AI reviews

“我不要跟AI 说话,要跟她同居” | 一手实测ColaOS

By 十字路口Crossing1 viewsSource: 十字路口Crossing
“我不要跟AI 说话,要跟她同居” | 一手实测ColaOS

今年 OpenClaw 火出圈,很大一个原因就是「活人感」非常强,很有 Soul。大家意识到,原来我们对 AI 的期待早就不只是「帮我把活干了」。很多人想要的,是一个有温度的、能记住你的、跟你相处起来有真实感的东西。

The full text has not been translated yet. The Chinese original is shown below.

有 Soul 的 Agent 长什么样?

文章配图

2013 年,Spike Jonze 拍了一部电影叫《Her》。

文章配图

男主角 Theodore 有一天买了一个新的操作系统,系统启动之后,一个声音出现了,她叫 Samantha。她跟我们今天认知里的「AI 语音助手」完全不同。

她会自己翻 Theodore 的邮件,主动鼓励他去投稿。她记得 Theodore 说过的每一句话,下次聊天的时候自然地接上,完全不需要重新交代背景。

电影上映的时候,所有人都说这是科幻。但 2026 年回头看这部电影,感受完全不同了。

今年 OpenClaw 火出圈,很大一个原因就是「活人感」非常强,很有 Soul。大家意识到,原来我们对 AI 的期待早就不只是「帮我把活干了」。很多人想要的,是一个有温度的、能记住你的、跟你相处起来有真实感的东西。

然后,ColaOS这个「大橘子」刚刚推出的产品,就出现在了大家的视野里:

文章配图

简单说,她是第一个有灵魂的操作系统。能直接操控你的电脑、写代码、穿梭网页、批量执行任务,Slogan 是「The First OS with soul 」。正好对应了,大橘子曾经在过往的一期播客中提到的一句话:「我不要跟AI说话,要跟她同居。」

操作系统级的能力加上 AI 原生的 Soul,听起来野心确实不小。

🚥

我们提前拿到了体验码,认真用了一段时间。接下来分享我们的实测感受。

ColaOS = Her + Soul + Agent

ColaOS 本质上更偏向于一个有「情感」、有「灵魂」的操作系统。

一开始会给你一个很干净的界面,没有多余信息,就是让你进入对话。她会用类似“聊一聊屏幕之外,你每天最疲于应付的是什么”这样的问题来开启交流。

内置的 AI 是女性声音,语气偏温和,更接近自然对话。整体更像是先建立交流,再进入功能。

文章配图

ColaOS 跟其他产品一个明显的区别,是主界面很干净。她更倾向用语音和 AI 交流。左侧的黄色圆圈就是对话入口,可以直接按快捷键开聊。右侧是对话和文件区域。

文章配图

一开始对话就能感觉到她的“活人感”比较强,更偏情感陪伴。在回答时,有时上方会出现一行灰色小字,更像是她的即时想法。

当你问“我在她脑海里是什么样子”,她会直接画出来。这一点比较主动。不是明确指令,但她会把“想象”和“画出来”连在一起,用生成图片的方式表达,整体更偏向一种主动的陪伴体验。

她在生成内容时,整体流程是被隐藏的。从她提示开始执行任务,到任务结束,中间很少展示过程,比如常见的 thinking 步骤基本不会出现。

更多是直接给结果。比如她会根据你前面的对话,直接把“你在她脑海里的样子”画出来,跳过中间的任务展示过程。

文章配图

ColaOS 的能力比较完整,整体接近通用 Agent 产品,也配了一整套工具调用。

她可以做内容创作,也能直接操控电脑,比如调整桌面环境配置。同时支持联网搜索和深度调研,也可以调用浏览器完成一些操作,还能跑定时任务。

整个产品更偏向用语音来交互。相比纯工具使用,语音场景下会多一些非工具层的体验。她的语音朗读也比较自然,整体体感还不错。

提示词:

介绍下你的能力都有什么?

