Coze 重磅推出“扣子空间”：是时候 All in Agent 了吗？深度测评后的几点冷思考

Coze 重磅推出“扣子空间”：是时候 All in Agent 了吗？深度测评后的几点冷思考 Coze 重磅推出“扣子空间”：是时候 All in Agent 了吗？深度测评后的几点冷思考 Modified April 28, 2025 大约耗时 3 分钟，生成了一个可交互的、视觉效果不错的网页，直接展示了 Top 10 热点新闻。 也可以点击“新标签页面打开”按钮打开网页 总结：总体效果还是非常赞的，以后这种可交互式的搜集、报表、总结性的网页完全可以用它来“一键”生成！👍 扣子空间生成的网址:👇👇👇 舰长团队 伊登: 制作成语消消乐HTML游戏 帮我做一个成语文字游戏，类似消消乐的方式，做成html游戏 效果尚可： 它成功生成了一个基础的、基于 2D 逻辑的成语消消乐 HTML 游戏。对于简单的游戏逻辑实现，它似乎能够胜任。 能力局限： 但当我们尝试让它制作更复杂的 3D 游戏时，它就显得力不从心，甚至“不知所云”了。其代码编写能力仍有很大的提升空间。 舰长团队 大壮: 分析财报并做成网页 我上传了苹果24 年q1 季度财务报表.pdf，让他给我做分析。用的探索模式 分析效果：中规中矩。 生成的分析内容本身还行，但感觉与直接用 GPT 4o 等大模型进行文档分析差别不大，未能体现出“扣子空间”作为 Agent 的独特优势。其“思考过程”更像是在汇报调用了哪些工具，而非真正的深度分析规划。 不过有个惊喜的地方是：生成的网页能直接分享。这功能真心还不错 但是，难受的是，财报分析是中文的，我让他做个网页，结果给我做了个英文网页 大约耗时 3 分钟，生成了一个可交互的、视觉效果不错的网页，直接展示了 Top 10 热点新闻。 也可以点击“新标签页面打开”按钮打开网页 总结：总体效果还是非常赞的，以后这种可交互式的搜集、报表、总结性的网页完全可以用它来“一键”生成！👍 扣子空间生成的网址:👇👇👇 舰长团队 伊登: 制作成语消消乐HTML游戏 帮我做一个成语文字游戏，类似消消乐的方式，做成html游戏 效果尚可： 它成功生成了一个基础的、基于 2D 逻辑的成语消消乐 HTML 游戏。对于简单的游戏逻辑实现，它似乎能够胜任。 能力局限： 但当我们尝试让它制作更复杂的 3D 游戏时，它就显得力不从心，甚至“不知所云”了。其代码编写能力仍有很大的提升空间。 舰长团队 大壮: 分析财报并做成网页 我上传了苹果24 年q1 季度财务报表.pdf，让他给我做分析。用的探索模式 分析效果：中规中矩。 生成的分析内容本身还行，但感觉与直接用 GPT 4o 等大模型进行文档分析差别不大，未能体现出“扣子空间”作为 Agent 的独特优势。其“思考过程”更像是在汇报调用了哪些工具，而非真正的深度分析规划。 不过有个惊喜的地方是：生成的网页能直接分享。这功能真心还不错 但是，难受的是，财报分析是中文的，我让他做个网页，结果给我做了个英文网页 槽点 3：代码质量堪忧。 将生成的代码下载到本地编辑器（如 Cursor）中打开，发现存在大量基础的语法或符号错误，无法直接运行。 舰长团队 阿唐: 测试中遇到一些内容 1、偶尔运行结束的时候，结果也拿到了，但反而出现出错了的提示。或者确实出错的时候，不单独出现报错的位置，而是整个页面都切换成了这个报错界面。 2、生成的图片文字乱码率很高，生成2次，2次全有乱码。 