“过去两年半，我们一直在朝着这样一套系统努力：你不需要亲自去操作它，只需要告诉它你想要什么结果。OS3 希望让用户不再纠结一件事在技术上到底能不能做到，而是把注意力放回自己真正想做的事情上——无论是一个天马行空的想法，还是一个具体的问题。通过开放的 Skill 兼容能力和对电脑的直接控制，OS3 可以把人的意图，转化成跨多台设备协同完成的复杂行动。”
—— rabbit 创始人兼 CEO 吕骋
研究一本哲学书，预测利物浦未来五年的走势，做一份 Agent 竞品报告，再整理一本 OS3 产品使用手册。rabbit 创始人吕骋（Jesse Lyu）几乎一口气把这四个毫不相干的任务都丢给了 OS3。
他的要求还挺细。哲学书要做成一份深入的阅读指南，最后发到 Slack；利物浦今年刚换了主教练，他想把球队未来五年的竞技表现、财务、所有权变化和夺冠可能都研究一遍，最好做成一个可以交互的网页，再发到邮箱；几款热门 Agent 也顺手比较一下，整理成专业报告；最后，再补一本第一次使用 OS3 的人能直接上手的 PDF 手册。说完这些，他并没有坐在那里等结果，而是继续问起 OS3 怎么连接电脑、数据和隐私怎么处理、不同模型怎么切换，同时前面几项工作在后台继续跑着。
这是 rabbit 最新 OS3 发布视频里很有意思的一段。它没有挑一个足够漂亮的任务，从 Prompt 到结果完整演示一遍。吕骋的思路一直在变，一件事刚说完，下一件已经冒出来了，刚刚还在研究足球俱乐部，几分钟以后已经开始摆弄桌上的合成器。
这种状态其实更接近我们真实的一天。报告写到一半想起一封邮件，开会时突然冒出一个选题，查资料时又觉得结果最好能顺手做成网页发给同事。人的脑子很少按照“任务 A 完成，再开始任务 B”的顺序工作，但过去两年，我们慢慢习惯了先把自己整理好，再去使用 AI。
一个 Prompt 写完整，找对窗口，翻到正确的历史记录，判断这件事到底该继续旧 Chat，还是重新开一个 Session。事情还没真正开始，人已经先替 AI 做了一轮整理和项目管理。而 OS3 想为你省掉的，很大一部分就是这些动作。
OS3 不要求一段对话只能对应一个任务。用户可以继续往里面加新的事情，已经开始的长任务留在后台跑，新问题照常往下聊；需要以后再做的事情，也可以直接安排成定时或者周期任务，不用守在输入框前，等上一件彻底结束才能继续。
以视频中的演示为例，前面刚交代出去的哲学书、利物浦分析、竞品研究和产品手册等任务，并不会因为对话转向电脑和隐私就被打断。到了后面的 Memory 回顾环节，系统已经可以汇报部分工作的进度。对话继续往前，任务也在另一条线上推进。
今天 AI Agent 会做的事情已经很多，查资料、改文档、生成网页、写程序、操作软件都不在话下。真正让体验变复杂的，往往是这些能力散落在不同的模型、工具、窗口和设备里。OS3 想做的，是让用户不用总当辛劳的“调度员”。
OS3 面对的已经不是一个空白市场。OpenClaw、Hermes Agent、Instinct，再到最近发布的 Muse，Personal AI Agent 的赛道已经相当热闹。所以 rabbit 要回答的问题是，为什么还需要另一个 Agent。
OS3 发布后，rabbit 让它自己做了一次竞品分析，OS3 给出的对比表其实也透露了它想怎么定义 Personal Agent 的下一轮竞争。它没有把重点放在谁更会聊天、谁能多做几个任务，而是比较了自带模型、本地执行、多电脑支持、桌面软件、Skills 和后台任务等维度。换句话说，它更看重的，是谁能把分散的模型、设备和工具组织成一套更完整的个人工作环境。
演示现场，吕骋面前同时摆着 Mac、Windows 和 Linux，他随后又追问，云端 VM 能不能也接进来。——当然可以，只要在相应机器上安装 rabbit agent，它们就能进入同一个 OS3 账号。目前一个账户最多连接五台设备，包括 Windows、Mac、Linux 电脑以及云端虚拟机。
这样一来，任务开始和某一台固定电脑解绑。你在手机上通过 Telegram 交代一件事，实际执行可以回到办公室电脑；某份文件只存在家里的 Mac，就去那台机器上处理；需要持续运行的工作，也可以放在云端环境。用户不必操心任务应在哪台设备上运行，系统会根据所需文件、软件和环境来安排执行位置。
我们手边的设备越来越多，工作却经常要靠人自己在它们之间做衔接。文件留在公司电脑上，软件装在家里的机器里，资料就得手动传来传去；换一台电脑，项目重新打开，前面的 Context 可能还得再交代一遍。这些动作反复发生，就构成了数字工作中大量细碎又真实的摩擦。而当 Agent 开始真正进入本地文件、软件和不同设备，这些原本需要人类完成的衔接，也就成了产品需要解决的问题。
有一次，吕骋一整天都在外拍摄，顾不上看 Slack。消息不断涌进来，他索性把回复这件事交给了 OS3。Agent 上线后先向对方说明身份，告诉工程师自己是 Jesse 的 AI Agent，随后这场对话持续了大约 50 分钟。当工程师的问题涉及具体工作时，OS3 会回到吕骋的电脑里找相关文件，再根据里面的信息继续回答。一段原本需要本人守着屏幕才能继续的工作，就这样被接了下去。过去我们习惯用 Benchmark 判断模型聪不聪明，而到了 Agent 阶段，人离开屏幕后工作还能自己推进多久，也许是一个更实际的尺度。
