这个中秋节，猎豹移动CEO傅盛做了一个相当疯狂的实验：他把自己的个人微信，完全交给了GPT-6接管。

连续跑了几个小时，执行了几千步电脑操作，给50位公司骨干一人写了一段专属祝福，又把收到的70多条祝福逐条精准回复。120多条消息，零失误。

如果把这件事只理解为“AI会写中秋祝福”，就小看它了。

祝福语模板早就不稀奇，难的是在同一个微信账号里，认出不同的人，理解此前聊过什么，决定该怎么称呼、该说到什么程度，再把话准确发给对应的人。每一步看着简单，串起来却很容易出错。

给公司骨干发消息，尤其考验分寸。有人刚完成一个项目，适合提一句具体的辛苦；有人正承受压力，一句“再接再厉”可能反而刺耳；还有人私下熟悉，写得太像公司通稿，读起来就像节日群发。

AI能把字句写漂亮，只算过了第一关。让收信人觉得“这话确实是对我说的”，才是更难的一关。

回复别人发来的祝福，又是另一道题。主动写祝福，可以先列名单、定语气、逐条准备；收到的消息却不按计划来。

有的只有四个字，有的带着工作近况，有的借节日问候顺便提起一件待办。回复不能只盯着最后一句，还得判断对方到底是在寒暄，还是在等一个具体答复。

这正是电脑操作型智能体和普通聊天工具的区别。过去，我们问AI“帮我写一段”，它交出文字，复制、核对、发送都由人完成。

现在，它可以在授权范围内看屏幕、点界面、输入内容，继续处理下一位联系人。任务从“给出建议”走向“完成操作”，省下的是许多细碎动作累积起来的时间。

GPT-6的电脑操作能力，确实让这类长流程任务更有想象空间。但几十条消息发得顺，不等于任何社交场合都能交给它。节日祝福相对有规律：对象明确，话题集中，回复通常不长。

若换成客户投诉、人事沟通，或一场涉及利益的谈判，同样一句话，背后的关系和后果就复杂得多。

我觉得，这个实验最有意思的地方，恰恰是它把“效率”和“心意”摆在了一起。一个老板亲手写50条祝福，当然费时间；交给AI写，内容可能更齐整，也可能让人心里犯嘀咕：你是在惦记我，还是你的工具在惦记我？

这个疑问没必要回避。我们收到一句关心，重视的往往不只是文字本身，还有对方有没有花心思。

如果AI根据真实的相处经历起草，傅盛读过、认可，再用自己的账号发出，技术是在帮他表达。如果一个人根本没看过内容，就让机器替自己维系关系，哪怕句句得体，那份亲近感也可能打折。

尤其是熟人社交，准确不等于真诚。AI可以记住上次聊天提到的项目，却未必知道哪件事现在不宜再提；可以模仿一个人的口吻，却不能替他承担一句承诺。

朋友问“下次见面聊聊”，系统若顺手回了“没问题，月底见”，发出去的就不只是节日客套，还可能变成一个真实约定。

所以，衡量这种工具，不能只数它发了多少条、用了多少步。更该问：它有没有找错人？有没有说出未经本人同意的话？遇到拿不准的消息会不会停下来？发送前能否让使用者检查？出了问题，能不能查清是哪一步出了偏差？这些问题解决得越好，智能体才越可能从演示走进日常生活。

隐私同样绕不过去。个人微信里不只有自己的信息，还装着同事、朋友和家人的聊天内容。让AI读取上下文，确实能写得更贴切；读取范围越大，也越需要想清楚哪些内容有必要看、哪些信息不该被带进另一段对话。所谓“懂你”，不能靠无限翻聊天记录来实现。

这也是为什么智能体的发展，最终要落到权限和责任上。允许它处理节日问候，可以是一项明确任务；允许它浏览所有聊天、替人作决定，则是另一回事。

对普通人来说，比较稳妥的用法，是先让它整理名单和起草内容，再由本人把关重要联系人与最终发送。多一道确认，未必拖慢效率，反而能省掉事后解释的时间。

傅盛本人长期关注AI工具，猎豹移动也把AI放在业务发展的重要位置。由一位科技公司负责人拿自己的社交场景做实验，确实容易引起讨论。但一次演示的价值，不在于宣布“以后人不用回微信了”，而在于让大家看清：AI已经开始碰到工作和生活里那些琐碎、真实、带有人情味的任务。

我对这类工具的态度是乐观，但不神化。它很适合帮人处理重复劳动，让忙碌的人有机会把注意力留给真正需要沟通的人。至于一段关系里该说什么、哪些话不能轻易出口，最后还得由账号背后的人判断。月饼可以请人代买，祝福可以请AI起草，心意要不要送到，仍然取决于自己。