3、把上面这几个账号按点赞量生成可视化的柱状图，并保存到飞书多维表格中 上图中，未把信息提取全； 上图中，柱状图是生成了，但坐标上都是乱码。 4、我在武汉江汉路地铁站，我要查到1000m内离我最近的5家火锅店，并推荐去评分最高的火锅店的规划路线和交通方式。我没有任何交通工具。把你生成的结果保存到飞书云文档中，并把那5家火锅店的评分和位置保存到飞书多维表格中，飞书云文档的任务OK了，但多维表格失败了 结语：工作流的硬控制仍是关键 扣子展现出类似manus的agent能力的同时，我们需要清醒认识到一个事实——当前的 AI 虽然能力飞速发展，但在自主规划、稳定执行复杂任务链方面，仍存在明显的局限性。 在这个阶段，工作流（Workflow）的重要性反而更加凸显。 自动化技术无疑将在未来20年继续发光发热，重塑我们的工作方式和生产效率。然而，值得注意的是，在模型能力尚未完全收敛的现阶段，过度依赖所谓的"软控制"方法可能带来不稳定的结果。所谓软控制，即完全依赖AI自主判断和规划，这在当前技术条件下仍存在不小的风险。 相比之下，工作流提供的 “硬控制”机制——预先设定明确的执行步骤、定义清晰的输入输出、建立可靠的校验环节——仍然是确保 AI 系统稳定、可靠地产出高质量结果的基石。它不是束缚创新的枷锁，而是驾驭当前 AI 能力、确保其价值落地的缰绳。 在这个 AI 技术日新月异的时代，工作流并非过时的技术，而是我们充分利用 AI 红利、避免“人工智障”陷阱的关键基础设施。 未来，软硬结合的控制方式或许会成为主流，但在现阶段，“硬控制”的工作流依然是通往高效、可靠 AI 应用的坚实桥梁。 也非常欢迎大家加入[扣子空间能力探索群],一起探索更多有趣的玩法，挖掘潜力，见证它的成长 大家好！我是伊登 ！ 就在最近，我们熟悉的 Coze 搞了个大新闻——推出了名为 “扣子空间”（Kouzi Space） 的全新力作！简单来说，这就像是 Coze 版的 Manus AI，致力于让你 用一句自然语言，就能驱动 AI 完成一系列原本需要复杂工作流 (Workflow) 才能实现的自动化任务。可以自动完成一些较为复杂的任务，将工作流能实现的能力变成一句话大白话。 【扣子空间：初生牛犊，潜力与槽点并存】 不过，任何新事物都需要成长的过程，“扣子空间”也不例外。它还处于早期阶段，不少地方尚待打磨。为了给大家带来第一手、最真实的体验报告，我们 舰长团队 的小伙伴第一时间进行了密集测试，整理出这篇深度长文。希望通过我们的详细测评，特别是那些暴露出的“槽点”和“亮点”，能为大家提供有价值的参考。 如今，各大厂的 MCP 概念产品层出不穷，“扣子空间”正是 Coze 在这一赛道上的重要落子。一经上线，它就率先打通了飞书生态的关键应用，并整合了多种实用工具，能力覆盖范围相当广泛：高德地图、飞书云文档、飞书多维表格、飞书电子表格、墨迹天气、图像工具、语音合成、Notion、Github、MySQL、Clickhouse 本次深度测评，我们挑战了这些任务： • 信息查询与存储： 查询上海天气，并自动存入飞书多维表格。 • 内容生成与转换： 生成文章，并用指定音色（年轻女孩）朗读。 • 跨平台内容同步： 将文章无缝保存到飞书云文档和 Notion。 • 创意内容与可视化： 撰写养生爆文，并生成抓人眼球的 HTML 卡片图。 • 超复杂任务模拟： 为情侣复刻网红 iShowSpeed 同款中国行，进行超详细规划（含深度吐槽！）。 • 信息聚合与网页生成： 抓取今日热点新闻 Top 10，汇总成精美网页。 • 轻量级应用开发： 制作一个简单的成语消消乐 HTML 游戏。 • 专业文档处理： 分析 PDF 财报，并生成分析报告网页。 • 以及，测试中遇到的各种“惊喜”与“惊吓”... 如何快速上手“扣子空间”？ 很简单！进入 Coze 首页，找到并点击“扣子空间”入口，输入你的邀请码（如果需要），即可开启你的 Agent 之旅。 “扣子空间”提供了两种模式供你选择：探索模式 (Explore Mode) 和 规划模式 (Plan Mode)，默认是前者。 我们先用探索模式来试试： 输入你的任务后，会进入对话页面。 选择下面的【扩展】入口，查看MCP插件，就可以看到MCP的插件 当你下达任务后，“扣子空间”会自动思考完成任务所需的步骤，并依次执行，理论上能帮你省去手动编排工作流的繁琐时间。 舰长团队五津: 查询上海的天气，并存入飞书多维表格 选择【探索模式】 🎨 我的任务是：查询一下最近3天上海的天气，保存到飞书多维表格中 我的任务是：查询一下最近3天上海的天气，保存到飞书多维表格中 它自己调用了墨迹天气插件，并且思考之后，把信息存到了多维表格中。 它准确调用了“墨迹天气”插件，并在短暂思考后，成功地创建了一个新的飞书多维表格，并自动填充了所需字段。效果相当不错！熟悉工作流的朋友都知道配置多维表格有多么费时费力，这一点上，“扣子空间”确实展现了效率优势。 选择【规划模式】 这个模式会在一开始把任务步骤安排好，你需要确认，然后它再执行后续的操作。 处理起来比较慢，任务简单也会耗费2分钟，一会又变成了3分钟，5分钟，速度比较慢。 规划模式下，它会先列出详细的执行步骤让你确认。但处理速度明显偏慢，一个简单的任务耗时从 2 分钟拖到 5 分钟甚至更久。更糟糕的是，最终只生成了过去两天的数据，执行效果不尽人意。 舰长团队 五津: 年轻女孩的音色朗读文章 在生成文章后，要求用“年轻女孩”的声音朗读 它成功生成了一个 MP3 文件链接，点开一听，声音确实符合要求，音色自然：https://lf bot studio plugin resource.coze.cn/obj/bot studio platform plugin tos/artist/image/60f882bd750b422ca00cdf1afec7c466.mp3 舰长团队 五津: 将文章保存到飞书云文档、notion 我让它把前面生成的各种信息汇总，存入飞书文档，它也很丝滑的完成了： 基本成功，但有个小瑕疵——生成的链接没有自动添加超链接格式： 舰长团队 五津: 写一篇养生文章，并生成html卡片图 帮我写一篇养生类的小红书爆文的文案、标题，把文案用html生成几张卡片图 它依次执行了搜索资料 撰写文章 生成网页代码 部署网页的流程 最终生成了一个网页。虽然内容排版效果一般，但基础的 UI 框架还不错，并且自动配了几张图。更重要的是，你可以通过继续对话来调整和优化这个网页的 UI。 舰长团队 三秦: 为情侣定制与ishowsped（甲亢哥）同款行程规划，汇总进飞书多维表格 为了极限测试“扣子空间”在复杂任务下的能力，我们设计了一个“地狱级”挑战，考验它是否能： • 精准理解复杂、隐含的需求 (识别意图) • 跨平台、多渠道搜索信息 (网页、社交媒体、视频片段) • 高效整合、梳理、分析信息 • 基于用户特定要求进行合理推断与内容再创作 (信息仿写) • 将结果结构化输出到指定终端 (飞书多维表格) 我的prompt： 给我一个和ishowspeed（甲亢哥）中国行一模一样的行程规划，包括各项活动以及相对应的时间，入驻的酒店，就餐的餐厅、预算，但是给我和我女朋友一共两个人定制，最后放进飞书多维表格里。