过了一会儿，吕骋的注意力又跳到了音乐。一开始他只是想要做一段 lo-fi beat，后来又琢磨怎么把自己电脑里的插件和音色库这些现成的东西都能派上用场。至于还缺什么工具、Skills 和依赖环境，他也不想自己一个个研究，干脆让 OS3 去梳理，再在本地搭起一套能真正工作的音乐环境。
说着说着，他又拿出了一台自己常用的 Teenage Engineering OP-XY，提出了新的要求——能不能别只生成一条完成的音轨，而是把相关的音色、编曲和 sequencer 一起整理好，让这段音乐真正进到 OP-XY 里，可以从合成器上直接触发，还能继续往下创作。一个念头就这样越聊越具体。
一个音乐人的工作环境，本来就不会整整齐齐地待在一个 App 里。插件装在电脑上，攒了几年的音色散落在不同文件夹，硬件放在桌上，还有各种已经用顺手的软件和工具。AI 真要参与创作，迟早得进入这套已经存在的环境，而不是每次要求人把资料重新搬到一个新的窗口里。
对于设计师、程序员、投资人也是一样。真正属于一个人的生产力环境，早在 AI 出现之前就已经形成。rabbit agent 承担的，就是把 OS3 接进这一层。安装到本地之后，它可以在授权范围内调用文件和工具；需要操作具体软件界面时，再结合 rabbit 的 DLAM 能力；如果任务需要代码，也可以自己编写、调试并运行 workflow。
用户不用在第一句话里把整个流程设计好。很多事情真正开始时，人脑中往往只会有一个模糊的念头，而不是一个写得完整、结构清楚的 Prompt。需求是在过程中逐渐长出来的，AI 要跟上的也不只是最初那句指令，而是需求不断变化、细化的整个过程。
过去的软件需要人去适应它。想改一个习惯，进 Settings；通知多久一次、默认用什么工具、哪些权限开放，背后是一排选项和 Toggle。很多 Agent 虽然已经换成了聊天界面，到了设置和自动化这一层，依然保留了传统软件的思路。OS3 想把其中一部分交给自然语言。
你可以直接告诉它，以后碰到什么事情应该怎么做，什么可以处理，什么必须先问，自己偏好什么风格，希望某类工作形成怎样的习惯。吕骋用了一个很形象的比喻，和 Agent 相处有点像教一个孩子。哪些事情可以做，哪些不可以，自己喜欢什么方式，希望它以后怎么表现，都可以在一次次对话里慢慢告诉它，而不用再去翻十几个选项、Settings 和 Toggle。
定时任务也是同一套逻辑。什么时候运行、多久做一次，不一定非要自己搭一套 Automation，再配置 Trigger 和 Rule。告诉 Agent 以后每周做一次，或者某个时间再执行，任务就可以继续留在系统里。OS3 支持未来任务和 recurring task，到时间即使用户没有正在和它聊天，也可以继续执行。
这里也能看出 OS3 对“主动性”的理解。它没有把重点放在 AI 自己猜用户今天可能需要什么，而是先让人定义长期目标和行为边界，再让 Agent 在授权范围里持续工作。对于一个开始接触文件、软件和消息的 Agent，这种边界很重要。能力越强，用户越需要知道哪些事情已经授权，哪些事情仍然需要回来确认。
Skills 也不用再自己折腾安装和配置了。今天 OpenClaw、Hermes 以及各种 Agent 社区已经积累出大量 Skills，但普通用户真想使用，经常还绕不开 GitHub、README、依赖安装和配置文件。有了 OS3，如果看到一个有用的 Skill，把 URL 丢进聊天框就可以，后面的安装和配置交给系统处理。已经在其他 Agent 上搭过环境的人，也不必完全重来，OS3 可以帮助处理已有的 Skills 和 Context。
模型也是一样。OS3 允许用户使用自己的 API Key，接入不同的模型提供商，也可以直接使用本地模型。日常聊天可以交给更轻、更便宜的模型，真正需要长时间研究、写代码或者处理复杂任务时，再切换到能力更强的。用户可以根据不同任务自己选择，也不用长期押在同一家模型上。
Coding、长 Context、多模态、推理速度和价格，各家模型各有长处，而且变化得很快。今天最好用的模型，几个月以后可能就被新的产品超过。对用户来说，换模型本身不应该意味着把此前积累的东西全部丢掉。OS3 想把用户已经形成的 Memory、装过的 Skills、连接好的电脑和日常使用习惯都保留下来。
这也带来了一个比较特别的商业模式。OS3 目前不收月费，模型调用的钱由用户直接付给自己选择的 API Provider。用户可以自己决定用什么模型、花多少钱，不需要被固定在一套模型和额度里。
两年前，rabbit 靠一块橙红色的 r1 进入大众视野。r1 很早就提出了一件后来整个行业都开始重视的问题——AI 如果真的开始替人做事，怎么操作软件、怎么调用工具、怎么进入一个人的真实设备和工作环境？
到了 OS3，rabbit 把这套 Agent 从自有硬件里释放了出来。用户不再需要先买一块 rabbit 设备，Windows、Mac、Linux 和云端 VM 都可以直接接入系统。r1 则更多承担随身入口的角色，按一下按钮、说出需求，真正的工作可以回到已经连接的电脑上继续；没有 r1，也可以通过网页、Telegram、iMessage 等入口使用。
rabbit 接下来还会推出 Cyberdeck，一台更偏 vibe coding 的 AI-native 设备，并直接搭载 OS3。不同硬件可以服务不同场景，同一个个人 Agent 则跨设备存在。对一家从 AI Hardware 切入的公司来说，OS3 也把 rabbit 的边界从一块硬件，延伸到了用户与模型、文件、软件和设备之间。
