[趋势研究] 对比DR/AutoGLM - 2025年Agent领域的发展预测

[趋势研究] 对比DR/AutoGLM 2025年Agent领域的发展预测 [趋势研究] 对比DR/AutoGLM 2025年Agent领域的发展预测 Modified April 7, 2025 2377 2921 Flowith是一个AI创作工作空间，具有以下特点： 1. flowith Oracle：专有的下一代AI代理系统，帮助用户完成多步骤、高度复杂的任务[19] 2. 基于画布的界面：支持多线程对话，改变内容创建方式[20] 3. 知识花园：用于管理和结构化信息的专有AI驱动的知识管理框架[23] 4. 智能种子(Smart Seeds)和交叉授粉(Cross pollination)：增强知识管理能力 5. 第二大脑：能够整理、结构化和扩展知识 Claude AI Anthropic开发的Claude是一个下一代AI助手，其特点包括： 1. 低幻觉率和高准确性：在长文档上具有非常低的幻觉率和非常高的准确性[26] 2. 安全、准确和安全：专为帮助企业关键用例而设计 3. 模型上下文协议(MCP)：一种连接模型与数据源和工具的技术[64] Claude被描述为"基于Anthropic关于训练有用、诚实和无害AI系统的研究的下一代AI助手"[30]。 阿里的MCP 阿里的MCP（Model Context Protocol）是一个AI代理框架，其特点包括： 1. 动态发现：AI代理可以自动检测可用的MCP服务器及其功能，无需硬编码[33] 2. 多上下文提供者：允许AI代理访问和使用多个上下文 3. 集成能力：可以与各种工具和API集成，提供实时协助[32] 阿里还推出了一款基于MCP的AI代理应用，该应用基于其在2016年推出的网页浏览器，可以处理从图像生成到旅行规划等各种任务[34]。 AI代理技术发展趋势 多模态AI的发展 多模态AI是2025年及以后的关键发展趋势之一。未来的多模态AI将： 1. 增强跨模态推理：AI代理将能够更有效地处理和整合不同类型的数据和信息 2. 增强数据融合：通过更好的数据融合实现更智能的决策 3. 自主AI代理：自主AI代理正在证明比大型语言模型更有效地处理离散任务[45] 自主决策能力的提升 自主AI代理是2025年最变革性的趋势之一： 1. 主动AI代理：AI代理将变得更加主动，能够预测用户需求并采取相应行动[36] 2. 决策能力增强：AI代理将在决策过程中发挥更大作用[43] 3. 治理和管理：随着AI代理承担更多决策责任，需要新的治理模式来确保其安全和透明 与Web3和API的集成 AI代理正在与Web3和API进行更深度的集成： 1. Web3集成：AI代理将与区块链和去中心化应用程序更紧密地集成 2. API连接：通过API访问更多工具和服务，增强AI代理的功能 3. 增强决策：从这些集成中获取的数据将用于增强AI代理的决策能力 人类与AI代理的协作 人类与AI代理的协作是另一个重要趋势： 1. 协作范式：围绕人类如何与AI代理合作的新研究范式正在出现[58] 2. 超个性化：AI代理将提供更高程度的个性化体验[36] 3. 增强生产力：通过与AI代理的协作，人类的工作效率将显著提高 通用AI代理与垂直AI代理的比较 通用AI代理的优势与挑战 优势： 1. 广泛适用性：能够处理多种任务和领域 2. 灵活性：适应不同的用户需求和场景 3. 长期潜力：有可能发展成为真正的人工通用智能(AGI) 挑战： 1. 性能限制：在特定领域可能不如垂直代理专业 2. 资源需求：需要大量计算资源和数据 3. 稳定性问题：如Manus AI所示，通用代理可能存在稳定性问题[63] 垂直AI代理的优势与挑战 优势： 1. 专业性：在特定领域内表现出色 2. 高效率：专注于特定任务，处理速度快 3. 稳定性：通常比通用代理更稳定和可靠 挑战： 1. 适用性有限：只能处理特定任务或领域 2. 开发成本高：为每个领域开发专门的代理成本高昂 3. 整合困难：不同垂直代理之间的整合可能很复杂 从业者观点 根据从业者郭梓溢的观点，AI代理过度追求通用性有问题，垂直代理更易出现杀手级应用。他提到，满足公众期待的垂直应用今年内会有爆发点[6]。这表明垂直AI代理可能在短期内有更大的发展潜力和商业价值。 AI代理对各行业的影响 医疗行业 AI代理在医疗行业的应用将带来深远影响： 1. 