通用Agent未来形态什么样？

推荐语

深入探索通用Agent的形态和未来趋势，了解AI如何助力工作自动化。

核心内容：
1. 通用Agent的概念解析及其对技术发展的影响
2. 通用智能体在实际工作中的应用示例
3. 通用Agent的多样性和未来形态展望

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

文：王智远 | ID:Z201440

Manus火了后，大家开始关注一个新概念：

通用agent。

有人觉得，这东西会彻底改变未来技术的发展方向，还能颠覆大模型产品和人类交互方式；还有人幻想，以后只要说一句提示词，AI能搞定一切，完全不用自己动手。

不过，我觉得，通用智能体不是新概念，Manus也不是全球第一个AI通用智能体。

他们只是把自家产品定义为，一款连接思维、行动的通用人工智能代理，特点是能搞定各种复杂的任务，不仅能思考，还能直接给出结果。

所以，别被碎片化的消息给糊弄了。只要稍微查一查，就会发现早在2024年，网上已经有不少关于通用Agent的信息。

通用智能体（General Artificial Intelligence Agent）到底是什么？我举个例子：

你是一名市场部同学，老板突然要求：明天上午10点前，要一份新产品在小红书的推广分析报告；过去，你得先登录后台导数据、整理成图表、放进PPT，再检查格式，最后交给老板，整个过程繁琐又耗时。

如果有一个通用agent，只要把数据下载下来，交给它，然后说：帮我整理成一份报告，把数据对比部分可视化，明早10点前交给老板。

接下来，通用agent会自动分析数据、生成图表、总结结果并提出建议，最后准时把报告交到你手上；理想情况下，它甚至能帮你列一个待办清单，告诉你要做什么，剩下的繁琐任务都由它完成。

通用agent让人从重复性工作中解放出来，专注于更重要的事情。

我让AI帮我查了一下它的完整定义。AI说：

一种很聪明的AI，不像只会干一件事的“专才”。它能理解复杂需求，规划步骤、调用工具，是自动完成多种任务的“多面手”，完全像真人一样应对灵活场景，真正实现从单一功能到全面助力的跨越。

通用智能体有很多不同形态。第一种，我想到了钉钉AI助理。

用过钉钉的朋友应该知道，你对AI助理说：查询一下我和张三关于A方案的聊天记录，并把关键部分提炼出来形成文字，形成代办事项。

它会自动搜索对话，提取关键内容，整理成清晰的总结，还能把需要跟进的任务直接加入待办清单，完全不用自己动手去翻。

我认为，这种工具挺有潜力。你想，作为企业里的常用工具，几乎每个人工作时都得用，而大家在用的过程中，自然会产生和沉淀大量的数据。

这样一来，AI助理作用就很明显了：

它能把零散的数据整理成有用的信息，再通过各种工具直接串联起来，变成你可以直接用的东西。这样不仅个人工作效率提高了，公司整体协作也会更顺畅。

但是它也有一定劣势。

对比Manus这样的产品形态来看，Manus更像一个“智能体的串联者”。它能够把不同专长的智能体串联起来，通过一个核心智能体来协调这些能力。

钉钉AI助理目前还做不到这一点。它更多是单独完成一些具体任务，比如：搜索聊天记录、安排日程等，这些功能有些目前还没有形成深度的联动。

换句话说，钉钉AI助理目前更像是一个高效的「单兵」，而Manus则像是一个指挥多个专家协同作战的“团队领袖”。

所以，从应用场景的深度和关联性来看，Manus横向能力深，尤其在多任务协作或者复杂流程处理时，而钉钉目前集中在企业内部的基础效率提升上，未来如果能在任务串联和智能化协作上进一步突破，可能会更有竞争力。

第二种产品形态来自于Deep Research、豆包、Kimi、通义夸克以及GROK3这类大模型对话产品未来的演变。

为了更好地理解这一点，我拿Deep Research介绍。

Deep Research是ChatGPT内嵌的一款增强能力，也算是一种工具，专门为自动化复杂的在线多步骤任务而设计。它不仅在语言风格上和DeepSeek高度相似，连功能也相近。

它能从海量的数据里快速找到有用的信息，还能帮你分析、总结，甚至生成报告；你可以把它看成一个特别聪明的研究助手，只要提需求，它就能搞定大部分繁琐的工作。

举个例子：

你是一名创业者，想知道未来三年健康食品市场的趋势。只要告诉它这个要求，它就会去查找资料，整理出重点，比如市场规模、消费者喜欢什么、技术怎么发展等等，最后给你一份报告。

但这不是最关键的。

最重要的是，它在做报告时，不仅能写出文字，还能做出表格、代码，甚至是思维导图，这样你就能更清楚地看懂这些信息。

不过，它的可视化能力更像1.0版本，功能有了，体验还不够“惊艳”。为什么是1.0版本呢？有三点：

一，基础功能实现了，细节还不够完善。目前我看到报告，大多以Markdown格式为主，内容以文字和简单的结构化数据为主。换句话说，内容呈现方式相对“朴素”，缺乏更直观的视觉设计。

