文章核心观点 - AI Agent赛道正从通用型向垂直场景深化发展 其中专注创意设计的Lovart展现出更完整的行业工作流整合能力 其通过内置设计逻辑和分层输出结构 实现了从需求对接到成品交付的全流程闭环 相比通用型Agent Manus在专业化场景执行上存在明显差距 [55][56][70][72] 产品定位差异 - Manus定位通用型数字助理 功能覆盖文件解压 简历处理 脚本编写 房源查询及网站部署 图像生成仅为新增附加功能 [14] - Lovart专注垂直创意设计场景 目标明确替代设计乙方团队 承接整套设计任务交付 [14] 工作流对比 - Lovart采用聊天框+无限画布界面 支持直接输入完整设计需求prompt 自动生成多版提案 附设计思路说明及分层素材 支持并发多任务处理 [16][17][18][57] - Manus需先建立任务清单 分步骤确认细节 调用外部资源(如浏览官网) 单任务处理耗时长达15-30分钟 输出结果为非系统化素材拼接 [24][27][53][68] 能力测试表现 - 美学理解：Lovart生成时尚封面时能精准把握"尊严与柔和"的提示要求 呈现静态高级感排版 Manus输出结果缺乏内在设计逻辑 [32][36] - 概念化表达：两者均能将数字故障转化为博物馆展品视觉 Lovart作品呈现考古感与诗意结合的风格 [41][43] - 信息组织：Lovart成功完成9格漫画"变成PNG的故事"叙事 展现完整视觉叙事链构建能力 [47] 技术优势与局限 - Lovart生成速度显著领先 几分钟内完成三四张图 十几分钟生成视频 且输出素材保留图层结构可直接编辑 [53][57][59] - 存在稳定性问题：复杂任务易卡顿 中文提示易出现乱码 修改后素材无法自动联动更新 [62][64] - 目前更擅长创意表达类任务 高度结构化或严肃商业应用场景表现有限 [64] 行业意义 - Lovart代表垂直Agent发展方向 通过深度内化设计行业工作节奏与任务链条 实现从演示级工具向可交付产品的跨越 [70][72] - 通用Agent普遍存在"壳大魂轻"问题 缺乏行业专业流程结构 仅停留在L2-L3调度层级 [69] - 产品展示出AI Agent在内容产业真实落地的可能性 其试验价值超越短期热度 [74][75]