體驗實在Agent，這才是當(dāng)前形成生產(chǎn)力的企業(yè)級通用智能體
- 實在Agent或是現(xiàn)階段企業(yè)級通用智能體的最優(yōu)解
- 3個實操案例，帶你體驗真正流暢可用的企業(yè)級通用智能體
- 什么是真正的企業(yè)級通用智能體？實在Agent立了一個行業(yè)標桿
- 體驗實在Agent，這才是當(dāng)前形成生產(chǎn)力的企業(yè)級通用智能體
- 幾個實操案例，告訴你什么是真正可用的企業(yè)級通用智能體
- Manus曇花一現(xiàn)，實在Agent或會帶來一場企業(yè)級通用智能體颶風(fēng)
Manus的火爆，不僅帶火了一批開源項目，也帶來了一場通用智能體之辨。
至今大家還拿不到邀請碼的Manus，以官網(wǎng)多個案例視頻和有數(shù)的體驗視頻，讓大家感受到了通用智能體的魅力。很多人在看完那些視頻后，直言不諱那就是他們需要的智能體。另一方面，很多人在體驗Manus同類項目之后非常失望，它們距離成為企業(yè)生產(chǎn)力還有不小的距離。
在技術(shù)圈和學(xué)術(shù)界，目前通用AI Agent（General AI Agent）被看作是一種能夠自主執(zhí)行任務(wù)、進行復(fù)雜決策并適應(yīng)多種環(huán)境的高級人工智能系統(tǒng)。能夠響應(yīng)用戶指令，主動規(guī)劃和執(zhí)行任務(wù)而無需頻繁的人類干預(yù)。這種系統(tǒng)通常基于多個大型語言模型（LLM）和其他獨立運行的軟件組件，以實現(xiàn)更廣泛的任務(wù)處理能力。
需要說明的是，目前不同公司對AI Agent的定義差異很大，從完全自主系統(tǒng)到預(yù)定義工作流的實現(xiàn)都有。因此通用AI Agent的“通用”程度，尚未有統(tǒng)一標準。
而真實的體驗與應(yīng)用反饋是，如果通用智能體是現(xiàn)在這種產(chǎn)品形態(tài)，還不如直接用RPA等工具去實現(xiàn)各種電腦應(yīng)用自動化的操作。大模型與AI Agent技術(shù)架構(gòu)比比皆是的當(dāng)前，企業(yè)對于應(yīng)用引入大模型和應(yīng)用智能體的渴望是熾烈的，對于適合當(dāng)前階段的企業(yè)級智能體解決方案的需求自然也是強烈的。
面對通用智能體的熱潮和企業(yè)級應(yīng)用的需求，廣大企業(yè)與組織對于真正可用的技術(shù)、產(chǎn)品及解決方案可以說是翹首以盼。
那么，在當(dāng)前AI Agent應(yīng)用早期階段，到底什么樣的智能體才算通用智能體？廣大企業(yè)需要的企業(yè)級智能體又應(yīng)該是怎樣的？有沒有體驗更好、執(zhí)行能力同時運行穩(wěn)定的企業(yè)級智能體能勝任企業(yè)大量的復(fù)雜業(yè)務(wù)流程？
從通用智能體說起
從當(dāng)前智能體產(chǎn)品形態(tài)來看，王吉偉頻道把當(dāng)前的通用智能體分為兩類：
一類是被稱為computer use Agent的類似Manus的產(chǎn)品，采用大模型（推理模型+多模態(tài)模型）+API模式，通過屏幕截圖來識別屏幕元素，以API接口調(diào)用各種工具執(zhí)行任務(wù)。
另一類是在RPA等流程自動化工具基礎(chǔ)上融合AI Agent架構(gòu)并把RPA當(dāng)作超級工具的Agent，這類產(chǎn)品基于原有業(yè)務(wù)流程自動化技術(shù)的沉淀，適配大模型、RAG、屏幕識別等技術(shù)，實現(xiàn)智能體流暢操作電腦上各種應(yīng)用。
受大模型能力、技術(shù)架構(gòu)、工作模式等因素的影響，目前第一類通用AI Agent在體驗上并不是很好，等待時間長，任務(wù)執(zhí)行能力差，效果不可控。第二類通用AI Agent因為RPA本身就已經(jīng)與PC、手機等終端有了很好的融合與適配，體驗上比前者要好很多。
