最近活跃的智能体有DeepResearch、Auto-GPT、Manus、扣子空间、Lovart等。

当前这些AI产品“搞得热闹”，其目的还是Attention is all you need，他们一方面在争夺注意力，一方面在占据新一轮流量入口。

之前介绍了Agent平台，今天我们来介绍下当前常见的智能体。

1、智能体概述

当前智能体的概括性描述，最好的材料是OpenAI创始人outman提出的发展预测：

这种设计的底层逻辑只有一个：模型吃掉应用，他们是想将所有的算法（工作流）、数据（知识库）、工具插件全部吃掉，模型即所有，这也同步提出了Agent经典架构：

从模块分类来说：

1. 大模型解决规划与调度问题，Manus能爆发的核心原因就是模型能力大幅增强；
2. RAG解决幻觉问题，当前模型的发展趋势来说，模型上下文破百万是早晚的事，如何让模型聊得像人，体验好的AI分身这类应用，将在这两年诞生；
3. 工具链解决多模态问题，包括最近很火的MCP、Computer Use其实都算是AI多模态能力的延伸，要的就是解决AI各种“不行”的问题，这里包括了听觉、视觉、触觉等；

基于此，再看如今常见的智能体，又可以分为两类：通用型智能体、垂直行业智能体。

因为基座模型能力不大，大家都一样的所以，：

对通用型智能体来说，其核心是工具生态，生态越繁荣越容易脱颖而出；

而对于垂直行业智能体来说，私有语料、垂直领域插件越多，其使用上越友好。

以Manus为例，他其实是没有什么技术门槛的，国内有很多类似的产品，比如，其实现周期在一周左右，当然要打磨得好，也要花不少时间的。

接下来，我们来具体介绍下几款产品。

2、Deep Research

OpenAI 2月底就推出了Deep Research功能，每个月使用次数有限。

在表现上Deep Research称得上足够专业，他会像人类专家一样对复杂任务进行逐步拆解，然后在互联网上进行多轮的信息搜索与验证。

他会根据已有的信息逐步调整研究方向和策略，不断深入挖掘问题的本质，直到找到最合适的答案。

但与Manus等智能体一致：真实使用后，大概不会想要使用第二次，他还不成熟。

我的任务是想要去整理所有的医疗信息，这显然是一项复杂的工程，为了降低难度，我更改了问题：梳理所有的医疗信息发布渠道。

基于这个问题，开始了Deep Research之旅，先是给了一些输入：

我要完成《医疗信息产出渠道全景分级体系》。

其目的是将所有可能产出医疗信息的机构全部包含，并且进行分级，需要遵循MECE原则

PS：真实提示词会严谨很多，但有一定密度就不放出来了

在多次提示、反复的情况下，GPT给了我以下反馈：

不用细看了，有很大问题，连最基础的医疗教科书都没有…

在明知道他有问题的情况下，我开始了反复暗示：是否有遗漏，很可惜系统都没有给我满意的答复。

综上，在每个问题耗时5-30分钟以后，Deep Research对于过于复杂的问题，是难以独立完成任务的。

基于此，我们再看看国内的Manus：

3、Manus

Manus其实是相当成功的，融资数字一定不会骗人：4月Manus完成了7500万美元的融资，近期貌似又拿到了一亿美元融资，估值已达20亿美元！

因为我们前面说了他的技术门槛不高，所以资本其实对于能把AI玩明白、能把营销玩明白的公司是很看好的。

具体产品来说，他完成的功能会比Deep Research更丰富，比如让Manus给当下的Agent大模型打分，然后产出了一个报表，看上去就像模像样：

但真实使用后，问题很多，这里随便挑三点说说：

一、Less structure, more intelligence

Manus类智能体走的是模型即所有的路线，大概意思就是：别干涉我，我自己玩，这个是个美好的愿望，但以当前的完成度来说就很麻烦，因为他不好接受输入输出。

当前，Manus基于Computer Use作独立网页运作，无法嵌入钉钉/飞书等生产环境，用户需反复切换界面，用起来挺麻烦的。

PS：但其实也挺无所谓的，因为他输出能力反正也不行…

二、经常性中断

这里不只是Manus，Deep Research也是一样，每个任务耗时很长（30分钟也是常见的事），但当你真的离开回来，发现因上下文丢失，任务中断了，这还是比较令人抓狂的。

社区反馈其决策树容易进入死循环、重复执行或长时间无响应，成功率被用户吐槽低于30%。

这里服务器稳定性问题就先不说了，肯定是比较差的…

三、幻觉问题

Manus生成内容虽常自称“已标注来源”，但真实检查时引用链接缺失或对不准，可靠度不足。

并且，产品主体和算力落地位置不透明，这里可能会存在跨境存储、法律管辖不清的隐忧…

小结

还有些其他问题，就不做展开了，只不过瑕不掩瑜，Manus虽然有点缝合怪，但也许缝合怪才是AI的正确打开方式。

其意义还是从L2到L3，从聊天机器人到任务完成者。

然后，我们来看看扣子空间：

4、扣子空间

字节在AI应用这块可称为高富帅，他们已经形成了AI体系了：

1. 想做Agent做POC验证，先顺手来个扣子；
2. 扣子搞不定多Agent协作问题，继续来一套多维表格；
3. 需要做知识库，直接上飞书知识问答，立刻激活飞书文档；
4. 基座模型方面还有豆包；
5. …；