医疗诊断：AI代理可以分析医学影像和患者数据，辅助医生进行更准确的诊断 2. 个性化治疗：根据患者的基因组数据和病史，AI代理可以推荐个性化的治疗方案 3. 医疗管理：AI代理可以优化医疗资源分配，减少等待时间，提高医疗效率 金融行业 AI代理将彻底改变金融服务： 1. 风险管理：AI代理可以实时监控和评估风险，做出更明智的投资决策 2. 客户服务：智能客服代理可以提供24/7的客户服务，解答客户问题，处理交易 3. 欺诈检测：AI代理可以检测异常交易模式，防止欺诈行为 制造业 AI代理在制造业的应用将提高生产效率和产品质量： 1. 预测性维护：AI代理可以预测设备故障，减少停机时间 2. 质量控制：AI代理可以实时监控生产过程，检测缺陷产品 3. 供应链优化：AI代理可以优化库存管理和供应链流程 客户服务 AI代理在客户服务领域的应用已经相当广泛： 1. 自动回复：AI代理可以自动回复常见问题，减轻人工客服的工作负担 2. 个性化服务：AI代理可以根据客户历史和偏好提供个性化服务 3. 多语言支持：AI代理可以支持多种语言，服务全球客户 2025年底AI代理领域的主要发展方向 19 20 23 26 64 30 33 32 34 45 36 43 58 36 63 6 Flowith是一个AI创作工作空间，具有以下特点： 1. flowith Oracle：专有的下一代AI代理系统，帮助用户完成多步骤、高度复杂的任务[19] 19 2. 基于画布的界面：支持多线程对话，改变内容创建方式[20] 20 3. 知识花园：用于管理和结构化信息的专有AI驱动的知识管理框架[23] 23 4. 智能种子(Smart Seeds)和交叉授粉(Cross pollination)：增强知识管理能力 5. 第二大脑：能够整理、结构化和扩展知识 Claude AI Anthropic开发的Claude是一个下一代AI助手，其特点包括： 1. 低幻觉率和高准确性：在长文档上具有非常低的幻觉率和非常高的准确性[26] 26 2. 安全、准确和安全：专为帮助企业关键用例而设计 3. 模型上下文协议(MCP)：一种连接模型与数据源和工具的技术[64] 64 Claude被描述为"基于Anthropic关于训练有用、诚实和无害AI系统的研究的下一代AI助手"[30]。 30 阿里的MCP 阿里的MCP（Model Context Protocol）是一个AI代理框架，其特点包括： 1. 动态发现：AI代理可以自动检测可用的MCP服务器及其功能，无需硬编码[33] 33 2. 多上下文提供者：允许AI代理访问和使用多个上下文 3. 集成能力：可以与各种工具和API集成，提供实时协助[32] 32 阿里还推出了一款基于MCP的AI代理应用，该应用基于其在2016年推出的网页浏览器，可以处理从图像生成到旅行规划等各种任务[34]。 34 AI代理技术发展趋势 多模态AI的发展 多模态AI是2025年及以后的关键发展趋势之一。未来的多模态AI将： 1. 增强跨模态推理：AI代理将能够更有效地处理和整合不同类型的数据和信息 2. 增强数据融合：通过更好的数据融合实现更智能的决策 3. 自主AI代理：自主AI代理正在证明比大型语言模型更有效地处理离散任务[45] 45 自主决策能力的提升 自主AI代理是2025年最变革性的趋势之一： 1. 主动AI代理：AI代理将变得更加主动，能够预测用户需求并采取相应行动[36] 36 2. 决策能力增强：AI代理将在决策过程中发挥更大作用[43] 43 3. 治理和管理：随着AI代理承担更多决策责任，需要新的治理模式来确保其安全和透明 与Web3和API的集成 AI代理正在与Web3和API进行更深度的集成： 1. Web3集成：AI代理将与区块链和去中心化应用程序更紧密地集成 2. API连接：通过API访问更多工具和服务，增强AI代理的功能 3. 增强决策：从这些集成中获取的数据将用于增强AI代理的决策能力 人类与AI代理的协作 人类与AI代理的协作是另一个重要趋势： 1. 协作范式：围绕人类如何与AI代理合作的新研究范式正在出现[58] 58 2. 超个性化：AI代理将提供更高程度的个性化体验[36] 36 3. 增强生产力：通过与AI代理的协作，人类的工作效率将显著提高 通用AI代理与垂直AI代理的比较 通用AI代理的优势与挑战 优势： 1. 广泛适用性：能够处理多种任务和领域 2. 