https://jiajia.fun/qa/ac5bd2f6-%E6%88%91%E6%83%B3%E7%9F%A5%E9%81%93dots-grokbot%E8%BF%99%E7%A7%8Dpersonal-agent%E5%92%8C%E6%99%AE%E9%80%9A%E7%9A%84codex-claudecode%E7%9A%84%E5%8C%BA%E5%88%AB-%E4%BC%98%E5%8A%A3-%E4%B8%BA%E4%BB%80%E4%B9%88%E6%9C%80%E8%BF%91%E5%A4%A7%E5%AE%B6%E5%BC%80%E5%A7%8B%E6%8E%A8pa%E4%BA%86

# 我想知道dots、grokbot这种personal agent和普通的codex、claudecode的区别，优劣。为什么最近大家开始推pa了？

这两类产品看起来相似，但定位完全不同：你要问的是它们各自解决什么问题、代价在哪里。 先说本质区别：coding agent 是按任务计费的，personal agent（pa）是按用户计费的。codex、cc 生来就是把一个代码任务干完就结束，开一个会话、读仓库、改代码、跑测试、交付；任务结束，上下文推进到下一轮，记忆也基本群友 7439。pa 则相反，它以你为中心，偏好、账号、正在推进的事、昨天没做完的活都挂在你身上跨任务累积。这也是为什么现在这些 pa 产品都要给每个用户配一台云电脑，配额和账号绑在人身上，而不是随任务回收——Manus 那种每任务开一台 VM、用完就休眠回收的模型，恰恰就是 pa 的反面。 由此推出第二个差别：常驻和主动。codex、cc 是你不说话，它就不动；你开终端，它才跑。pa 的存在价值在于，你合上笔记本后它还在推进，遇到需要你拍板时才回来找你。OpenAI dots 给主动研究加的那条限制很值得注意：你不在场时它只用只读工具，不能发消息、不能改东西、不能动你的浏览器。这个设计等于承认了一件事：主动性越强，权限就越危险，所以只能先放开观察权限，保留执行能力。grok bot 用的是另一套：每个 bot 一台云上电脑、独立浏览器和文件系统，互相不干扰；Team Bots 再把配置、指令、技能、授权系统和共享上下文打包分发。它更像“给你配一组数字员工”，而不是“给你配一个助手”。 各自的优劣也因此很清楚： coding agent 强在可验证。代码能不能跑、测试能不能过、Diff 对不对，全是客观反馈；所以它可以放心跑几十轮，出错了你知道看哪里。代价是范围窄，出了仓库就没有价值，也没有记忆，每个会话都要重新熟悉一遍仓库。 personal agent 强在跨会话、跨应用，能接 Slack、邮箱、日历这些不是自己写的系统，愿意替你在后台守着事。代价有三处：一是验证难，它干得好不好没有编译器给你判分，错了往往是你几天后才发现；二是权限和安全，它的影响范围是你的邮箱、你的账号、你的钱；三是上下文漂移，长期记忆一旦写脏，它会在错误前提上一直往下推。Grok Bot 那边社区最常吐槽的就是“最没边界感”。 为什么最近开始推 pa，我的判断是这三件事同时到位，不是巧合：模型能力到了能连续跑长任务的级别；执行层成熟了，云 VM 加沙箱可以在几百毫秒内开出来，按用户分配已经能规模化，于是才有“每人一台云电脑”这个产品前提；剩下就是分发，OpenAI、Meta 在抢入口，国内团队则在借 C 端渠道铺量，热度里有一半是渠道推出来的，不全是效果突破。 对你现在的情况，有一个具体建议：你正在做 code-driven 浏览器 agent，那本质上更接近 pa 的形态，而不是 ca，因为浏览器里没有编译器给你判分。所以别按 coding agent 的思路去设计验收，要提前想清楚三件事：状态归谁持有（事件队列、记忆、凭证）、危险操作怎么 fail closed、无人值守时的权限边界画在哪。这三条你现在想明白，面试里聊 pa 和 ca 的区别，就能说到别人说不出的层面，而不是只背“常驻 vs 任务式”。 要不要我按你那个浏览器 agent 的现状，把这三块具体落到你的设计上？