二，它还不太会把图片、图标这些多媒体元素加进去；三，它的交互性也不够强。

我前几天让Kimi帮我生成一个表格，它很快就做出来，但想修改一下里面的内容，却没办法直接操作，最后只能一次次给提示词，一次次生成。

这并不意味着它们潜力有限。1.0版本是一个开始，以后，当我们用Kimi、豆包、DeepSeek等工具时，它们的多模态能力会越来越强，交互也会更厉害。

你可以对它说：帮我写一段话，然后直接做成一张海报图片。它就会马上生成一张设计好的图片，你保存下来就能直接当海报用。

所以，这些产品的发展，大概会经历四个阶段：

第一个阶段，简单搜索和对话工具，主要帮你找信息、回答问题。第二个阶段，变成一个“工具箱”，能敲代码、做表格。

第三个阶段，全能型选手，把文字、图片、图表能力融合在一起，让体验更丰富。

第四阶段是一个通用Agent，具备高度的自主性和适应性，能够根据需求自动调整任务流程，甚至猜到你下一步需要什么，真正成为一个通用的智能助手。

这，就是大模型要做的事情。它们如何进阶，就看每个企业对它们的核心价值怎么定义了。

接下来，谈谈第三种，这个看法受Flowith启发。

Flowith是一个画布式创作平台，用起来很直观，像在白板上写字一样。

你可以在上面创建很多节点，每个节点代表一个问题或主题，还能把它们连起来，形成一张思维网络，这种设计让我们可以同时处理多个任务。

Flowith 2.0版本把AI创作、知识管理和服务都整合在一起，它还有很多实用功能，比如：生成思维导图，还能调用Midjourney，支持GPT-4、Claude-3等AI模型。

Flowith还有个“智能体市场”，你可以分享自己设计的AI工作流程，别人也能用，这样大家能互相学习和进步。

我讲这么多，到底想表达什么呢？

这类产品会从一个很简单的入口开始。然后，根据创始人对AI产品的理解，会逐渐发展成一个完整的任务流或工作流。

在这个工作流上，我们可以做任何自己想做的事情。最后，对话框会变成一个通用的智能助手。也就是说，你只要提出一个问题，它就能帮你打通所有环节，完成任务。

第四个看法来自于：Taskade AI Agents。

通俗地说，Taskade AI Agents是一个项目管理中的智能助手团队，它们用AI驱动，自动完成一些重复或繁琐的工作，让你在团队协作和项目管理上省心省力。

你现在要计划一个公司年会。得写宣传文案、整理预算数据、分配任务给同事，还要盯着进度。全靠自己做，要忙晕。

Taskade AI Agents 像请来的虚拟助手，你说“写一段年会邀请文案”，它马上生成一段给你改改就能用；把杂乱的预算表格丢给它，它就整理得整整齐齐。

告诉它“把场地布置任务分给小李”，它自动分配，还能提醒截止时间。你问“年会还缺啥准备”，它还能根据情况给你建议。你就像跟一个聪明的小秘书在聊天一样，而且，你还能“训练”它，让它更懂你，干活更贴心。

所以，你在这个平台建立任务的那一刻，Taskade AI Agents会立刻帮你想出一些点子，把它做成任务、拆成具体步骤。

这有点像 Notion，但又不一样，区别在于：

Notion像一个灵活笔记本，得自己搭建结构和输入内容；而 Taskade AI Agents 是“活的”，它会主动帮你生成内容、分任务、预测下一步。

还有Taskade更偏向团队协作和项目管理，AI 助手直接嵌在里面；而 Notion 更像全能工具，适合个人笔记、数据库，但自动化没那么强。

不管怎么说，它像一个通用Agent，从建立任务那一刻起就全程陪着你，一直到任务结束，帮你把每一步都安排得妥妥当当。

第五种通用Agent 产品形态是：Zapier AI Agents。

它是做什么的呢？

你随便说一句：帮我把新客户名单整理好，发邮件跟进，它就能立刻从你的表单里挑出名单、写好邮件并发出去。

这种体验特别丝滑，主要体现在它的聊天框上，跟我们平时用 Kimi 或豆包聊天的感觉差不多，但它有个特别的地方：

我说一句话，它不光是回复，是直接变成行动；它能在超过 7,000 个应用中都能用，自动处理各种繁琐的业务任务，只要动动嘴就能搞定。

和Taskade AI Agents比起来，区别很明显。

Taskade的AI助手像专心在自家项目管理平台里干活的，而Zapier AI Agents是个跨平台的“万能助手”，擅长把分散在不同应用里的工作串起来自动化。

简单说，从下命令那一刻起，它就像个不知疲倦的助手，把任务从头管到尾。

它的客户群也挺广，官方提到有超过5万家企业通过AI功能改变了工作方式。在应用场景上，它覆盖创业者、中大型团队、营销和电商从业者等各种类型。

最后提到的一种新形态，是我今年2月份在腾讯报告中看到的。报告的名字叫《DataLab：A Unified Platform for LLM-Powered Business Intelligence》。

它主要讲了什么呢？

DataLab是一个利用人工智能技术的智能平台，它能够整合企业中各种复杂的数据处理和分析任务。数据专家们可以通过简单的对话，告诉平台需求，然后会自动生成所需的内容和图表。

简单来说，DataLab是一个非常智能的工具，它能够让数据处理工作变得简单而高效。

我看完报告，理解的是：DataLab目标构建一个大型的LLM（大型语言模型）平台，并整合多个智能体。智能体各有专长，比如有擅长编写SQL语句，有擅长生成图表，还有擅长数据分析。

最终，你只要对着一个Chatbot（聊天机器人）提问，比如：“给我展示今年销售额最高的产品的柱状图。”平台就会立即调动资源，给你生成所需的图标。

总的来看，我认为，Agent即将进入一个新的发展阶段。

一些代理会采用自上而下的方式运作，它们从项目、任务开始，利用一个聊天机器人（chatbot）将多个智能体连接起来，让用户在一个平台上使用自己的产品。

要么把Agent变成一个AI助理，用户可以将各种任务交给它，让它来管理和执行；还有采取自下而上的方法，即从简单搜索、记录小习惯开始，逐步构建起一个完整的自动化系统。

说白了，以前一个大模型对话框不够用了，现在要用一个对话框，调动多种工具，并解决复杂的任务。