灵活性：适应不同的用户需求和场景 3. 长期潜力：有可能发展成为真正的人工通用智能(AGI) 挑战： 1. 性能限制：在特定领域可能不如垂直代理专业 2. 资源需求：需要大量计算资源和数据 3. 稳定性问题：如Manus AI所示，通用代理可能存在稳定性问题[63] 63 垂直AI代理的优势与挑战 优势： 1. 专业性：在特定领域内表现出色 2. 高效率：专注于特定任务，处理速度快 3. 稳定性：通常比通用代理更稳定和可靠 挑战： 1. 适用性有限：只能处理特定任务或领域 2. 开发成本高：为每个领域开发专门的代理成本高昂 3. 整合困难：不同垂直代理之间的整合可能很复杂 从业者观点 根据从业者郭梓溢的观点，AI代理过度追求通用性有问题，垂直代理更易出现杀手级应用。他提到，满足公众期待的垂直应用今年内会有爆发点[6]。这表明垂直AI代理可能在短期内有更大的发展潜力和商业价值。 6 AI代理对各行业的影响 医疗行业 AI代理在医疗行业的应用将带来深远影响： 1. 医疗诊断：AI代理可以分析医学影像和患者数据，辅助医生进行更准确的诊断 2. 个性化治疗：根据患者的基因组数据和病史，AI代理可以推荐个性化的治疗方案 3. 医疗管理：AI代理可以优化医疗资源分配，减少等待时间，提高医疗效率 金融行业 AI代理将彻底改变金融服务： 1. 风险管理：AI代理可以实时监控和评估风险，做出更明智的投资决策 2. 客户服务：智能客服代理可以提供24/7的客户服务，解答客户问题，处理交易 3. 欺诈检测：AI代理可以检测异常交易模式，防止欺诈行为 制造业 AI代理在制造业的应用将提高生产效率和产品质量： 1. 预测性维护：AI代理可以预测设备故障，减少停机时间 2. 质量控制：AI代理可以实时监控生产过程，检测缺陷产品 3. 供应链优化：AI代理可以优化库存管理和供应链流程 客户服务 AI代理在客户服务领域的应用已经相当广泛： 1. 自动回复：AI代理可以自动回复常见问题，减轻人工客服的工作负担 2. 个性化服务：AI代理可以根据客户历史和偏好提供个性化服务 3. 多语言支持：AI代理可以支持多种语言，服务全球客户 2025年底AI代理领域的主要发展方向 技术发展方向 1. 自主决策能力的提升：AI代理将能够做出更复杂、更自主的决策 2. 多模态能力的增强：AI代理将更好地处理和整合不同类型的数据和信息 3. 与Web3和API的深度集成：通过与区块链和API的集成，AI代理将获得更广泛的功能 4. 人类与AI代理的协作：将出现更多支持人类与AI代理协作的研究和应用 市场发展方向 1. 垂直应用的爆发：满足公众期待的垂直应用将在2025年内有爆发点[6] 6 2. 通用与垂直的融合：通用AI代理将整合垂直领域的专业知识，提供更全面的服务 3. 行业特定解决方案：针对特定行业的AI代理解决方案将更加普及 4. 企业内部采用增加：企业将更多地采用AI代理来提高效率和创新能力 商业模式创新 1. 知识花园的商业化：如Flowith的"知识花园"功能，AI代理将帮助用户管理和货币化其专业知识 2. API经济：AI代理将通过API访问更多工具和服务，创造新的商业模式 3. 订阅服务：基于AI代理的订阅服务将成为主要的商业模式之一 4. 按需AI代理：用户可以根据需求租用或购买AI代理服务 通用AI代理与垂直AI代理的前景比较 通用AI代理的前景 通用AI代理的前景是光明的，但面临一些挑战： 1. 长期潜力：通用AI代理有潜力发展成为真正的人工通用智能(AGI) 2. 技术突破：随着技术的进步，通用AI代理的性能将不断提高 3. 市场接受度：随着公众对AI认知的提高，通用AI代理的市场接受度将增加 4. 挑战：稳定性、资源需求和性能限制等问题仍需解决 垂直AI代理的前景 垂直AI代理在短期内有更大的发展潜力： 1. 市场需求：特定行业对专业AI代理的需求很大 2. 商业化潜力：垂直AI代理更容易实现商业化并产生收入 3. 技术成熟度：垂直AI代理的技术相对更成熟，更容易部署 4. 生态系统：垂直AI代理将形成更紧密的行业生态系统 未来趋势预测 根据专业分析和行业观察，未来趋势可能是通用AI代理和垂直AI代理的融合： 1. 混合模式：通用AI代理将整合垂直领域的专业知识，提供更全面的服务 2. 专业网络：不同垂直AI代理将形成网络，能够协同工作解决复杂问题 3. 自主学习：AI代理将能够自主学习新技能和知识，适应不断变化的环境 4. 