Manus 曾在国内舆论场火爆一时，不经意间完成了一次 AI Agent 全民科普。然而，当各路投资人纷纷踏破 Agent 企业门槛时，植入大众心智的 AI Agent“万能”印象，与它的真实面貌之间仍有不小的落差。

日前，心智观察所就 AI Agent 的发展现状与应用前景，与 Agent 初创企业 flowith 的市场负责人郭梓溢（拐子）展开了一次深入的交流，并且将访谈内容进行了整理，整理结果如下。

从业者对技术与市场有洞察，在访谈中，flowith 团队的年轻化给人留下了深刻印象。如果将 AI 比作像互联网诞生那样具有颠覆性的技术，那么它将要颠覆的，绝不仅仅是市场格局。

23 岁的马克·安德森无法忍受 NCSA 的官僚式管理，于是选择出走并创立了网景公司。24 岁的埃隆·马斯克放弃了斯坦福的读研机会，前往网景求职。在他们眼中，看到的是当时整个硅谷世界尚未真正被发现的风景。

【对话/ 观察者网 心智观察所】

心智观察所：微软 Copilot 出现后，到如今的 Manus ，媒体多次惊呼万能 AI 助手“就是它了”。然而，每一次这些产品实际落地时，似乎都与高涨的预期存在不小的落差。

从从业者的角度来看，我觉得无论是 Copilot ，还是 AutoGPT ，亦或是现在很热门的 Manus ，它们都有着一个共同的核心问题，那就是过度追求通用性。

去年 8 月我们刚推出 Flowith Oracle 。那时我们曾想主打“通用 AI 助手”这个方向。但很快我们就察觉到一个行业真相，即过于通用的 Agent 在垂直场景下难以进行优化，并且对用户而言难以解决实际需求，也难以让用户形成使用习惯。

真正的关键在于找到那些 Agent 能够完成而基础模型无法完成的任务。实际上，倘若你仅仅需要一份旅行攻略，亦或是进行前端开发，即便 Agent 的演示案例再怎么炫酷，直接询问 AI 或许也能获得 80%相似的结果。这并非是 Agent 的实际意义所在，大模型迟早会具备这些基础功能。

心智观察所认为，公众对 Agent 的想象往往较为理想化。那么，你觉得目前的 AI Agent 距离这种理想状态还有多远呢？

郭梓溢认为垂类 Agent 已经能够出现一些杀手级应用。

现在通用 Agent 的热情是一件好事。它就像漏斗，能汇集用户的 case，让我们知晓对 Agent 实际应用最强的需求所在。接着，我们或许会定制化开发一些基于现有基础模型和工具就能做出的产品。所以，我认为满足公众期待的垂类应用不会等太久，今年之内肯定会有很多爆发点，包括我们自己。

心智观察所指出，公众对 Agent 进行了很多讨论，但实际使用过的却很少。请给我们列举几个 flowith 用户比较好的用例吧。

郭梓溢觉得比较有意思的事情有编写咨询行业的调研报告，以及进行学科领域的知识总结。有一个 00 后用户很特别，他把自己的考研笔记转化成了“学科知识图谱”，如今借助 Oracle 系统，能够依据不同学校专业的命题特点自动生成定制化的复习方案。

我自己会进行实践，例如结合自身的知识库，能够批量产出具有我自己语言风格和表达习惯的深度内容，接着挑选出其中一些最好的结果，通过这样的方式，我的小红书在一个月内成功增长了 5000 个粉丝。

心智观察所：对于内容创作与AI结合有什么体会？

郭梓溢认为人的主体性很重要，并且选择了不同的架构路线。在 Flowith 中，人并非袖手旁观的摆设，而是能够成为 human-in-the-loop 的主导者，实时参与到创造过程中。当业界和公众对 Agent 的通用性抱有过高期望时，在实际使用产品时就难免会察觉到理想与现实之间的差距。

未来 Agent 的价值在于与人类形成深度融合，也在于与人类形成互补，而不在于替代人类。这比单纯将 AI 当作工具更为复杂，同时也更有价值。

这是我们认为的原因之一，在 AI 时代，品味或许会成为人类所拥有的最后一道防线。

心智观察所询问：你认为 flowith 目前在商业落地方面最大的挑战是什么？

郭梓溢：最早像我们这类创业者，最为头疼的是公众不了解 Agent 是什么以及能做什么事。然而现在，DeepSeek 切实为整个行业解决了用户普及的问题，即大家对 AI 的了解增多了，对 Agent 也有所知晓了。如此一来，这样的挑战实际上以一种间接的方式得到了解决，我们只需把真正能够解决用户痛点的产品制造出来就可以了。

心智观察所：有人持有这样一种看法，即认为 AI Agent 仅仅是在进行基础模型与工具的整合，自身并不存在技术壁垒。对于这种看法，应当如何看待呢？

郭梓溢：我觉得挺荒谬的。

Agent 的本质，我个人认为更类似造车这一艺术。在第一台汽车出现之前，内燃机以及各种前置技术已然存在。然而，像福特和奔驰这样的先驱者，依然需要极为强大的系统集成能力以及深刻的产品定义洞察。这并非仅仅是对零件的简单拼装，而是一个包含无数微妙平衡且需进行系统性思考的复杂过程。

基础大模型更侧重于底层，如同发动机这般的核心部件。即便 DeepSeek 这样的模型已然极为强大，然而为何大家在日常工作生活中仍难以对其进行深度应用呢？并非是底层技术不够卓越，而是真正能够与具体场景深度相契合的产品形态尚未大规模地呈现出来。

在 AI 飞速进化的这个时代，要将基础能力转化为真正有价值的产品体验，就需要深刻理解人机协作的本质，并且对产品细节进行极致追求。当所有人都使用同一个发动机时，真正的差异化体现在你构建整个系统的方式，以及让这个系统为真实用户创造价值的方式上。

心智观察所认为，海内外的 Agent 初创企业常常会有许多自身创造的技术概念，并且就连同一个术语所指向的语义也存在差异，那么对于这个阶段性的现象，你是如何看待的呢？

郭梓溢认为重要的是最后落地的商业模式。有些 Agent 渴望做垂直领域最快的跑车，而有些团队则想做通用的，以满足大众市场的需求，这类 Agent 的开发相对更困难。不过，他觉得基础的技术框架肯定会逐渐固定，就那几种模式，垂直类 Agent 会对很多特定工具进行优化。