字节可谓将整个AI应用生态玩得明明白白，并且抖音生态提供了大量流量支持，很多主播都涌向了扣子体系，这就导致这个生态十分健全。

在这个基础上，扣子空间是真的可以将Agent全流程搞定的，包括任务编排、MCP调用、结果交付，并且基于字节强大的技术能力，他稳定性高不说还挺便宜…

扣子AI生态是一个厚积薄发的代表，国外一般智能体还真跟不上…

但国外的大厂也很牛逼，比如Google I/O所展示出来的视频AI套餐。谷歌发布了三款创作者向的 AI 工具：

1. Flow 脚本→分镜→配乐→配音一条龙；
2. Veo 3 让 AI 视频摆脱“无声时代”，支持原生音轨与物理细节；
3. Imagen 4 图生图，2K 分辨率保持 Logo 与文字清晰；

这三者组合，就像是给创作者配齐了导演、摄影、视觉总监：

简单描述一句就是：我可以基于此，直接做短剧了…

而红杉进一步指出：企业级市场中，真正先跑出来的入口未必是通用大模型，而是 Harvey（法律）、Open Evidence（医疗）这类垂直领域智能体 OS，因为它们能听懂行业语言，理解真实需求。

所以，Manus这种当前博眼球一些，但真正使用的好的是Cursor、Lovart这种垂直领域牵扯较深的应用，甚至Lovart还可以被再细分到广告、建筑领域。

从这里，我们也将视野从通用智能体转向垂直领域智能体：

5、Lovart

今年在图像与视频侧AI在各种开挂，前些日子设计领域的Agent产品Lovart表现得非常不错：

他跟Cursor很类似，属于设计师的生产力工具，并且真正的在交付结果。

逻辑上来说再发展一下Cursor与Lovart就能打破专业KnowHow的壁垒了，你只需要告诉Lovart具体怎么画、什么风格，其次他全程就自己玩了，比如这里的一些漫画效果：

无论是Cursor还是Lovart，他标志着垂直领域的Agent逐渐走向成熟，另一方面也在验证红杉峰会的判断：AI应用首先会在垂直领域展开。

6、结语

还有些其他的Agent值得研究，比如很多写PPT的Agent，已经非常成熟，这里通过Agent的研究其实可以得出一个结论：通用智能体还不成熟，而行业智能体正在达到可用的水平。

RL 之父 Rich Sutton在 2019 年的文章《苦涩的教训》中指出：

70 年的 AI 研究历史告诉我们一个最重要的道理：依靠纯粹算力的通用方法，最终总能以压倒性优势胜出

加上模型能力的快速提升、Manus的爆火出圈，于是很多人会认为：模型的通用能力，正在取代现在那些复杂的 Workflow。

但我认为这是不对的，至少说在这几年是不对的，因为GPT是基于统计学的逻辑，他并不具备真正的思考能力

首先，AI产品的实现在于两极：模型与工程，基座模型能力越强那么对应工程实现就可以越简单，只不过这里有个动态的临界点。这个临界点是：

1. 模型可以不做规划，但他真的能精准抽取关键词，这是是否性问题；
2. 工程能切实补足大模型的天生缺陷，比如幻觉、比如记忆问题；

就我看到的20家企业，在AI产品实现全部是基于Workflow在做设计，他们对于模型是否会完全颠覆自己的提示词工程表现出了几无所谓的态度，原因是：

1. 浅尝则止的公司，提示词工程本来成本就很低，10多20万就搞定了，模型要取代就取代呗，他们毫无所谓；
2. 行业深度运用的公司，已经是领域非常资深的玩家，他们的提示词工程依赖于大量KnowHow，偶尔他们自己都玩不明白，所以对于模型马上会具备超越他们行业认知的事情，是毫不担心的；

这里要注意的是，这里所谓的行业深度并不是只程序员行业、图像行业这种规则性完善的公司，而是指医疗、金融、法律等领域。

回到上文的通用性智能体Deep Research、Manus对比垂直型智能体Cursor、Lovart，也许大家也能拿到当前最佳的AI项目实践路径的答案。

综上，我还是赞成红杉AI峰会那句话：AI应用的机会在垂直领域。

如何从零学会大模型？小白&程序员都能跟上的入门到进阶指南

当AI开始重构各行各业，你或许听过“岗位会被取代”的焦虑，但更关键的真相是：技术迭代中，“效率差”才是竞争力的核心——新岗位的生产效率远高于被替代岗位，整个社会的机会其实在增加。

但对个人而言，只有一句话算数：
“先掌握大模型的人，永远比后掌握的人，多一次职业跃迁的机会。”

