文：王智遠 | ID:Z201440

Manus火了后，大家開始關注一個新概念：

通用agent。

有人覺得，這東西會徹底改變未來技術的發展方向，還能顛覆大模型產品和人類交互方式；還有人幻想，以后只要說一句提示詞，AI能搞定一切，完全不用自己動手。

不過，我覺得，通用智能體不是新概念，Manus也不是全球第一個AI通用智能體。

他們只是把自家產品定義為，一款連接思維、行動的通用人工智能代理，特點是能搞定各種復雜的任務，不僅能思考，還能直接給出結果。

所以，別被碎片化的消息給糊弄了。只要稍微查一查，就會發現早在2024年，網上已經有不少關于通用Agent的信息。

01

通用智能體（General Artificial Intelligence Agent）到底是什么？我舉個例子：

你是一名市場部同學，老板突然要求：明天上午10點前，要一份新產品在小紅書的推廣分析報告；過去，你得先登錄后臺導數據、整理成圖表、放進PPT，再檢查格式，最后交給老板，整個過程繁瑣又耗時。

如果有一個通用agent，只要把數據下載下來，交給它，然后說：幫我整理成一份報告，把數據對比部分可視化，明早10點前交給老板。

接下來，通用agent會自動分析數據、生成圖表、總結結果并提出建議，最后準時把報告交到你手上；理想情況下，它甚至能幫你列一個待辦清單，告訴你要做什么，剩下的繁瑣任務都由它完成。

通用agent讓人從重復性工作中解放出來，專注于更重要的事情。

我讓AI幫我查了一下它的完整定義。AI說：

一種很聰明的AI，不像只會干一件事的“專才”。它能理解復雜需求，規劃步驟、調用工具，是自動完成多種任務的“多面手”，完全像真人一樣應對靈活場景，真正實現從單一功能到全面助力的跨越。

通用智能體有很多不同形態。第一種，我想到了釘釘AI助理。

用過釘釘的朋友應該知道，你對AI助理說：查詢一下我和張三關于A方案的聊天記錄，并把關鍵部分提煉出來形成文字，形成代辦事項。

它會自動搜索對話，提取關鍵內容，整理成清晰的總結，還能把需要跟進的任務直接加入待辦清單，完全不用自己動手去翻。

我認為，這種工具挺有潛力。你想，作為企業里的常用工具，幾乎每個人工作時都得用，而大家在用的過程中，自然會產生和沉淀大量的數據。

這樣一來，AI助理作用就很明顯了：

它能把零散的數據整理成有用的信息，再通過各種工具直接串聯起來，變成你可以直接用的東西。這樣不僅個人工作效率提高了，公司整體協作也會更順暢。

但是它也有一定劣勢。

對比Manus這樣的產品形態來看，Manus更像一個“智能體的串聯者”。它能夠把不同專長的智能體串聯起來，通過一個核心智能體來協調這些能力。

釘釘AI助理目前還做不到這一點。它更多是單獨完成一些具體任務，比如：搜索聊天記錄、安排日程等，這些功能有些目前還沒有形成深度的聯動。

換句話說，釘釘AI助理目前更像是一個高效的「單兵」，而Manus則像是一個指揮多個專家協同作戰的“團隊領袖”。

所以，從應用場景的深度和關聯性來看，Manus橫向能力深，尤其在多任務協作或者復雜流程處理時，而釘釘目前集中在企業內部的基礎效率提升上，未來如果能在任務串聯和智能化協作上進一步突破，可能會更有競爭力。

02

第二種產品形態來自于Deep Research、豆包、Kimi、通義夸克以及GROK3這類大模型對話產品未來的演變。

為了更好地理解這一點，我拿Deep Research介紹。

Deep Research是ChatGPT內嵌的一款增強能力，也算是一種工具，專門為自動化復雜的在線多步驟任務而設計。它不僅在語言風格上和DeepSeek高度相似，連功能也相近。

它能從海量的數據里快速找到有用的信息，還能幫你分析、總結，甚至生成報告；你可以把它看成一個特別聰明的研究助手，只要提需求，它就能搞定大部分繁瑣的工作。

舉個例子：

你是一名創業者，想知道未來三年健康食品市場的趨勢。只要告訴它這個要求，它就會去查找資料，整理出重點，比如市場規模、消費者喜歡什么、技術怎么發展等等，最后給你一份報告。

但這不是最關鍵的。

最重要的是，在做報告時，不僅能寫出文字，還能做出表格、代碼，甚至是思維導圖，這樣你就能更清楚地看懂這些信息。

不過，它的可視化能力更像1.0版本，功能有了，體驗還不夠“驚艷”。為什么是1.0版本呢？有三點：

一，基礎功能實現了，細節還不夠完善。目前我看到報告，大多以Markdown格式為主，內容以文字和簡單的結構化數據為主。換句話說，內容呈現方式相對“樸素”，缺乏更直觀的視覺設計。