顯然實在智能剛發(fā)布的新版實在Agent屬于后者。實在智能CEO孫林君認為，一個面向各種場景、具備良好泛化能力且無所不能的通用智能體，至少應(yīng)該具備兩點：
首先應(yīng)該突破基礎(chǔ)模型所不具備的一些能力，在任務(wù)理解上要掌握足夠多的知識；其次智能體在基礎(chǔ)模型上所結(jié)合的工具，在底層能力上要具有完備性，對于操作系統(tǒng)內(nèi)部應(yīng)該是一個“無所不能”的狀態(tài)。
為了讓大家看懂兩種Agent的區(qū)別，這里以實在Agent為例做了一個對比表格。
另一個角度，通用智能體的一大特點是能夠自由操作電腦上的各種應(yīng)用去執(zhí)行各種任務(wù)。
其實從computer use或者GUI智能體的角度來看，實在 Agent脫胎于能夠完美操作電腦端或者手機端的采用成熟技術(shù)的RPA，本身與電腦有著天然的親和力。在當(dāng)前智能體應(yīng)用的初級階段，這類智能體可以算是真正形成生產(chǎn)力的通用智能體。
來看幾個真實案例
光說不練假把式。接下來實操幾個實在Agent應(yīng)用案例，讓大家感受下第二類通用智能體的能力。
想要體驗實在Agent，首先需要到實在官網(wǎng)下載客戶端，網(wǎng)址如下：??https://www.ai-indeed.com/downloadCenter??
安裝以后打開軟件，默認軟件界面非常簡單，只有一個指令輸入框，可以按CTRL+SPACE組合快捷鍵隨時關(guān)閉和打開。
點擊左邊的logo，打開軟件完整界面。
先來試兩個官方應(yīng)用案例模版。
案例1：豆瓣電影數(shù)據(jù)獲取
點擊 數(shù)據(jù)分析 這個模版，指令“獲取豆瓣電影排行榜數(shù)據(jù)（電影名、評分）”會出現(xiàn)在指令輸入框。
點擊輸入框右邊的右箭頭或者按回車鍵，短暫的等待后，軟件會把這個指令拆解為4個主要分析步驟步驟，點擊 執(zhí)行 按鈕 或者按回車鍵，軟件開始執(zhí)行任務(wù)，默認使用內(nèi)置的實在瀏覽器。
這里說一句，直接使用內(nèi)置web程序這一步迭代非常好。不需要用戶再去Chrome等瀏覽器安裝插件，單是這個過程就困擾了很多小白用戶。
執(zhí)行任務(wù)過程中，鼠標會自動點擊相應(yīng)的網(wǎng)頁元素，最終提取豆瓣電影相關(guān)的數(shù)據(jù)展示在軟件內(nèi)，可以自由到處表格為Excel表格。
全部任務(wù)執(zhí)行過程，見下面的視頻動圖。
案例2：多平臺輿情分析
實在Agent不僅支持流程創(chuàng)建，還支持調(diào)用智能體。點擊關(guān)于雅詩蘭黛市場反饋的 “數(shù)據(jù)分析”模版，指令會自動輸入到指令輸入框，可以看到這個案例實在與智能體 “輿情分析及時助理”對話。該智能體會在百度、知乎、微博等3個平臺提取數(shù)據(jù)并匯總分析，使用這個模版前記得先登錄知乎和微博。
回車進入任務(wù)執(zhí)行頁面，短暫的任務(wù)拆解之后，點擊執(zhí)行按鈕，“輿情分析及時助理”就進入了它的工作流程，電腦會自動打開瀏覽器在3個平臺進行數(shù)據(jù)提取，最后通過大語言模型生成輿情報告。下面，是全部操作流程的視頻動圖。
對于這樣在多平臺提取數(shù)據(jù)的應(yīng)用，底層為RPA的實在Agent可以說是信手拈來。整個執(zhí)行流程大概用了3分鐘，如果用純視覺靠屏幕截圖識別定位GUI元素的CUA智能體，這個時間延長一倍，任務(wù)也執(zhí)行不完。
這里尤其推薦它的“小窗執(zhí)行”功能，可以在獨立桌面環(huán)境運行，不干擾用戶在電腦上的其他操作。在它執(zhí)行任務(wù)的同時，你還可以做另外的事情，工作效率倍增。
