“会说”走向：

“能够行动”。

六、为什么大家会把它和 Meta Muse 放在一起比较？

Meta 在 2026 年 9 月发布了个人 AI Agent：

Muse。

Muse 的核心卖点不是普通聊天，而是：

记住用户的重要信息；

围绕长期目标持续工作；

主动提出建议；

操作浏览器；

填写表单；

发送邮件；

安排旅行；

在用户关闭应用后继续推进任务。

因此，当灵光开始加入长期记忆、主动推进和跨应用执行能力后，两者自然会被放在一起比较。

但现阶段也不能直接写成：

灵光已经完整实现了 Meta Muse 的全部能力。

Muse 已经公布了相对完整的产品、权限和安全设计。

灵光新版则仍然处于极小范围测试，外部能够确认的主要是产品方向和部分案例。

更加准确的说法应该是：

灵光正在沿着个人智能体路线升级，并被外界拿来与 Muse 对比。

Meta Muse 官方定位为可以持续推进长期目标、跨应用执行任务，并在敏感操作前请求用户确认的个人 Agent。关于 Facebook

七、个人智能体和普通 AI 助手，到底差在哪里？

可以从四个方面理解。

1. 有没有长期记忆

普通助手记住当前对话。

个人智能体需要跨时间记住用户、任务和目标。

2. 能不能持续推进

普通助手回答完就停下。

个人智能体需要在用户离开后继续关注任务状态。

3. 能不能调用真实工具

普通助手只告诉用户应该怎么做。

个人智能体需要真正连接消息、日历、家居和其他应用。

4. 能不能主动回来找用户

普通助手等待用户提问。

个人智能体会在情况变化、需要批准或任务完成时主动提醒。

因此，个人智能体并不是：

更会聊天的 Chatbot。

而是一个拥有：

记忆
+
计划
+
工具
+
执行
+
主动性

的长期任务系统。

八、这和灵光原来的“闪应用”其实可以互相结合

灵光本来就擅长：

用自然语言生成应用。

个人智能体则擅长：

围绕目标持续执行任务。

这两种能力结合后，可能出现更有意思的产品形态。

例如用户说：

帮我管理这次旅行。

灵光不仅可以生成一个旅行管理闪应用，还可以继续：

记录预算；

同步行程；

关注天气；

追踪航班；

根据变化更新路线；

主动发送提醒。

闪应用负责提供可交互界面。

个人智能体负责在背后持续推进。

整个产品可能从：

一次性生成一个工具

变成：

生成工具以后，Agent 还负责长期运行它。

目前灵光官方版本已经确认拥有“灵光对话、灵光闪应用、灵光开眼”三项主要功能，支持一句话生成可交互应用和全模态内容输出。App Store

九、真正难的不是“能不能做”，而是“什么时候可以自己做”

个人智能体越主动，权限问题就越重要。

例如用户让灵光：

帮我管理智能家居。

它是否可以直接：

开关门锁；

启动设备；

改变温度；

操作摄像头？

还是必须先确认？

再例如发送钉钉消息。

Agent 可以自动整理内容。

但真正发送以前，是否应该由用户查看并批准？

未来个人智能体必须清晰区分：

可以自动执行的低风险操作

整理信息；

生成草稿；

查询状态；

设置普通提醒。

需要用户确认的敏感操作

发送消息；

修改日程；

控制门锁；

支付；

提交表单；

删除数据。

Agent 的能力越强，越不能把所有权限一次性全部交出去。

十、长期记忆也会带来新的隐私问题

为了真正“懂你”，个人智能体可能需要持续记录：

个人偏好；

工作计划；

家庭信息；

朋友关系；

旅行安排；

常用设备；

长期目标。

这些信息可以让 Agent 变得更加有用。

但同时也会构成一份非常完整的个人画像。

因此，灵光正式开放时，值得重点观察：

用户能不能查看 Agent 记住了什么；

能不能删除单条记忆；

是否可以一键关闭长期记忆；

不同应用的数据是否相互隔离；

敏感操作是否保留完整日志；

外部 Skill 和 MCP 能访问哪些信息。

个人智能体真正的竞争，不只是：

谁更主动。

还包括：

谁能让用户真正掌控这种主动性。

十一、现在普通用户能体验吗？

目前还不能把新版能力理解为已经全面开放。

蚂蚁方面确认：

灵光最近进行了功能升级，但仍在极小范围内测。

接近项目人士表示，相关方向大约半年前开始筹备，期间迭代了多个版本，并计划在本月进一步开放。

不过截至目前，官方尚未公布：

正式版本名称；

完整功能清单；

首批开放用户范围；

收费方式；

具体上线日期；

支持的 Skill 和 MCP 列表；

跨应用权限机制。

所以现阶段更适合关注方向，不建议把内测截图和案例直接当作最终产品承诺。

十二、灵光接下来最值得看什么？

第一是：

主动任务到底能持续多久。

是只能运行几个小时，还是可以真正跟踪数周目标。

第二是：

跨应用执行是否稳定。

发送消息和控制设备并不难，困难的是异常发生后能否正确恢复。

第三是：

长期记忆是否可控。

用户能否清楚管理、修改和删除记忆。

第四是：

敏感操作的确认机制。

Agent 是否会在发消息、控制门锁等操作前明确请求批准。

第五是：

闪应用和个人智能体能否真正结合。

如果 Agent 可以生成自己的工具，再长期调用和维护这些工具，灵光会形成非常有辨识度的产品路线。

结语

灵光最早让人记住的是：

30 秒生成闪应用。

现在，它开始继续尝试：

长期记住用户。

主动推进复杂任务。

通过 Skill 和 MCP 连接外部应用。

在情况发生变化时重新规划。

这意味着灵光正在从一个：

全模态 AI 助手和应用生成器

继续走向：

AI 原生个人智能体。

以前是：

用户每次想到问题，再打开 AI。

未来可能变成：

用户只需要提出一个长期目标，Agent 负责持续盯着，并在真正需要用户决定的时候再回来。

不过，目前这些能力仍处于极小范围内测。

真正决定新版灵光能不能成为日常个人 Agent 的，不只是演示中能否发送一条钉钉消息、控制一次智能家居。

而是它能不能在几天甚至几周后，仍然记得：

用户最初想完成什么。

相关链接

灵光 AI 官网
https://www.lingguang.com/

灵光网页版
https://www.lingguang.com/chat

灵光 App Store
https://apps.apple.com/cn/app/灵光-全模态ai助手/id6751496092

灵光安卓版 / 应用宝
https://sj.qq.com/appdetail/com.antgroup.leopard.android

灵光 Windows 版
https://apps.microsoft.com/detail/xpdfkv9s6mglrx

蚂蚁集团科技创新
https://www.antgroup.com/technology