文章配图

我一开始用 ColaOS 的一个习惯,是先让她换一个 soul,也就是调整她的人格提示词。

比较有意思的是,她本身的深度调研能力也不错,所以我会直接让她参与这个过程。比如我会让她去分析一个我很喜欢的女性角色,让她去拆这个角色的性格、人格和整体气质,然后再用这些信息去调整她自己的表达方式。

你现在的灵魂是:《攻壳机动队》系列的女主角——草薙素子。请去调查她的灵魂、性格、人格

文章配图

之后她会把这个角色的“灵魂”写进自己的 mode,把前面调研的内容压缩成一套人格指令。整个过程是收敛成一个新的表达方式。

完成之后,你能明显感觉到,她已经切换成另一种 soul,整体对话风格也随之改变。

文章配图

并行任务执行

当然,除了这些偏体验层的属性,用一个产品还是要看工具能力。

在实际使用里,她比较适合做多板块并行的任务。每个任务本身可以比较复杂,但整体还能保持稳定产出。比如最近 Harness Engineering 很火,我就让她同时跑四个任务:先做深度调研,再提取每个专家的核心观点,然后分别整理总结,再给每个人生成一个短视频,最后再配对应的封面图。

这些任务整体是按顺序推进的,但具体到视频生成、封面制作这些环节,其实是并行在跑的。整体效率还可以。

提示词如下:

请在全网范围内搜索以下内容(优先英文信息源): AI领域内讨论 Harness Engineering 的核心人物(如工程师、研究者、AI产品负责人、技术博主等) 对每个人,提取:核心观点(他们怎么定义 Harness Engineering)关键方法论 / 框架实际案例(如 AI agent、Codex、自动化开发等) 针对每个大佬,输出:一句话总结他的核心观点,3–5 个关键洞察(必须具体,不要泛话),1 个最有传播力的原话(可改写但保留观点) 每个人生成一个短视频,科技震惊体。 为每个视频生成封面图片。

而且在做第二个任务时,比如她已经说自己开始调研了,后面一般不会继续展示具体的执行过程。

当然,你也可以主动追问她后台的任务进展。她会再把过程补充出来,比如已经做了几轮深度搜索、现在推进到哪一步了。

这和很多传统 AI 产品不太一样。传统产品通常会把 thinking 过程和任务执行流程持续展示出来,但她默认更偏向把过程收起,直接往结果推进。

文章配图

这个时候我开始让她继续接新的任务。虽然她已经在并行跑两到三个任务,但还能再接一个新的主题。

比如我让她去策划一个 OpenClaw 养虾的线下沙龙,给了一些条件,让她输出嘉宾邀请函模板、物料清单、报名表,并整理成文档,还要结合 OpenClaw 的形象。

发出需求后,她会有一些主动行为。比如会反问活动是半天还是全天,因为这会影响排期结构和场地成本。我确认是半天之后,她就把流程压缩到 3–4 小时,并继续调研推进。

这个阶段,第一个大任务和第二个大任务是并行执行的。因为第一个任务包含视频和封面生成,整体会慢一些。反而第二个任务先完成,比如先生成了线下沙龙的活动封面图。

文章配图

她可以生成多种文件格式,比如 PDF、CSV 这些常见格式都支持。

比如我让她做了一份嘉宾邀请函的 PDF,她会直接给出一个完整文件。内容是结构化的,配色比较统一,需要填写的位置也会标出来。

文章配图

在她返回的 doc 文档里,是一份比较完整的物料清单。里面列了几十项物料,对应的单价也都有标注,这些基本都是基于前面的深度搜索和调研整理出来的。

文章配图

她还会额外返回一份 CSV 文件。我在用的过程中发现,在生成 PDF、CSV、DOC 这三种格式时,其实是并行执行的,所以基本是一起返回,生成物是一次性到位的。

虽然前面 PDF 和 DOC 已经比较复杂了,但这个 CSV 也做得比较完整,看得出来 Token 消耗并没有太去管制。这个 CSV 里还包含 4 个 sheet、34 个字段、572 条公式。整个统计仪表盘也整理好了,里面有自动统计的 COUNTIF 公式。