人类 AI协作：人类与AI代理的协作将变得更加无缝和自然 AI代理可能给哪些行业带来巨大冲击 内容创作行业 AI代理将彻底改变内容创作的方式： 1. 自动化写作：AI代理可以生成高质量的文章、报告和营销内容 2. 创意辅助：AI代理可以激发创意，帮助作家、设计师和艺术家提高生产力 3. 多语言内容：AI代理可以将内容翻译成多种语言，扩大受众范围 教育行业 AI代理将 revolutionize 教育方式： 1. 个性化学习：AI代理可以根据学生的学习风格和进度提供个性化教学 2. 教育资源：AI代理可以提供实时的教育资源和解答 3. 教育管理：AI代理可以优化教育机构的管理和运营 人力资源行业 AI代理将改变人力资源管理： 1. 招聘和筛选：AI代理可以自动化简历筛选和初步面试过程 2. 员工培训：AI代理可以提供个性化的员工培训和发展计划 3. 绩效管理：AI代理可以监控和评估员工绩效，提供反馈 电子商务行业 AI代理将提升电子商务体验： 1. 个性化推荐：AI代理可以根据用户偏好提供个性化的产品推荐 2. 客户服务：AI代理可以提供24/7的客户服务，解答购物相关问题 3. 库存管理：AI代理可以优化库存管理和供应链流程 结论 2025年的AI代理领域正处于快速发展阶段，各种产品如Manus、Flowith、Claude和阿里的MCP等在市场上竞争。从研究和分析来看，2025年底AI代理领域的主要发展方向包括自主决策能力的提升、多模态能力的增强、与Web3和API的深度集成，以及人类与AI代理的协作。 在通用AI代理与垂直AI代理的比较中，垂直AI代理在短期内有更大的发展潜力和商业价值，而通用AI代理则有长期的技术突破潜力。未来趋势可能是两者的融合，通用AI代理将整合垂直领域的专业知识，提供更全面的服务。 AI代理将给内容创作、教育、人力资源和电子商务等行业带来巨大冲击，改变这些行业的运作方式和商业模式。随着技术的不断进步和市场的逐渐成熟，AI代理将成为企业提高效率和创新能力的重要工具。 💡 今天AutoGLM上线了沉思模式，拿这个课题测试了下非常拉跨，搜索源，COT，以及输出能力都差了很多，观点也存在很多幻觉（比如把Flowith和Claude直接归类到了垂直Agent）所以拿DR又跑了一遍。差距还是非常明显的。甚至我觉得AutoGLM的表现不如秘塔。 结论： 1. AutoGLM（目前仅PC版客户端）感觉定位更像是类似Manus的助手，具备一定电脑托管功能（而不是虚拟机），自动化完成一系列的任务。但在Web端很多场景，需要用户提供登录权限。类似知乎，github这种还好，涉及支付场景的，还是需要比较谨慎。但多次看下来还是存在一些bug。 2. GLM对Research的课题不擅长，需要强大的搜索和排名算法，复杂的COT，以及底模的推理性能来完成。看下来智谱在这几项上面都不是很擅长。 3. 像这篇DR的文章写到的，大模型公司哪怕强如Claude，也有非常明确的细分定位。目前来看没有一家公司可以真正做到“全领域通用且领先”。国内Deepseek走开源，有强算法支撑，Qwen主要发力在行业渗透，字节两条线一条2B一条2C独立在走，智谱如果再这么模糊下去，很可能就像Kimi一样被淹掉了。 今天AutoGLM上线了沉思模式，拿这个课题测试了下非常拉跨，搜索源，COT，以及输出能力都差了很多，观点也存在很多幻觉（比如把Flowith和Claude直接归类到了垂直Agent）所以拿DR又跑了一遍。差距还是非常明显的。甚至我觉得AutoGLM的表现不如秘塔。 结论： 1. AutoGLM（目前仅PC版客户端）感觉定位更像是类似Manus的助手，具备一定电脑托管功能（而不是虚拟机），自动化完成一系列的任务。但在Web端很多场景，需要用户提供登录权限。类似知乎，github这种还好，涉及支付场景的，还是需要比较谨慎。但多次看下来还是存在一些bug。 2. GLM对Research的课题不擅长，需要强大的搜索和排名算法，复杂的COT，以及底模的推理性能来完成。看下来智谱在这几项上面都不是很擅长。 3. 像这篇DR的文章写到的，大模型公司哪怕强如Claude，也有非常明确的细分定位。目前来看没有一家公司可以真正做到“全领域通用且领先”。国内Deepseek走开源，有强算法支撑，Qwen主要发力在行业渗透，字节两条线一条2B一条2C独立在走，智谱如果再这么模糊下去，很可能就像Kimi一样被淹掉了。 