要求：一步一步规划，给出每一步的行程和建议，提供理由。 给我一个和ishowspeed（甲亢哥）中国行一模一样的行程规划，包括各项活动以及相对应的时间，入驻的酒店，就餐的餐厅、预算，但是给我和我女朋友一共两个人定制，最后放进飞书多维表格里。要求：一步一步规划，给出每一步的行程和建议，提供理由。 使用的是扣子空间的【规划模式】 调用的MCP扩展是【高德地图】【墨迹天气】【飞书多维表格】 好啦，该干的我都干了，解放双手，等到她把饭喂到嘴里面，耶！(＾－＾)V Round 1：扣管家小心翼翼做规划，秦大爷潇洒放手任她干 接活就干，扣管家先是本本分分地直奔搜索而去 下一秒我就明白了【规划模式】是什么意思。哦·········原来是先给我列一个行动计划 看起来也还说得过去，虽然没有告诉我要调用什么工具，依据哪些细节进行深入分析，查询哪天的天气，查询人流量、交通状况，搜索各种消费场景的费用············等等100条细节吧 但是咱是那种斤斤计较的小男人吗？必然不是啊。AI，人工智能，我要是人工了还要智能干啥？用人不疑疑人不用，让她干吧！ Round 2：扣管家强搜甲亢行程，却忽略若干需求 第二轮的搜索是激动人心的，咱倒了杯茶翘起了脚坐等扣子搞一搞搜索这样的累活。眼见着她一板一眼地搜索着ishowspeed“行程”“内容”“时间安排”“酒店”，确实看起来有模有样的啊 详细信息出炉了，赶紧点开看一下！ 嗯，中规中矩，就是网上信息的提要。接着看。 这一看我就不开心了。咱明明说了要包含对应的时间，预算，而且ishowspeed是全程直播的，很多信息通过网络上的切片以及分发是可以找到的，但最后提供的信息就·········挺模糊的，有些让人失望。 只有香港行给了个酒店，但具体去哪里吃饭呢？吃了什么？花了多少钱？全球上千万的粉丝都看到了，但扣管家看不到。emmmmm 算了，大人不计小人过。看看她还能整出点啥新花样 Round 3：扣管家无视核心需求，只知一味“独立”思考 上一轮略有失望的一顿操作后，扣管家倒是不就地躺平，开始询问一些“定制”信息了 怎么说呢，有想法，但不多。问体力和偏好当然可以，不过这不是我最关心的。我再次强调了预算的问题。毕竟这是我一开始就提的需求。 一顿指令过后，扣管家······· 真是忍不了了，我刚刚提了预算，预算，还tm是预算，可是她满不在乎，依旧满面春风地问“······体力情况？”“······兴趣偏好？”嗯，我好像嗅到了一点点人工智障的气息了。不跟她周旋了，弃疗了，赶紧干正事吧。 Round 4：扣管家知错就改，朕心略慰。可是······· 这扣管家的脑回路有点意思，我上上条信息指令她关注预算，可是她还是一味地询问“体力”“偏好”，等到我终于弃疗了，才反应过来我刚才抓狂的是什么，这种反应弧啊，真是配得上一个著名网红： 点击调整过后的行程信息看一看！ 嗯，中规中矩 看起来，新加入的内容包括酒店、预算，看起来还不错，不过真的是看起来 要不是咱真的在北京待过几年，大概知道长城的位置，差点被这老小子蒙过去了！ 看看她推荐的北京华尔道夫酒店吧，你把这个叫做“靠近景点”？ 更有意思的是，北京上海推荐的是四星级酒店，高大上，小钱包直接掏空的那种，可是到了成都，就······ 咱就是说，虽然现实中的游客不乏住完五星级酒店，再换一个小清新民宿换换口味，但作为旅游规划者，你是不是没有把游客的消费能力层次整明白呢？ 还有就是交通的问题。机票确实是浮动的，但火车票总归是大体稳定的吧，调取12306不行，第三方网站总能找到的吧。