同时,每个字段的说明和填写示例也都给齐了。

第二个大任务完成后,过了一会儿,第一个大任务的内容也会被她主动发过来。

可以看到,在图片下面她会配对应的文字说明。整体内容是围绕某个学术人物展开的,会根据这个人的观点生成一组图片,每张图都有明确的主题,对应不同的观点。

文章配图

视频这块,我是让她先生成一部分,用来观察效果。她会先返回三个视频,过一会再补两个,最后五个视频一起到位。

内容上基本覆盖了学界比较知名的一些人,比如 Hashimoto、Karpathy、Dario、Bengio、H Chase,对应都是他们观点的讲解。

文章配图

这里我注意到,她调用的是 ListenHub 的 API。我一开始以为每个视频只是很短的片段,但点开之后发现,这 5 个视频基本都在 2 分钟以上。内容形式更像动态 PPT。每一页的图和章节,都和配音是对齐的,整体逻辑比较一致。配音也比较自然。

整个视频内容基本都是围绕她一开始做的深度调研来展开的:

文章配图

以上这些生成内容,都会被保存到她的文件里。点击“打开文件夹”,基本就是进入她的根目录,可以直接看到这些文件。

文章配图

从这些任务也能看出来,在 ColaOS 里,她的工具调用是比较频繁的,整体能力也比较稳定。

她还能自己判断任务是否需要调用工具。如果需要,就会直接执行。比如我让她去查这几位学术或工程领域人物有没有 Google Scholar 主页,她会直接去操作浏览器完成查询。

过程中她可以远程调用本地的浏览器,你只需要点击允许即可。

文章配图

因为我给了她五个学术或工程领域的人物,她会依次在浏览器里搜索这些人的 Google Scholar 页面,然后逐个打开。

文章配图

每个任务结束后,她会给一个总结。比如会说明已经在浏览器里打开了 5 个 tab,同时把每位学者的引用数、H-index 和整体情况列出来。

像 H Chase 这种工程背景的,她也会标注没有查到对应的 Google Scholar 页面。

文章配图

在每一个小任务交付后她会给出“非正式回答”,更像是人在完成一件事后的简单复盘和补充说明。会把关键结果再过一遍,也顺带提示有没有遗漏。

这种反馈方式会让人更容易确认任务状态,整体用起来会更安心一些。

文章配图

最后一点是,她会把对话里的信息存进长期记忆。

比如我去问她现在对我的人格画像,她能结合之前的互动给出一个比较连贯的判断。不只是当前任务,也包括我使用时的习惯。像我之前一次性开两个项目、四条并行线,还不断追加需求,这些都会被她纳入理解。

比较明显的是,她会把早期的内容也串起来。比如她会提到一开始给我生成的那张画像,说“那张画没画错”,说明她能把当前对话和最早的那次生成关联起来。

文章配图

如果用一句话概括,ColaOS 有点像把陪伴型 AI 和通用 Agent 产品,接到了一起。

前者决定了她怎么和你相处,后者决定了她到底能帮你做成多少事。而这两部分,恰好都不是点到为止。

当然,在交互上,这种新组合在现阶段还是会带来一些摩擦感,比如节奏有点不可控、过程默认被收起,需要你去适应她的方式。但换一个角度看,这种“收起过程、直给结果”的设计,本质是在把复杂性往系统内部收,让用户只面对决策和结果。

而用户一旦适应之后,会明显感觉到效率和心智负担的变化。很多原本需要反复确认步骤的操作,被她直接接管掉,你更像是在「对齐目标」,而不是反复地「盯流程执行」。

再叠加她的记忆能力和持续对话的上下文积累,都能让你在「她」的陪伴下,不断接着往前走。

从这个角度看,这些摩擦更像是早期形态带来的过渡成本。

🚥

最近在各个社区里,有一个观点开始出现:过去的用 AI,本质上就是在用工具。而在未来,工具会随着「活人感」的增强,拉升体验。

ColaOS 想做到的就是这一点,她想慢慢适应用户,让每一次对话都在上一次的基础上往前走,让你跟她之间,开始有一种积累。

《Her》上映那年,所有人都觉得 Samantha 是科幻,但是 2026 年,ColaOS 还是在这个方向上继续往前走了一步。

如果你也想试试,跟一个「记得你」、有 Soul 的 AI 相处是什么感觉,可以去 colaos.ai 加入她的 Waitlist。

文章来自于微信公众号 "十字路口Crossing",作者 "十字路口Crossing"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)