這個案例調(diào)用的智能體是官方發(fā)布的。目前實在Agent已經(jīng)上線了8個常用智能體，用戶可以隨時與這些智能體對話布置想要的任務(wù)。如果這些智能體無法滿足你的個性化需求，還可以自己創(chuàng)建面向你業(yè)務(wù)應(yīng)用的智能體。
實在Agent的智能體構(gòu)建方面，“自由畫布”比較有親和感，拖拉拽都很流暢。與其他Agent構(gòu)建平臺不同的是，這里多了一個自動化板塊，在構(gòu)建智能體時可以直接調(diào)用已經(jīng)構(gòu)建好的流程和智能體，并支持接口調(diào)用和功能代碼。
這個板塊的增加，可以大大增強智能體與企業(yè)內(nèi)部已有自動化流程的銜接，便于企業(yè)快速進行智能體的部署與應(yīng)用。目前他們也上線了DeepSeek大模型，用戶可以在構(gòu)建基于DeepSeek構(gòu)建推理能力更強的智能體。
案例3：剪映圖文成片自動化
體驗完官方案例模版，再來試試實際操作。
通用智能體其中的一個表現(xiàn)是可以操作流暢操作電腦上的各種應(yīng)用。我們可以試著讓實在Agent操作剪映，把一段文字剪成圖文視頻。
實現(xiàn)方式：首先在實在Agent調(diào)用DeepSeek，生成短視頻腳本。新建對話，輸入@ 在智能體列表中找到DeepSeek，輸入指令：生成一段關(guān)于AI Agent的短視頻腳本
然后需要把這段腳本放在剪映中自動生成視頻。新建對話，輸入指令：
打開剪映的 圖文成片 功能，使用其中的 自由編輯文案 功能，把下面這段內(nèi)容輸入文本框，點擊 生成視頻 中的 智能匹配素材 ，生成視頻
AI Agent，不僅是工具，更是你的智慧延伸。它能理解你的需求，學(xué)會你的習(xí)慣，幫助你高效完成任務(wù)。從日常生活到復(fù)雜工作，AI Agent都能成為你的得力助手。
實在Agent把任務(wù)拆解為5步，在具體執(zhí)行中輸入內(nèi)容以及點擊按鈕有點錯誤，只需要把輸入內(nèi)容修改正確，重新拾取下按鈕元素就可以正常運行了。具體操作視頻如下。
這個流程，以后是可以復(fù)用的，也可以用于AI Agent的構(gòu)建。比如這個案例，就可以把這兩步結(jié)合起來構(gòu)架一個用于剪映自動成片的智能體。
雖然這種自建流程還沒有經(jīng)過官方的強化訓(xùn)練，卻證明了通過詳細指令編寫和簡單的人工輔助，就能實現(xiàn)需要的功能，基本就是小白級的操作。沒有經(jīng)過強化訓(xùn)練就能做到這種程度，可見此類產(chǎn)品的巨大潛力。
實在Agent的不同之處
以上幾個案例，主要還是個人使用體驗。在B端企業(yè)應(yīng)用上，RPA與AI Agent的融合，會因業(yè)務(wù)、客戶、生態(tài)、技術(shù)路徑等方面的不同，在產(chǎn)品形態(tài)上也會有所差異。比如實在Agent與Manus等產(chǎn)品就有了明顯的差異化。
兩者的主要區(qū)別，可以體現(xiàn)在技術(shù)架構(gòu)、任務(wù)閉環(huán)能力、商業(yè)化成熟度、準確性、穩(wěn)定性、操作體驗、擴展能力以及用戶認知門檻等多個方面，具體可以見下圖。
通過以上幾個案例，大家應(yīng)該對實在Agent有些了解了，使用起來真的非常簡單。之所以能有這樣的應(yīng)用體驗，在于實在智能對于技術(shù)、用戶及行業(yè)的多年沉淀、深度洞悉與深入理解。
在智能體的產(chǎn)品定義方面，實在智能下了很深的功夫，他們認為合格的智能體產(chǎn)品至少應(yīng)該具備三點：使用門檻要低，使用方式要簡單直白，執(zhí)行過程欲隨心掌控。這三點對于智能體產(chǎn)品的重新定義，極大地降低了智能體的使用門檻并提升了易用性，對普通用戶極為友好。
