一句话总结

浙江大学的研究人员提出 nanoMuse，一个开源 GPL-3.0 个人 agent，运行在一个人拥有的每台设备上，并通过可自托管的 relay 共享同一个对话，具备屏幕控制、Sentinel 门控操作、可读记忆文件以及用户选择的模型，是 Meta 闭源 Muse 的开源对应物。

核心贡献

• 报告通过五个问题和三个视野定义个人 agent，追溯从 2011 年的助手到 2026 年 9 月 agents 的脉络。
• 报告重建了 Meta Muse 的构建方式，依据 Meta 的公开记录和一份其生产提示词副本，每条陈述都标注了来源。
• 报告介绍 nanoMuse，一个开源 GPL-3.0 对应物，运行在一个人拥有的每台设备上，手在手机屏幕和电脑屏幕上，任何人都能运行的共享对话 relay，每个操作之上的 Sentinel，以文件形式存在的记忆，以及模型选择。大小和成本以估算给出，开放路线图涵盖带溯源记忆、用于手的评估套件，以及用于手的开放模型。

引言

作者追溯了从面向任务的助手到个人 agents 的转变，最终汇聚到 2026 年 9 月由 Meta Muse 引领的浪潮。个人 agent 长期作用于一个人的账户、设备和文件，必须可问责，但像 Muse 这样的商业产品以封闭、供应商托管的 Linux 虚拟机运行，只开放了一个小型 gadget SDK。此前的 agents 要么在供应商云中处理单一任务，要么即使开源，也在用户基础设施上运行却没有完整屏幕控制；仅云的 agents 无法触达缺少 API 或网页的日常移动应用。为解决这一问题，作者提出 nanoMuse，一个运行在用户已有硬件上的开源个人 agent，手在手机和电脑屏幕上，每个操作之上有 Sentinel，记忆以文件形式存在，并公开大小和成本。

方法

作者将 Muse 设计为后台个人 agent，结构分为三个不同安全区：用户接触面、专用云环境以及隔离的主机服务。

在该框架中，每个用户在云中分配一个专用 Linux 虚拟机，大约每小时更换一次，同时保留持久主目录。agent 及其工具运行在受 seccomp 过滤器和降低后能力约束的容器中。系统提示设定严格 persona，仅为用户工作，执行谨慎与硬性安全停止。agent 使用按命名空间组织的工具，如 browser、chat、memory 和 device control。该架构的关键组件是 Sentinel，它是连接器操作和网络出口的唯一权限机构。agent 只持有 surrogate tokens，这些 tokens 在批准后在网络边界兑换为真实凭证。系统采用内核级污点跟踪，工具进程开始时干净，读取用户数据后变为污点，确保只有符合窄策略的干净请求才能无需提示通过。批准直接作为有作用域的能力呈现给客户端，而不是经过对话。

相比之下，作者开发 nanoMuse 作为去中心化个人 agent，每台设备都作为对等节点运行，携带完整 agent 和自己的 Sentinel。

Android 实现在应用内运行完整 agent，包含沙盒化 Alpine Linux 环境、shell、browser 和 MCP servers。桌面应用采用一个 Electron shell，内部是带 Python runtime 的 harness。与云托管方式不同，nanoMuse 将 agent 直接放在设备上，使其可直接访问手机屏幕。该系统中的 Sentinel 作为同一进程族内的策略边界运行，执行固定决策顺序，依次评估被拒绝工具、用户规则、允许和询问列表、数据污点以及工具风险。批准以有作用域的授予形式发出，敏感操作会触发不可绕过的强制警告。对于屏幕交互，系统采用混合方式，从 skills 和命令行工具逐级提升到 browser，最后通过每次截图一个操作循环直接操控屏幕。记忆以普通 Markdown 文件管理，用户可以打开和编辑，保证数据可移植性和透明度。架构包含一个可选且开放的 relay，用于处理登录、模型调用账本和设备同步，而不存储对话的实际内容。

作者概述了一条结构化开发流水线，以在记忆、设备集成和物理世界交互方面提升系统能力。

近期重点包括缩小功能差距，改善记忆召回，减少手交互失败，并支持单命令自托管。下一阶段引入由失败运行构建的评估套件，以客观评分各版本，同时在用户贡献的 traces 上训练一个小型开放模型，以减少供应商依赖。长期愿景将 agent 的手延伸到物理世界，在相同的批准和日志机制下集成摄像头、家电和机械臂，最终目标是构建一个记忆和身份能在不同模型、设备和供应商之间延续的 agent。

实验

本节概述 nanoMuse 社区路线图的三个视野：近期工作聚焦记忆、主动性、对话连续性、手可靠性和单命令自托管；后续步骤引入由失败运行构建的评估套件，并用 AndroidWorld、OSWorld、MemGUI-Bench 和 OS-Harm 进行基准测试，同时为手训练一个基于贡献 traces 的小型开放模型，以避免供应商依赖；更远期工作将手延伸到实体设备，以及具有持久记忆和身份的长期 agents。路线图最后邀请贡献，例如 skills、翻译、设备、失败 traces 和更正。

比较涵盖 2025 年中和 2026 年的开源项目，以及 2026 年 9 月推出的一批商业 agents。手机屏幕操作很少见，且缺席于 9 月发布的产品；电脑屏幕操作只出现在两个基于云的系统 Muse 和 Today 中。开放许可集中在较早和自托管项目中，而商业云 agents 是封闭的。只有 OpenMinis 可以操作手机屏幕，且仅在 Android 上；2026 年 9 月的 agents 都没有手机屏幕访问能力。Muse 和 Today 是仅有的列出的具有电脑屏幕操作的系统；OpenMuse 和 Manus Cue 以循环方式运行但没有屏幕控制。开源系统通常在用户自己的电脑、服务器或应用上运行，而商业发布运行在每人的云电脑或虚拟机中。在 9 月的系统之间存在权衡：Muse 和 Today 提供电脑屏幕使用但封闭，OpenMuse 开放但缺少屏幕操作。

nanoMuse 的占用因组件而异：Android 客户端紧凑，桌面客户端下载和安装体积明显更大，relay 轻量到足以在单个小型服务器上运行。自托管成本估算适中，中国大陆以外大约每月几美元，中国大陆以内几十元人民币，另加模型用量。模型调用价格足够低，普通日常聊天只需几分钱。Android 应用是最小的发布产物，而桌面应用下载体积大得多，且在 Linux 上空闲时使用约半 GB 内存。relay 是最轻的运行时组件，空闲时约 85 MB 内存，适合 1 vCPU 和 1 GB 的服务器。自托管 relay 在中国大陆以外预计每月 US$4 到$4到6，在中国大陆以内每月 ¥30 到 ¥60，不含模型用量。手模型每个 token 的费用高于聊天模型，但典型一天聊天仍只需几分钱。

第一项比较考察了开源和商业 agents 的屏幕控制能力与许可，发现手机屏幕操作在 2026 年 9 月发布的产品中很少或不存在，而电脑屏幕操作只出现在封闭的云 agents Muse 和 Today 中，因此用户在屏幕访问和开放性之间面临权衡。第二项评估考察 nanoMuse 的组件占用和托管模型，表明 Android 客户端和 relay 轻量，桌面客户端更重，自托管在模型用量之前的成本仍然适中。总体而言，实验表明 nanoMuse 自托管实用，且当前商业 agents 即使提供屏幕控制也仍然封闭。