Deep Research版本回答 💡 这次测试也是偶然的课题，有一点有意思的是，DR判断出了这是一个“宏大”的课题，然后追问了几个问题开始跑。我的要求是不少于3万字，实际有效输出为5.5万字。 几个观点展开很牛逼的地方： 1. Agent技术的主流方向，分类到了action类型，深度检索（DR类），自主规划，生态标准化（MCP），以及多模态+长期记忆 2. 明确提出通用Agent在深度和泛化能力上的弊端，以及通用/垂直Agent的商业落地场景预测 3. 主流厂商的分析非常细致（同期Flowith的测试中也没有这么细的分析，归功于context和长输出能力） 4. 主流行业应用这块有一些还不错的观点，也非常全面，但相对有些保守 5. Agent技术路线解析：偏线性，中规中矩，没有特别跳脱的点 6. 由2025年的趋势预测自主演变成3 5年（2025 2030年）的预测，并且划分了3个阶段，这部分表现不错。 这次测试也是偶然的课题，有一点有意思的是，DR判断出了这是一个“宏大”的课题，然后追问了几个问题开始跑。我的要求是不少于3万字，实际有效输出为5.5万字。 几个观点展开很牛逼的地方： 1. Agent技术的主流方向，分类到了action类型，深度检索（DR类），自主规划，生态标准化（MCP），以及多模态+长期记忆 2. 明确提出通用Agent在深度和泛化能力上的弊端，以及通用/垂直Agent的商业落地场景预测 3. 主流厂商的分析非常细致（同期Flowith的测试中也没有这么细的分析，归功于context和长输出能力） 4. 主流行业应用这块有一些还不错的观点，也非常全面，但相对有些保守 5. Agent技术路线解析：偏线性，中规中矩，没有特别跳脱的点 6. 由2025年的趋势预测自主演变成3 5年（2025 2030年）的预测，并且划分了3个阶段，这部分表现不错。 2025年Agent发展趋势与主要厂商战略分析 摘要 2025年被广泛视为AI智能体（Agent）技术的爆发之年。从早期的对话式助手到能够自主行动完成复杂任务的新型Agent，人工智能正加速向更高自主性和更广应用场景演进。本报告围绕2025年的Agent发展趋势进行深度分析。 首先，我们总结了当前Agent技术的主流方向，包括AI智能体从“会聊天”进化到“会操作”的关键突破（如OpenAI Operator、 Anthropic Claude的计算机使用功能等）、Deepseek兴起等。 其次，我们比较了通用型Agent与垂直型Agent在能力边界、生态协同、商业落地和用户体验等方面的差异，探讨两种路线的优劣与前景。接下来，我们详细分析主要大模型厂商在Agent领域的战略定位与差异化方向，包括OpenAI、Anthropic、DeepSeek、阿里巴巴、字节跳动等，剖析其产品形态、技术架构、开放策略、生态合作与目标应用场景。 随后，我们展望了Agent技术在软件开发、金融、教育、客服、法律、医疗、制造等行业中的应用前景，评估哪些行业可能被颠覆并给出实际案例。报告的第五部分梳理了Agent系统的关键技术路径，包括多模态融合、长期记忆、工具使用、自动演化、自主任务规划和多Agent协作等核心技术要点。 最后，我们结合技术趋势和产品落地情况，预测了未来3 5年Agent的演进路径，描绘可能的发展阶段和典型形态。整体而言，2025年的AI Agent正从概念验证走向实用化与产业化，各大厂商积极布局、技术生态日趋完善，通用智能体与垂直领域专家型Agent交相发展，人机协作的图景逐步清晰。 2025年Agent技术的主流发展方向 2025年，AI Agent（智能体）技术呈现出数个显著的主流发展方向，反映在产业实践和研究进展中。总体趋势是：从单一对话问答向自主执行任务转变，并在这一过程中融合多模态感知、更强的推理规划能力，以及新的架构与工具标准。以下将结合news.miracleplus.com 来分析这一年的主要技术方向： news.miracleplus.com （1）从对话助手到行动型智能体 计算机操作能力突破。传统的大模型更多充当聊天助手，回答问题或提供建议，而2025年的突破在于让Agent直接“动手”操作电脑和网络环境。Anthropic在2024年底发布的Claude 3.5 Sonnet首次引入“Computer Use”能力，即让AI像人一样通过视觉感知屏幕并操作鼠标键盘，从而在公开测试中实现了AI自主使用电脑的雏形。 