文章介绍了两个月内四家公司发布的 Personal Agent 产品：xAI 的 Grok Bot（云端常驻 Agent 团队，支持例行任务与权限分级）、Meta 的 Muse（强调安全架构，通过 Secure VM 与 Sentinel Agent 防范提示词注入）、Manus 的 Cue（为 Agent 提供邮箱、电话、钱包等独立身份，支持多 Agent 协作）、OpenAI 的 dots（基于 GPT-6 Astra，作为调度员连接 4000 多个应用并把任务派给 Codex）。作者对比了这些“云端虚拟人”与运行在本地设备的 OpenClaw（“本地代言人”）的区别，指出前者在云端沙箱中 24 小时替用户执行任务。
文章分析了 Personal Agent 近期集中爆发的现象。AI 产品形态正从一次性回答问题，转向长期承接个人目标。作者对比了四款代表产品：Dots（长期在线的个人工作总管，可记住项目进度并持续推进）、Grok Bot（多 Agent 协作的工作小队）、Muse（面向购物、出行等生活场景的助理）、Cue（探索 Agent 拥有独立身份与授权体系）。爆发原因有三：模型具备连续执行能力、Agent 有了持续运行的云环境与记忆系统、连接器与授权体系日趋完善。未来竞争点在于长期理解用户、多 Agent 协作、安全授权与可干预性，Personal Agent 正成为下一阶段 AI 产品的重要组织方式。
本文介绍个人Agent应用Cue的使用流程：提供客户端激活码MEETCUE（支持mac/iOS/安卓），说明注册激活步骤，包括领取bot.cue.im后缀的自定义邮箱、设置Agent昵称，以及付费美国Toll-Free手机号（月费9.99美元）可接收PayPal、ChatGPT、Claude等验证短信。文章重点整理了六大类使用场景提示词：预订与旅行、购物、沟通与行政、财务管理、日常生活、工作与创意，涵盖订机票酒店、代接电话、退款谈判、账单管理、投资监控、邮件处理等，展示个人Agent一键完成复杂任务的能力。
本文是 Manus 个人 AI Agent 产品 Cue 的保姆级上手教程。作者介绍了 Cue 的开通流程（邀请制、Mac 客户端、Cue Plus 订阅）、核心界面（对话、云电脑、资料页）以及如何通过指令设定协作边界。通过一个开源项目实操示例，讲解了如何下发有边界和交付标准的任务、核对过程记录，以及如何导入 Claude Code 格式的 skill。还介绍了邮件派活、定时任务等进阶用法，并给出常见问题排查方法。电话和钱包功能因仅限美国，建议国内用户跳过。
文章全面解读 Manus 2.0 与新推出的独立 App Cue。作者梳理了发布背景：Meta 收购后 Manus 停更九个月，恢复独立后推出 2.0，包含自研 agent 框架 Cascade、Manus Studio 桌面端和 Cue。核心亮点是 Cue 的'身份四件套'——每个 agent 拥有独立邮箱、手机号、钱包和电脑，与 Meta 的分身式 Muse 形成对立定位。文章涵盖保姆级注册教程、邀请码获取、设备与地区限制说明，并基于实测给出使用建议：第一天先给 agent 立规矩，明确职责边界、审批流程和花钱上限。作者还拆解了邮箱、电话、钱包三大能力的实际体验、坑点与适用场景，指出邮件易进推广栏、美国号码不能收短信等局限。
作者实测了 Manus 推出的多 Agent 产品 Cue。Cue 允许用户创建多个 Agent，为它们分配邮箱、电话号码、钱包和桌面，Agent 之间可以单独传话或组群聊协作。文章详细体验了创建 Agent、查看独立桌面、设置自动化任务、邮箱收信、电话与支付等功能。作者发现邮箱需要手动提醒、收信不稳定，电话和支付仅限部分地区，连接器以国外服务为主。总体评价 Cue 方向与 Grok Bot 相似但仍是'毛坯房'，基础体验有待完善，更看好其 Skills 和连接器的发展潜力。文末附邀请码 MEETCUE。
Manus 发布 2.0，是脱离 Meta 恢复独立运营后的首次大更新。底层智能体框架 Cascade 换代，Token 消耗、完成时间和运行成本均显著下降；桌面端升级为 Manus Studio，新增视频剪辑和游戏开发两个专业环境，支持时间线编辑、可视化改代码和云电脑长期在线。自动化升级为事件触发，并支持手机远程操控电脑。另推出独立个人智能体 App Cue，每个智能体拥有自己的邮箱、手机号、钱包和电脑，可替用户点单、接电话等，目前需邀请码体验。
本文是 Manus 推出的私人 Agent 应用 Cue 的保姆级上手教程。作者先对比了 Cue、xAI 的 Grok Bot 和 Meta 的 Muse 三款产品，指出 Cue 的独特之处在于为每个 Agent 提供独立身份：专属邮箱、电话号码、支付方式和云电脑。文章逐步演示了创建 Agent、编写指令、开启身份四件套的流程及费用（美国号 $0.99/月等），并以东京交通票比价作为首个练手任务，展示了验证结果、追问漏项、替换假设的正确用法。最后作者提出按风险五级放权的使用策略，从只查不动到替你花钱，循序渐进地建立一个可信赖的 AI 团队。
