核心观点 - AI Agent的核心能力从表达转向解决问题 代表从Chatbot到Agent的范式转变 [1][3][6] - Agent通过任务链实现自主操作 减少人工干预 提升执行效率 [6][8][10] - 行业分化出通用型Agent和垂类Agent两条路径 前者侧重技术展示 后者强调场景落地 [12][16][18] - Agent Experience（AX）重构交互逻辑 以关系为中心实现持续学习和自动化 [26][27][29] - 大厂与初创公司采用不同策略：大厂通过现有产品嵌入AI 初创公司从零构建Agent原生应用 [33][34][45] Agent技术演进 - Agent链路支持目标拆解为子任务 自主调用工具完成多步操作 [6] - 相比线性对话的Chatbot Agent减少用户介入需求 [6][10] - 浏览器环境成为早期解决方案 如OpenAI Operator聚焦自动操作 [10] - Manus通过可视化执行面板提升用户体验 展示思考过程增强信任 [11] - Agent本质是调度中枢 融合大模型理解能力与工具执行链 [51][52] 产品形态对比 - 通用型Agent优先爆发 因大而全策略易于技术展示和融资 [12] - 垂类Agent聚焦明确场景 如客服、医疗、投研等行业应用 [16][17] - 通用Agent类似瑞士军刀 功能全面但单项不足 垂类Agent如专业工具更实用 [21][23] - 功能细节成为差异化关键 如Manus预估时长和Genspark代打电话 [14][15] 交互范式变革 - Agent Experience（AX）从界面中心转向关系中心 实现持续目标追踪 [26][29] - AX具备状态感知、意图推理和行动选择能力 替代预设流程 [27][29] - 核心特性包括可控性、可预期性、可逆性和可演进性 [30] - 信任构建通过展示工作过程 随信心增长逐步减少提示 [29] 市场竞争格局 - 大厂依托现有产品嵌入Agent 如飞书升级知识问答和会议功能 [35] - 钉钉AI表格将AI作为原生能力 非单纯工具 [36] - 夸克高考志愿大模型处理1200万份报告 需临时调配算力支撑 [41] - 微软Copilot采用渐进集成 保持副驾驶角色避免越权 [43] - 初创公司如YouMind以Agent逻辑原生构建 成为主要执行者 [44] 商业化路径 - 大厂拥有历史数据权限和任务链路 通过打补丁实现商业闭环 [46] - 初创公司凭借灵活性和垂直数据 差异化竞争大而全产品 [47] - Agent融入工作流后具备高替代成本和用户粘性 形成产品护城河 [31] - 技术基础设施依赖开放接口、工具链和稳定模型支持 [52] 未来发展趋势 - 通用Agent是过渡形态 最终被嵌入式垂类Agent替代 [53] - Agent为自动化流程添加大脑 实现理解-拆解-执行闭环 [51] - 行业需解决API权限分散和系统兼容性问题 [9] - 实际应用仍面临产品力落地挑战 避免陷入概念炒作 [15]