OpenAI在同期也推出了代号“Operator”的Agent及其核心模型“计算机使用智能体”（CUA），使GPT 4获得直接与图形界面交互的能力。CUA通过强化学习将GPT 4的视觉能力与高级推理相结合，训练AI可像人一样点击按钮、填表、滚动页面等。在OpenAI的测试中，CUA在浏览器任务基准WebArena和WebVoyager上分别达到38.1%和87%的成功率，后者已接近人类水平。 这表明AI从“会对话”进化到“会操作”，迈出了关键一步。OpenAI的Operator现已作为研究预览提供给高端专业用户使用，每月订阅费用$200。尽管目前使用门槛较高，但官方计划逐步将此功能推广至普通Plus用户并集成进ChatGPT主界面。在Operator的演示中，用户只需提出诸如“帮我在网站上预订最高评价的罗马一日游”的任务，Agent就能自主打开浏览器、搜索并浏览旅游网站，下单预订相应产品。这种“行动型AI” 预示着未来数字助理将不仅能给出建议，而且可以直接“去做”，大幅拓宽了AI的应用边界。 （2）深度检索与分析Agent 这类Agent类似自动化研究员雏形。除了在物理GUI环境中行动，另一大主流方向是让Agent具备自动检索海量信息、深入分析并综合汇报的能力，充当“研究分析助手”。OpenAI在2025年2月发布了第二款实验性智能体功能“Deep Research”。 Deep Research可以自主执行多步骤的研究任务：它会从网络上抓取海量资料 ，对数百个来源进行分析整理，最终生成一份综合报告。用户只需给出一个研究课题或问题，该Agent就能完全自动地完成信息收集和报告撰写，过程耗时约5 30分钟。这类似于一个高速高效的研究员，在短时间内产出详实的调研成果。OpenAI最初将Deep Research仅限于Pro高端用户（每月$200）试用，如今已开始向Plus、团队版、企业版等更广泛的付费用户开放。 另一方面，Google在其最新模型Gemini 2.0中也着重强调了“深度Research”功能。Google的“Deep Research”模式允许模型实时检索上百份资料，并在几分钟内给出全面的研究报告。用户可以让Gemini针对某行业进行竞品深度分析或市场概览等，AI会自动搜索最新信息、提取要点并形成报告。 这类能力的出现，标志着通用型Agent正从单轮问答向多步骤推理、长期任务方向演进——AI能够自行识别问题、分解任务、获取外部知识并整合输出。这极大提升了AI在专业分析、商业情报、学术综述等场景下的实用性。可以预见，未来类似“自动调研助理”的Agent会越来越多地出现在知识工作者的工具链中，为人类节省大量信息查找和整理的时间。 （3）多Agent协作与自主规划 通用智能体架构的演进。 2025年的另一个显著趋势是多智能体体系架构的兴起，即用多个专职Agent分工合作来完成复杂任务。典型案例是被称为“全球首款通用型AI Agent”的Manus。Manus由Monica.im团队于2025年3月发布，通过多个子Agent分担不同职能，实现从任务理解、规划拆解到工具执行、结果校验的自主任务闭环。 具体而言，Manus采用了三分支架构：主代理负责理解需求、生成总体计划，规划代理（Planning Agent）通过蒙特卡洛树搜索等算法将大任务拆解为高效的子任务序列，执行代理负责调用各种工具或接口完成实际操作，最后还有验证代理核查结果正确性。通过这种架构，Manus号称可自主“思考、规划并执行复杂任务”，覆盖办公助理、数据分析、跨平台操作等40多个领域。在GAIA智能体基准测试中，Manus的综合表现远超同期竞品：基础任务正确率86.5%，中等难度70.1%，高难度57.7%，而且单任务成本仅为竞品的1/10。这表明多Agent协作不仅提升了任务完成的成功率和复杂度上限，也带来了显著的效率优势。 Manus注重实用性和用户体验，目前虽为内测阶段但已经计划开源部分模型，以构建生态影响力。Manus的出现使AI智能体真正从实验室走向可用产品，被视为AI从“理解”走向“执行”的里程碑。受Manus启发，开源社区涌现了快速复刻的项目如OpenManus、OWL等，由第三方团队基于类似思路实现网页浏览、文件操作、代码编写等功能。多智能体的协作机制成为业界热点：通过让不同专长的Agent各司其职、相互通信，一个AI系统可以具备更大的灵活性和扩展性。