看看扣管家的交通预算 全是整数，连一点零头都没有，哪怕有个区间呢？你强大的计算能力和归纳能力到哪里去了呢？ 还有，要不是咱熟悉京沪高铁的价位，也差点被她蒙过去了。这是我查的京沪高铁的票价： 这个价位基本是最低价位了，很明显，页面上没有低于550元的（其实也有低价的，但车次很少，主流就是这个价格），两个人加一块至少1100元，再说“穷家富路”，路费的预算准备不应该高于普遍价格以备不测么？扣管家啊扣管家，你这个数学题做得不太妙啊。 Round 5：扣管家自顾自梳理已有信息，越等越焦躁 扣管家开始自顾自地干活了，根本没给我插嘴的机会，开始梳理已有的信息。 干活是好的，生成UI网页也是好的，而且超出我的预期，不过执行时间·······有点漫长了。 我掐了掐表，执行1分钟，2分钟，3分钟·········直到10分钟，还没做完。嗯········ Round Final：出图，出网页，出最终结果，打开一看······ 不bb了，赶紧去看！打开网页瞧瞧！ 我俩的活动安排在哪里？ 城市路线图永远在加载中 城市行程就·······这么简单？哪怕有一点景点介绍呢？哪怕放张图呢？每一项的预算哪里去了？ 啊，预算放这了。可是只有一个总价，没有分项吗？没有范围吗？没有试着，哪怕尝试一下分阶梯预算情况吗？ 没有了，就这些了。诸君可以点开看看，链接里全部就这些了。 最后的碎碎念 我想肯定会有人说，你的Prompt写得不行啊，本来就没那么多指令，怎么给扣子提那么多要求。 咱就是说，就算是用大模型，比如deepseek一下旅游攻略，这输出效果也比她强啊。 不信？看看deepseek的效果 没有附加的prompt，没有像和扣管家那样反复提需求，deepseek输出的虽然不够多，但总体上还算全面。 所以灵魂问题来了： 🦄 用大模型都能做到的事，而且做得还更好，我为什么用扣管家呢？ 用大模型都能做到的事，而且做得还更好，我为什么用扣管家呢？ 真心希望扣子团队继续加油，优化功能，我们这些扣子重度用户比谁都希望扣子能做出来最牛X的MCP能力，千万不要辜负我们的期待啊！ 舰长团队 阿军: 抓取今日最热10条新闻，汇总制作漂亮的网页 prompt：收集今天最热的10条新闻，然后用漂亮的图片表格做出来汇总 最终效果： 搜索阶段： 它智能地查询了多个新闻源（最热新闻、头条、排行等），并在内置浏览器中抓取信息。 处理阶段： 接着进行内容整合、UI 设计、代码编写和网页部署。 我再让它给我做成中文，结果还是英文的。这么简单的需求，随便找个大模型都能做的东西，它居然做不了！智障！！！ 为了好好验证它的能力，我换成【规划模式】把这个任务再做一遍 这个模式的好处是，他真的思考一下怎么给你完成任务，但不多。还是比较浅层的。但是好处是你可以修改任务，用你专业的意见让这个任务改得都更细节一点，简单来说就是你可以干预它的COT。 然后接下来的流程跟探索模式是一样的，不过他会深度探索，什么意思呢？ 大家看上一张图片，他出来了 3 个任务步骤。当开始任务之后，扣子会对每一个步骤用深度模式跑一遍 体验下来总结几点： • 优势： 【规划模式】比【探索模式】更灵活，更适合处理复杂任务，允许用户进行一定程度的引导和干预。强烈建议复杂任务优先选择规划模式。 • 槽点 2：效率低下。 市面上主流大模型完成“财报分析+生成网页代码”这类任务通常只需 1 3 分钟。“扣子空间”硬生生跑了 16 分钟，而且最终生成的网页还是个几乎空白的页面！这种“假装在思考，实际在摸鱼”的效率，实在难以接受。