最新發(fā)布的實在Agent開放了智能體搭建能力，用戶可結(jié)合模型技能庫和編排工具開發(fā)專屬AI智能體，并獲得完整使用生態(tài)。實現(xiàn)了RPA流程與AI工作流融合，升級為智能體畫布，支持自然語言交互，融合大模型與RPA能力，適應(yīng)復(fù)雜場景。并且RPA用戶流程可一鍵轉(zhuǎn)為智能體形態(tài)，客戶端覆蓋搭建到運行全環(huán)節(jié)，提升開發(fā)效率。搭建好的智能體可被自主調(diào)用，Tars大模型能學(xué)習(xí)并自動執(zhí)行任務(wù)。
基于實在智能五年積累的近500+的RPA原子組件和業(yè)務(wù)流程，具備連接和執(zhí)行能力，能解決跨系統(tǒng)操作和數(shù)據(jù)擺渡，幫助用戶完成業(yè)務(wù)辦理。其生成的RPA組件可重復(fù)利用，方便自定義智能體開發(fā)。還具備數(shù)據(jù)分析和文件處理能力，借助大模型推理和代碼生成，支持API集成，可聯(lián)網(wǎng)查詢信息。Tars大模型作為決策中樞，能自主調(diào)動工具并匹配用戶自定義智能體，持續(xù)提升上限。
這些，也正是實在Agent的獨有特色與不同之處。
企業(yè)需要什么樣的智能體？
前面實操的案例，更多是實在Agent在C端的能力體現(xiàn)。作為能夠在復(fù)雜環(huán)境中運行的通用智能體，只有能夠適用更多企業(yè)級的業(yè)務(wù)場景才能成為企業(yè)的生產(chǎn)力。
目前的通用智能體已經(jīng)實現(xiàn)了使用電腦，但更多還是實驗性的項目，無法更好地融入廣大企業(yè)復(fù)雜的業(yè)務(wù)流程當(dāng)中，難以實現(xiàn)企業(yè)級商業(yè)化應(yīng)用。很多時候，企業(yè)引入智能體是一回事，應(yīng)用起來卻是另一回事。
最近有個讀者跟我交流，他們想通過智能體替代員工在企業(yè)信息化系統(tǒng)中的重復(fù)性操作，正在尋找相應(yīng)的技術(shù)路徑和解決方案。事實上對于這類跨應(yīng)用、跨系統(tǒng)的需求，目前大家所看到包括Manus、Ominiparser以及相關(guān)開源項目在內(nèi)的CPU類項目都無法全部實現(xiàn)，或者說只能通過API鏈接包括現(xiàn)在火爆的MCP完成一部分輕量化的業(yè)務(wù)流程，對于深入到企業(yè)管理系統(tǒng)底層的復(fù)雜業(yè)務(wù)流程，涉及到大量沒有API接口的數(shù)據(jù)連接，目前無法實現(xiàn)。
孫林君認為，大模型存在兩種應(yīng)用方式的局限。一是端到端大模型雖能解決多問題，但遇到幻覺時難以調(diào)優(yōu)，優(yōu)化成本高且不可控。二是大模型結(jié)合API的方式，受限于API開發(fā)依賴人工、成本高，且系統(tǒng)設(shè)計原則要求低耦合，接口數(shù)量不宜過多。大模型加人工的方式，并非更合理選擇。未來，大模型應(yīng)能直接驅(qū)動工具操作軟件界面完成工作，軟件界面本身也是一種協(xié)議，這種方式更具潛力。
API不是萬能的，API無法連接一切，但企業(yè)運營卻需要最大化的連接系統(tǒng)與應(yīng)用。目前來看，至少現(xiàn)階段這個需求還是要落到基于大模型等技術(shù)的RPA類自動化Agent解決方案的身上，或是通過AI+RPA+Agent的解決方案來提升企業(yè)對于Agent的應(yīng)用能力。
那么，企業(yè)到底需要什么樣的智能體呢？融合RPA和Agent的企業(yè)級智能體又應(yīng)用有哪些終極考核標準或者說成為企業(yè)的優(yōu)質(zhì)增長杠桿呢？