例如，一个复杂业务流程中的不同环节（信息查询、决策判断、操作执行）可以由不同Agent完成，再由一个调度Agent统筹协调。这种架构在一定程度上模拟了人类团队协作的问题求解方式，被认为是迈向更通用智能的重要路径。 Anthropic也在其Agent研发中引入了类似理念，区分“Workflow”（固定流程）和“Agent”（自主决策流程）的概念，指出当任务复杂度和不确定性较高时，应让LLM自行规划调用工具，而非预设流水线。总之，多Agent系统通过模块化分工+自主协调，提升了大型任务的可管理性和成功率，已成为2025年Agent系统设计的主流思路之一。 （4）工具使用与生态标准化 功能调用接口和协议的成熟。为了让Agent高效完成现实任务，赋予其调用外部工具、接口和知识库的能力至关重要。2025年，Agent工具使用的生态逐步成熟并出现标准化趋势。一方面，各大模型普遍支持函数调用(API)或插件机制，让Agent可以利用计算器、检索引擎、数据库等外部能力扩展。例如OpenAI的ChatGPT自2023年起就提供插件功能，允许模型按照特定函数格式输出，从而调用第三方服务处理用户请求。Anthropic则在2024年底提出了“模型上下文协议（MCP）”这一开放标准，方便开发者将AI接入各种数据源和工具系统。MCP作为开放协议，定义了如何通过“MCP服务器”暴露数据、“MCP客户端”发出调用，使LLM可以安全、双向地连接数据库、企业软件、开发工具等。MCP自开源后数月内便获得广泛支持：包括区块(Block)、Apollo、Replit、Codeium、Sourcegraph等公司都为自家平台添加了MCP接口。 2025年3月，OpenAI宣布将全面支持Anthropic的MCP标准，在其Agents SDK、ChatGPT桌面应用和API中陆续集成这一能力。OpenAI CEO Sam Altman评价说：“用户喜欢MCP，我们也很高兴将其加入产品”。这意味着行业巨头开始趋同采用统一的Agent工具接入标准，有望避免各家各自为政，促进跨生态的协同。除了协议标准，Agent与各类软件的直接集成也在深化。比如Google的Agentspace平台将自家搜索引擎（Google Search）、企业数据、LLM推理能力结合起来，让Agent能像企业知识中枢一样工作；再如前述OpenAI Operator通过模拟人类UI操作，实际上建立了一种无需API也能通用操控任何应用的能力。 可以预见，未来Agent调用外部功能将更加标准化、通用化：无论通过API、协议还是UI仿真，智能体将能方便地使用从网络服务到本地应用的一切工具。这也进一步模糊了AI的能力边界——拥有工具的AI将不再局限于自身训练语料的知识，而是可以即时获取和操作整个数字世界的资源。 （5）多模态融合与记忆增强：走向更“全面”的智能体。 今年的Agent技术还呈现出多模态和长时记忆两个重要方向。多模态方面，最新的大模型（如OpenAI GPT 4、多模态Claude、Google Gemini等）已经能够处理文本、图像，甚至语音、视频等多种输入输出。Agent因此可以感知和理解更丰富的环境信息。例如Google的通用Agent原型“Project Astra”就能通过手机摄像头实时看见周遭景物，与用户对话讲解所见之物；它还能将地图(Maps)定位信息和图像识别工具Lens的结果融合进对话，为用户提供情境化的帮助。OpenAI的Operator通过截屏获取界面视觉信息，也是多模态应用的典型。 随着图像、语音理解能力的提升，Agent在执行任务时将更接近人类助手的视听觉水平，比如读懂复杂的图表、识别照片场景、通过语音对话与人协作等。长期记忆方面，由于LLM本身的上下文窗口有限，2025年的解决方案包括超长上下文模型和外部记忆库两种：Anthropic Claude 2早已支持10万Token上下文，Google Gemini据称提供高达百万Token的上下文窗口, 允许Agent一次读入整本书或企业知识库，从而在单次对话中保持较完整的“记忆”。 此外，通过RAG（Retrieval Augmented Generation）技术，把外部知识库接入Agent检索，也是提升记忆的一环。许多垂直Agent会内置行业知识库，并通过语义检索在需要时提取相关内容提供给模型，从而实现在特定领域的“专家记忆”。例如法律咨询Agent预先加载海量法律条文和判例，当用户询问时能迅速检索相关法条供模型生成答案参考。