回顾计算机、互联网、移动互联网的浪潮，每一次技术革命的初期，率先拥抱新技术的人，都提前拿到了“职场快车道”的门票。我在一线科技企业深耕12年，见过太多这样的案例：3年前主动学大模型的同事，如今要么成为团队技术负责人，要么薪资翻了2-3倍。

深知大模型学习中，“没人带、没方向、缺资源”是最大的拦路虎，我们联合行业专家整理出这套 《AI大模型突围资料包》，不管你是零基础小白，还是想转型的程序员，都能靠它少走90%的弯路：

• ✅ 小白友好的「从零到一学习路径图」（避开晦涩理论，先学能用的技能）
• ✅ 程序员必备的「大模型调优实战手册」（附医疗/金融大厂真实项目案例）
• ✅ 百度/阿里专家闭门录播课（拆解一线企业如何落地大模型）
• ✅ 2025最新大模型行业报告（看清各行业机会，避免盲目跟风）
• ✅ 大厂大模型面试真题（含答案解析，针对性准备offer）
• ✅ 2025大模型岗位需求图谱（明确不同岗位需要掌握的技能点）

所有资料已整理成包，想领《AI大模型入门+进阶学习资源包》的朋友，直接扫下方二维码获取~

① 全套AI大模型应用开发视频教程：从“听懂”到“会用”

不用啃复杂公式，直接学能落地的技术——不管你是想做AI应用，还是调优模型，这套视频都能覆盖：

• 小白入门：提示工程（让AI精准输出你要的结果）、RAG检索增强（解决AI“失忆”问题）
• 程序员进阶：LangChain框架实战（快速搭建AI应用）、Agent智能体开发（让AI自主完成复杂任务）
• 工程落地：模型微调与部署（把模型用到实际业务中）、DeepSeek模型实战（热门开源模型实操）

每个技术点都配“案例+代码演示”，跟着做就能上手！

课程精彩瞬间

② 大模型系统化学习路线：避免“学了就忘、越学越乱”

很多人学大模型走弯路，不是因为不努力，而是方向错了——比如小白一上来就啃深度学习理论，程序员跳过基础直接学微调，最后都卡在“用不起来”。

我们整理的这份「学习路线图」，按“基础→进阶→实战”分3个阶段，每个阶段都明确：

• 该学什么（比如基础阶段先学“AI基础概念+工具使用”）
• 不用学什么（比如小白初期不用深入研究Transformer底层数学原理）
• 学多久、用什么资料（精准匹配学习时间，避免拖延）

跟着路线走，零基础3个月能入门，有基础1个月能上手做项目！

③ 大模型学习书籍&文档：打好理论基础，走得更稳

想长期在大模型领域发展，理论基础不能少——但不用盲目买一堆书，我们精选了「小白能看懂、程序员能查漏」的核心资料：

• 入门书籍：《大模型实战指南》《AI提示工程入门》（用通俗语言讲清核心概念）
• 进阶文档：大模型调优技术白皮书、LangChain官方中文教程（附重点标注，节省阅读时间）
• 权威资料：斯坦福CS224N大模型课程笔记（整理成中文，避免语言障碍）

所有资料都是电子版，手机、电脑随时看，还能直接搜索重点！

④ AI大模型最新行业报告：看清机会，再动手

学技术的核心是“用对地方”——2025年哪些行业需要大模型人才？哪些应用场景最有前景？这份报告帮你理清：

• 行业趋势：医疗（AI辅助诊断）、金融（智能风控）、教育（个性化学习）等10大行业的大模型落地案例
• 岗位需求：大模型开发工程师、AI产品经理、提示工程师的职责差异与技能要求
• 风险提示：哪些领域目前落地难度大，避免浪费时间

不管你是想转行，还是想在现有岗位加技能，这份报告都能帮你精准定位！

⑤ 大模型大厂面试真题：针对性准备，拿offer更稳

学会技术后，如何把技能“变现”成offer？这份真题帮你避开面试坑：

• 基础题：“大模型的上下文窗口是什么？”“RAG的核心原理是什么？”（附标准答案框架）
• 实操题：“如何优化大模型的推理速度？”“用LangChain搭建一个多轮对话系统的步骤？”（含代码示例）
• 场景题：“如果大模型输出错误信息，该怎么解决？”（教你从技术+业务角度回答）

覆盖百度、阿里、腾讯、字节等大厂的最新面试题，帮你提前准备，面试时不慌！

以上资料如何领取？

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么现在必须学大模型？不是焦虑，是事实

最近英特尔、微软等企业宣布裁员，但大模型相关岗位却在疯狂扩招：

• 大厂招聘：百度、阿里的大模型开发岗，3-5年经验薪资能到50K×20薪，比传统开发岗高40%；
• 中小公司：甚至很多传统企业（比如制造业、医疗公司）都在招“会用大模型的人”，要求不高但薪资可观；
• 门槛变化：不出1年，“有大模型项目经验”会成为很多技术岗、产品岗的简历门槛，现在学就是抢占先机。

风口不会等任何人——与其担心“被淘汰”，不如主动学技术，把“焦虑”变成“竞争力”！

最后：全套资料再领一次，别错过这次机会

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】