廣大企業(yè)所需要的智能體，必然是能夠落地并滿足業(yè)務(wù)需求的智能體，而智能體想要真正落地必需做到可控、穩(wěn)定和高效。可控即過程清晰、結(jié)果準確率高，穩(wěn)定是指多次運行成功率高且結(jié)果穩(wěn)定，高效則是構(gòu)建效率高。這三點，正是實在Agent滿足商業(yè)化落地的三大核心能力。
基于這三大核心能力，經(jīng)過眾多客戶案例的實踐，實在智能總結(jié)了企業(yè)級智能體落地至少需要具備以下四個方面的能力或服務(wù)：
首先，要有專屬的企業(yè)知識庫。企業(yè)在生產(chǎn)經(jīng)營中積累了大量文檔和數(shù)據(jù)，這些是企業(yè)獨有的寶貴資產(chǎn)，也是員工真正需要的知識。通用大模型無法涵蓋這些內(nèi)容，因此企業(yè)需要沉淀自己的知識庫并具備數(shù)據(jù)分析能力，以實現(xiàn)落地應(yīng)用。
其次，要有專屬的業(yè)務(wù)系統(tǒng)操作指南。經(jīng)過30多年的信息化建設(shè)，企業(yè)內(nèi)部已有多套系統(tǒng)，每套系統(tǒng)都有獨特的業(yè)務(wù)特性和操作流程。智能體要實現(xiàn)自動化業(yè)務(wù)辦理，必須理解這些系統(tǒng)的操作規(guī)范，根據(jù)企業(yè)的業(yè)務(wù)流程來指導(dǎo)其操作。
第三，要支持模型的接入。大模型能力不斷進化，企業(yè)需要根據(jù)自身業(yè)務(wù)特性選擇并接入適合的大模型。一些企業(yè)可能需要對模型進行微調(diào)，微調(diào)后的模型也必須能夠靈活接入智能體平臺，以發(fā)揮其最大效能。
最后，要支持私有化部署。出于數(shù)據(jù)安全、風(fēng)控和監(jiān)管等因素，大型企業(yè)更傾向于私有化部署方案。實在Agent支持多種環(huán)境的私有化部署和國產(chǎn)化適配，滿足企業(yè)在合規(guī)基礎(chǔ)上的智能化升級需求。
這四點，很好地總結(jié)了企業(yè)級Agent的特點，當(dāng)然也把真正的通用智能體門檻提升了幾個Level。從這幾點而言，在原有企業(yè)級平臺及解決方案的基礎(chǔ)上打造的智能體，先一步成為了企業(yè)級通用智能體，這也是我之前一直在說的TO B類的企業(yè)會優(yōu)先吃上智能體紅利的一個主要原因。
圖：實在Agent的終極價值與核心能力
除了這幾點，實在智能將智能體的落地經(jīng)驗總結(jié)為成本可控、安全可用、靈活接入，非常形象的概括了企業(yè)級智能體解決方案的特色，當(dāng)然也體現(xiàn)了廣大企業(yè)的痛點所在。實在智能對于企業(yè)級智能體的定義，給行業(yè)樹立了一個標桿。
后記：與AI共舞，掌控萬物
在企業(yè)生產(chǎn)環(huán)境下，通用大模型基本不太可用，“大模型+API”模式的通用智能體則在夸系統(tǒng)跨應(yīng)用方面捉襟見肘。因此想要在現(xiàn)階段更好的應(yīng)用大模型和智能體，就需要企業(yè)根據(jù)自身的應(yīng)用生態(tài)和技術(shù)路徑選擇相應(yīng)的解決方案。
這其中，新興的大模型、知識庫等技術(shù)與企業(yè)已經(jīng)實施的RPA、BI、OA、BPA等應(yīng)用的連接與融合都是繞不開的選擇。企業(yè)唯一需要考慮的，就是如何讓新舊技術(shù)融合到一起讓不同階段投資的系統(tǒng)流暢運行以快速、高效、低成本地支撐業(yè)務(wù)更好地運營。
所以，全方位考慮企業(yè)需求并且包容各種技術(shù)與應(yīng)用元素的解決方案才是企業(yè)應(yīng)用智能體等技術(shù)的最優(yōu)解，而RPA Agent解決方案也成了企業(yè)管理經(jīng)營的必然考慮因素。
本文轉(zhuǎn)載自???王吉偉???，作者：王吉偉?
