文章核心观点 - 文章围绕马斯克旗下xAI的Grok Bot展开，通过同题实测对比Grok Bot、WorkBuddy和Qoder CN三款多智能体协作产品，核心结论是多智能体已能承担研究流程中的具体工序，但产品竞争下一步比拼的是交付可靠性，即核查结论能否穿过每次交接准确落到最终文件 [10][31][39] - Grok Bot以12分49秒交稿，速度最快、收录论文最多；WorkBuddy用21分43秒交出最接近编辑底稿的正文；Qoder CN用14分42秒呈现出一次有价值的智能体交叉纠错 [10][29] - 三款产品共同表明多智能体已能承担研究流程中的具体工序，而成果质量仍要落实到读者结合自身专业水平进一步优化 [37] Grok Bot产品定位与功能演进 - 2025年8月11日，xAI正式发布Grok Bot，将其定位为一组可以持续工作的AI Teammates（AI队友）[5] - Grok Bot不像传统聊天助手那样主要围绕一个对话框展开工作，用户可以创建多个具有不同名字和职责的Bot，例如研究员、项目经理、运营专员，让它们各自负责一类工作 [7] - 主Bot会根据每日任务执行情况，帮助用户发现下一步工作，并主动提议接手，把需要决定的事留给用户 [7] - 这些Bot不必在每次任务开始时重新创建，能够保留各自的会话、工作偏好和长期上下文，还可以互相发送消息、进入群聊，将尚未完成的任务交给其他Bot继续处理 [8] - 10月14日，Grok Bot更新功能：用户可以给Bot的邮箱设置不同别名，例如专门接收新闻简报、购物收据或旅行信息，并让不同邮件分别触发预设的工作流程 [3] - 10月2日新增的主动提议能力，让主Bot能够根据已有上下文，发现可以继续推进的工作，并向用户提出接手建议 [9] - Grok Bot在10月2日公布了“主Bot主动发现工作并提出接手”的能力，例如在上午报告新增五篇调研论文，并生成一封等待用户确认的邮件草稿 [34] Grok Bot技术架构 - 支撑这套协作方式的是一台持久化的云电脑，同一账户下的多个Bot共用其中的文件、浏览器登录状态和命令行凭据，并拥有各自的操作界面 [9] - 前一个Bot搜集的资料，后一个Bot可以直接接着处理；即使用户关闭本机，后台任务仍能继续执行 [9] - 用户可以将完成过的工作流程保存为Skill，再通过Routine设置定期执行 [9] - 根据官方说明，Bot可以在用户关闭本机应用后继续工作，同一账户下的多个Bot共用文件、浏览器登录态和命令行凭据，各自有可并行操作的会话窗口 [33] - 云端执行并非Grok Bot的独有创新，多款类似产品也有云环境运行设定，例如Manus Cloud Computer、WorkBuddy企业智能体、Qoder Cloud Agents等 [33] 同题实测设计 - 测试要求三款产品围绕“大模型路由”为题写一篇综述，完成文献检索、方法梳理、数字核查和独立审稿 [10] - 该题目要求智能体能区分多个名字相似度极高的研究，也要求审稿意见落实到最终文件，还要求智能体能在分工、交接和纠错过程中都在交付物中留下痕迹 [10] - 测试指令要求使用多智能体协作机制，完成一份截至2026年10月15日的中文研究综述，主题为“大模型路由研究” [14] - 要求不同智能体分别承担文献检索、方法梳理、实验与基准核查、独立审稿等职责，由一位负责人整合结果 [14] - 最终交付包括：一篇约3000—4000字的综述、一张涵盖至少12篇原始论文的对照表、一个“尚无定论的问题”小节、简短的协作记录 [14] - 要求每项关键事实和数字附可打开的原始来源链接，区分论文报告的结果、独立基准结果和自己的推断 [15] - 无法核实的说法标为“待核实”，不要填补或编造引用 [16] - 完成前由未负责撰稿的智能体独立检查引用、数字、方法分类和结论边界 [17] Grok Bot实测表现 - Grok Bot先把任务交给“学术调研师”、“项目经理”和“文章撰写专员”三个具有名字的Bot，自己负责最终整合 [18] - 学术调研师给出19篇论文的对照表，并提前区分多个高相似度研究名字，项目经理核查数字，撰稿Bot收到材料后写初稿，学术调研师再对其审阅 [18] - Grok Bot给出了含有八份文档文件的产出，覆盖正文、对照表、开放问题、文献梳理、基准核查、审稿意见和协作记录 [18] - 独立审稿意见抓到了两个未经核查表格确认的百分数，撰稿Bot随后将其删去 [19] - 