二，它還不太會把圖片、圖標這些多媒體元素加進去；三，它的交互性也不夠強。

我前幾天讓Kimi幫我生成一個表格，它很快就做出來，但想修改一下里面的內容，卻沒辦法直接操作，最后只能一次次給提示詞，一次次生成。

這并不意味著它們潛力有限。1.0版本是一個開始，以后，當我們用Kimi、豆包、DeepSeek等工具時，它們的多模態能力會越來越強，交互也會更厲害。

你可以對它說：幫我寫一段話，然后直接做成一張海報圖片。它就會馬上生成一張設計好的圖片，你保存下來就能直接當海報用。

所以，這些產品的發展，大概會經歷四個階段：

第一個階段，簡單搜索和對話工具，主要幫你找信息、回答問題。第二個階段，變成一個“工具箱”，能敲代碼、做表格。

第三個階段，全能型選手，把文字、圖片、圖表能力融合在一起，讓體驗更豐富。

第四階段是一個通用Agent，具備高度的自主性和適應性，能夠根據需求自動調整任務流程，甚至猜到你下一步需要什么，真正成為一個通用的智能助手。

這，就是大模型要做的事情。它們如何進階，就看每個企業對它們的核心價值怎么定義了。

03

接下來，談談第三種，這個看法受Flowith啟發。

Flowith是一個畫布式創作平臺，用起來很直觀，像在白板上寫字一樣。

你可以在上面創建很多節點，每個節點代表一個問題或主題，還能把它們連起來，形成一張思維網絡，這種設計讓我們可以同時處理多個任務。

Flowith 2.0版本把AI創作、知識管理和服務都整合在一起，它還有很多實用功能，比如：生成思維導圖，還能調用Midjourney，支持GPT-4、Claude-3等AI模型。

Flowith還有個“智能體市場”，你可以分享自己設計的AI工作流程，別人也能用，這樣大家能互相學習和進步。

我講這么多，到底想表達什么呢？

這類產品會從一個很簡單的入口開始。然后，根據創始人對AI產品的理解，會逐漸發展成一個完整的任務流或工作流。

在這個工作流上，我們可以做任何自己想做的事情。最后，對話框會變成一個通用的智能助手。也就是說，你只要提出一個問題，它就能幫你打通所有環節，完成任務。

第四個看法來自于：Taskade AI Agents。

通俗地說，Taskade AI Agents是一個項目管理中的智能助手團隊，它們用AI驅動，自動完成一些重復或繁瑣的工作，讓你在團隊協作和項目管理上省心省力。

你現在要計劃一個公司年會。得寫宣傳文案、整理預算數據、分配任務給同事，還要盯著進度。全靠自己做，要忙暈。

Taskade AI Agents 像請來的虛擬助手，你說“寫一段年會邀請文案”，它馬上生成一段給你改改就能用；把雜亂的預算表格丟給它，它就整理得整整齊齊。

告訴它“把場地布置任務分給小李”，它自動分配，還能提醒截止時間。你問“年會還缺啥準備”，它還能根據情況給你建議。你就像跟一個聰明的小秘書在聊天一樣，而且，你還能“訓練”它，讓它更懂你，干活更貼心。

所以，你在這個平臺建立任務的那一刻，Taskade AI Agents會立刻幫你想出一些點子，把它做成任務、拆成具體步驟。

這有點像 Notion，但又不一樣，區別在于：

Notion像一個靈活筆記本，得自己搭建結構和輸入內容；而 Taskade AI Agents 是“活的”，它會主動幫你生成內容、分任務、預測下一步。

還有Taskade更偏向團隊協作和項目管理，AI 助手直接嵌在里面；而 Notion 更像全能工具，適合個人筆記、數據庫，但自動化沒那么強。

不管怎么說，它像一個通用Agent，從建立任務那一刻起就全程陪著你，一直到任務結束，幫你把每一步都安排得妥妥當當。

04

第五種通用Agent 產品形態是：Zapier AI Agents。

它是做什么的呢？

你隨便說一句：幫我把新客戶名單整理好，發郵件跟進，它就能立刻從你的表單里挑出名單、寫好郵件并發出去。

這種體驗特別絲滑，主要體現在它的聊天框上，跟我們平時用 Kimi或豆包聊天的感覺差不多，但它有個特別的地方：

我說一句話，它不光是回復，是直接變成行動；它能在超過 7,000個應用中都能用，自動處理各種繁瑣的業務任務，只要動動嘴就能搞定。

和Taskade AI Agents比起來，區別很明顯。

Taskade的AI助手像專心在自家項目管理平臺里干活的，而Zapier AI Agents是個跨平臺的“萬能助手”，擅長把分散在不同應用里的工作串起來自動化。

簡單說，從下命令那一刻起，就像個不知疲倦的助手，把任務從頭管到尾。

它的客戶群也挺廣，官方提到有超過5萬家企業通過AI功能改變了工作方式。在應用場景上，它覆蓋創業者、中大型團隊、營銷和電商從業者等各種類型。

最后提到的一種新形態，是我今年2月份在騰訊報告中看到的。報告的名字叫《DataLab：A Unified Platform for LLM-Powered Business Intelligence》。

它主要講了什么呢？

DataLab是一個利用人工智能技術的智能平臺，它能夠整合企業中各種復雜的數據處理和分析任務。數據專家們可以通過簡單的對話，告訴平臺需求，然后會自動生成所需的內容和圖表。

簡單來說，DataLab是一個非常智能的工具，它能夠讓數據處理工作變得簡單而高效。

我看完報告，理解的是：DataLab目標構建一個大型的LLM（大型語言模型）平臺，并整合多個智能體。智能體各有專長，比如有擅長編寫SQL語句，有擅長生成圖表，還有擅長數據分析。

最終，你只要對著一個Chatbot（聊天機器人）提問，比如：“給我展示今年銷售額最高的產品的柱狀圖。”平臺就會立即調動資源，給你生成所需的圖標。

總的來看，我認為，Agent即將進入一個新的發展階段。

一些代理會采用自上而下的方式運作，它們從項目、任務開始，利用一個聊天機器人（chatbot）將多個智能體連接起來，讓用戶在一個平臺上使用自己的產品。

要么把Agent變成一個AI助理，用戶可以將各種任務交給它，讓它來管理和執行；還有采取自下而上的方法，即從簡單搜索、記錄小習慣開始，逐步構建起一個完整的自動化系統。

說白了，以前一個大模型對話框不夠用了，現在要用一個對話框，調動多種工具，并解決復雜的任務。