再如个人助理Agent可以结合用户的历史记录和笔记数据库，在对话中调取过往信息，使互动更连贯懂人。多模态和长时记忆这两方面技术路线，都是为了让Agent变得更全面、更持续 ：既能跨越不同感官渠道获取信息，又能在长时间、多轮交互中保持上下文和知识的一致，从而胜任更复杂、更逼真的任务场景。 综上，2025年的Agent技术在多个维度上取得突破：从“能说”到“能做”，再到“能思考策划”和“能整合多模态记忆”。OpenAI、Anthropic、Google等公司的先锋探索，以及Manus、Flowith等新锐项目的涌现，共同勾勒出智能体技术演进的清晰路径。从Claude的实验性尝试、CUA的跨界交互到Manus的多Agent协作闭环，各种创新互相呼应，推动AI由对话助手转型为真正的自主智能代理。这一系列趋势也为后续讨论通用vs垂直方向、厂商战略布局等奠定了基础。 通用型Agent与垂直型Agent的对比分析 在智能体技术蓬勃发展的同时，不同定位的Agent开始分化为两大路线：一类是面向广泛任务的通用型Agent，试图成为全能的AI助手；另一类是针对特定场景深度定制的垂直型Agent，充当某领域的专业智能。两者在能力边界、生态协同、商业落地和用户体验等方面各有特点。下面将从这些维度进行对比分析，并探讨哪种方向更具前景。 （1）能力边界与专业深度 通用Agent以“广度”取胜，垂直Agent以“深度”见长。通用型智能体（如ChatGPT、Claude或Manus）擅长跨领域的语言理解和泛知识运用，能够在百科问答、创意写作、日常事务等多种任务中提供帮助。然而，其知识和能力往往停留在浅层通用水平。遇到高度专业化的问题时，通用Agent可能因为缺乏领域细节训练而难以给出精准答案。 相比之下，垂直Agent聚焦于单一场景，经过专门优化，在该领域可达到甚至超过人类专家的水准。它们通常内置了领域知识库和专用工具。例如，一个医疗诊断Agent会整合海量医学指南和病例数据，能够准确识别特定疾病的临床表现并给出循证诊断建议；金融风控Agent则实时分析交易模式，捕捉细微异常以识别欺诈。这种专注使垂直Agent在精准性上远超通用Agent。又比如法律咨询Agent集成了法条、判例、学说等资料，借助检索增强（RAG）技术确保回答专业且有依据；而通用Agent往往只能提供泛泛的法律常识，无法触及法务问题的深层次需求。 因此在能力边界上，通用Agent覆盖面广但专业深度有限，垂直Agent则深耕一隅、精益求精。在现实应用中，这两类Agent可能形成互补：通用Agent解决一般问题并将特定难题移交给垂直专家Agent处理，从而既保证覆盖面又保证专业度。 （2）生态协同与集成方式 通用Agent倾向于构建开放生态，通过插件或API连接各种服务，从外部获得专业能力；垂直Agent则通常深度集成在特定业务流程或软件中，形成专属的闭环解决方案。以ChatGPT等通用Agent为例，它可以对接天气查询、日历、数据库等插件，为不同领域的查询提供信息。然而每当用户场景变换，ChatGPT需要调用不同的外部工具或知识库，其本身并不内置所有领域的功能模块。这有点类似一个AI操作系统，上面运行着各行各业的“应用程序”。这种生态协同的优点是灵活扩展：第三方可以不断为通用Agent开发新插件，使之触角延伸到新的功能领域。 Anthropic的MCP标准也体现了这一思路，通过统一协议让各种企业系统都能成为Agent的“帮手”。而垂直Agent通常由行业领先企业或创业公司打造，直接融入业务系统内部。例如，一个银行的智能投顾Agent可能嵌入在网银或交易终端中，直接访问该银行的客户数据和交易系统，以端到端完成投资建议、下单等操作。这种垂直方案的优点是闭环一体化：Agent可无缝衔接业务流程各环节，不需要用户在多个应用间切换。 阿里巴巴在其跨境电商平台就推出了面向外贸商家的4款AI Agent，覆盖发布商品、客户接待、营销文案、风险监控四个环节，使卖家业务流程全面智能化。这些Agent深度定制在阿里国际站平台内部，专为外贸交易场景服务。可以看到，通用Agent以自身为平台连接外界，垂直Agent则往往作为某平台/系统的内嵌智能组件。前者强调生态平台化，后者强调专属集成化。 从协同角度，通用Agent更依赖外部开发者和数据源来完善能力，而垂直Agent更多依靠行业Know how和与现有系统的融合。未来可能出现两者结合的趋势：大型企业搭建通用Agent平台，同时由行业伙伴提供插件