另一轮交接还纠正了两篇论文的arXiv编号，这些是可以从文件与会话互相对应的修订 [19] - Grok Bot用时12分49秒，速度最快、收录论文最多 [10][29] - Grok Bot的4个角色包含主智能体 [29] Qoder CN实测表现 - Qoder CN在任务开始后启动了三个检索子智能体分别寻找核心论文、基准与近期进展 [21] - 随后由方法梳理和事实核查两个角色接手，独立审稿者在成稿后检查 [21] - Qoder CN给出了包含四个文档的交付件：综述、论文对照表、开放问题与协作记录 [21] - 综述正文约19KB，约4000字，含问题定义、六大类方法分类、基准评估、LLMRouter贡献与局限、工业实践、技术趋势、开放问题 [23] - 论文对照表约10KB，包含15篇核心论文+5个工业实践的结构化对照表 [23] - 尚无定论的问题约4KB，包含10个开放问题的详细分析 [23] - 协作记录约11KB，包含完整的智能体协作过程、交接记录、发现的问题与修订 [23] - 检索阶段literature-search负责17篇核心论文，benchmark-search负责10个基准+评估体系，recent-advances负责2025-2026进展共50+论文+7个工业案例 [24] - 梳理阶段method-organizer负责六大类方法分类，核查阶段fact-checker负责8个数据点核查并发现4个需修订项 [24] - 审稿阶段independent-reviewer独立审查4个文件，发现fact-checker本身犯错（RouteLLM 85%）[24] - 核查者智能体参考RouteLLM论文，认为“最高节省85%成本”出处不明；审稿者继续找到项目仓库来确认项目这一表述 [24] - 论文表格中给出3.66倍的成本节省比率，两个数字的评测条件和计算口径需要分别说明，不能直接互换 [24] - Qoder CN用时14分42秒 [10][29] - Qoder CN的6个子智能体，另有主智能体 [29] WorkBuddy实测表现 - WorkBuddy花的时间最长，交出的正文也最像一份可继续编辑的研究底稿 [25] - 在文献检索、方法梳理、基准核查分别安排三个研究角色并行工作，由负责人整合初稿，再交给未参与撰稿的角色审阅 [25] - 最终综述围绕“路由信号”和“决策结构”组织方法，明确区分论文自报、独立基准、作者推断和待核实数字，读者能够顺着标注回到证据 [25] - WorkBuddy用时21分43秒 [10][29] - WorkBuddy的5个角色包含主智能体 [29] 行业竞争格局与趋势 - 三款产品都完成了综述、论文对照表、开放问题和协作记录，审稿环节也留下了可追踪的修订 [31] - Grok Bot以速度和检索覆盖见长，WorkBuddy的正文最适合作为编辑底稿，Qoder CN展示了审稿者纠正核查者的交叉检查 [31] - 角色数的计数口径并不一致，不能用来推断“智能体越少，运行越快”，耗时包含检索、等待、审稿和交付，并非纯模型推理时间 [29] - 对比WorkBuddy和Qoder，Grok Bot展现出产品形态的另一面，把智能体放进了一套持续运行的云环境，Bot可以跨会话保留材料，也能接着同伴的工作往下做 [37] - 长期任务能否在故障后恢复、共享资料如何控制访问、每项任务消耗多少资源，都成为产品能力的一部分 [37] - 交互方式也在变化，Grok Bot把具名Bot、工作状态、例行任务和交付物放到同一个界面，用户可以看见谁在处理任务，并在需要判断时接手 [38] - 未来衡量主动提议能力，还要看建议是否切中需求、是否频繁打断用户，以及哪些动作必须停下来等待授权 [38] - 马斯克近期在X上提出，Grok Bot今后会按任务选用包括第三方服务在内的后端模型 [38] - 这可能意味着产业将进一步细分，模型研发与智能体产品研发的分工将更清晰，两类团队也仍会向彼此的领域延伸 [38] - 从智能体产品角度来看，决定产品竞争力的是这套流程能否稳定交付，并让用户看清数据流向、任务成本和结果依据 [38] - 三款产品显著的不同在于Grok Bot已把云端常驻、跨会话接力和主动提议带进同一工作环境 [39] - 三款产品仍各有成稿缺口，说明检索、核查与审稿的成果还需要准确进入最终文件 [39] - 随着模型和Bot可以按任务组合，产品竞争将越来越取决于这条链路能否持续运转：任务中断后接得上，关键决策由用户把关，过程与成本查得到，成品经得起专业复核 [39]