文章讨论了AI Agent从云端走向本地电脑办公的趋势,拆解其对工作模式的变革,为知识工作者利用AI提效提供参考。 ## 1. 换帅背后的AI方向调整 钉钉换帅后,新任CEO陈宇森是深耕云和Agent方向的技术创业者,此前正在做MuleRun Agent平台。 他提出AI会经历Copilot(副驾驶,人是主要执行者)和AI Native(工作围绕AI重新组织,人仅做标准制定和结果检查)两个阶段,且AI Native与非AI Native组织的效率差距最小有十倍。 换帅的核心目标是用AI重置组织数字化协作,未来数字化办公将走向「置Agent于电脑内」。 ## 2. 本地Agent的核心优势:破解大模型幻觉,串起完整工作流 普通单Chatbot处理长任务容易出现结构失衡、交叉验证不扎实、投喂资料无法充分利用的问题,本质根源是缺乏足够的搜集整理能力,而非推理能力不足。 多Agent可以并行分工完成任务,能从原始资料到成品串起整条工作流,通过更广范围的信息搜集保障结果准确性。 ## 3. 本地常驻Agent改变日常工作模式 过去SaaS等在线工具都将工作放到云端,工作流分散,需要人不停切换操作;本地Agent是常驻电脑的数字同事,依托本地环境完成工作。 云端Agent无法直接使用本地沉淀的工作文件,传来传去效率很低;本地Agent可直接调用本地文档、表格、文件夹等已有资源,相当于AI长出了双手。 程序员用自然语言指挥AI写代码的Vibe Coding模式,正在平移到写文档、做调研、出报告等普通知识工作,平移的前提就是Agent从云端走到本地桌面。 ## 4. Agent时代的能力与认知变化 过去我们习惯把AI困在「一个助手」的串行框架里,AI本来就适合并行干活,对任务做拆解并行安排,远胜串行处理。 未来拉开效率差距的核心不再是会不会写精妙prompt,而是能不能清晰拆解任务、派发任务、明确验收标准,这依赖于从业者对任务目标本身想清楚。 这类本地Agent工具是**执行杠杆**,只要ROI足够就值得付费,节省的时间价值远高于工具成本。 ## 5. 本地Agent的产业进展 年初AI Agent行业炒作热潮(龙虾热)退去后,商用本地Agent产品快速发展,仅半年多就从小众发烧友玩具变成多家厂商布局的正经产品,发展速度超过从早期个人电脑Altair到Apple II的迭代速度。
龙虾热退潮后,真正留下的是“置Agent 于电脑内”
2026-06-16 12:38

龙虾热退潮后,真正留下的是“置Agent 于电脑内”

本文来自微信公众号: 刘言飞语 ,作者:刘飞,原文标题:《龙虾热退潮后,真正留下的是「置 Agent 于电脑内」》


1把一群Agent养在电脑里办公


前阵子《置身钉内》是钉钉一位产品经理的7.5万字的长文,复盘了ONE项目从被寄予厚望到下线的全过程。我们也看到了事后更大的人事地震:6月11日,陈航卸任钉钉CEO,92年的陈宇森接棒。


这场换帅本身讨论很多了,我关注的一个有意思的视角是新任CEO。


陈宇森是技术型连续创业者,做过网络安全的长亭科技,后来一直在做云和Agent方向。接手钉钉前,他在做一个叫MuleRun的Agent平台。他也在几次访谈里反复讲一个观点:AI会经历Copilot和AI Native两个阶段,Copilot是副驾驶,人还是主要的执行者;到了AI Native阶段,工作会围着AI重新组织,人从每一步的执行者,变成标准的制定者和结果的检查者。他还说过,AI Native组织和非AI Native组织之间,效率差距最小也有十倍。


这个很有意思,换帅的目标就是要用AI重置组织数字化协作的感觉。


这就有一个推论:未来的数字化办公,是「置Agent在电脑内」。


过去我们用SaaS、用各种在线协作工具,都是把活搬到云上去做:文档在云端,表格在云端,人对着浏览器一个个标签页切。另外很多工作流都分散在各个地方。


而Agent则代表的是,不需要再把活搬上去,而是再次回到本地,回到电脑里,用本地的文件夹、本地的浏览器、以及本地的定时脚本。它不再是云上一个服务,是机器里一个常驻的数字同事。


下面我就用几个真实跑过的任务,挨个说说这几点变化具体是什么体感,再聊聊我更大的几点感受。


2 Agent团队配合作战


这个活如果交给Chatbot,它能列个提纲,也能写完。但拿到手往往有几个常见问题:结构上虎头蛇尾,开头详尽,越往后越敷衍;需要交叉验证的地方做得不扎实;给它投喂的资料,它也未必真用得上、读得完。有点像一个人对着一个长任务从头写到尾,本来就容易顾此失彼。




3用苦功夫替代幻觉


并行只是表面。更关键的是,它能把整条工作流串起来,从原始资料一直走到成品。


第一版16页。








关键问题不在于推理能力和思考能力。关键问题在于搜集能力和整理能力。有的Chatbot有朋友会觉得,明明大家都说很厉害,但为什么还是有幻觉?就是因为这个。


搜集整理的能力和推理能力是两码事。


4查得足够广,才足够准


查得足够全面,最后的结果才足够准确。




顺带说一句数据源。


5操作本地电脑,常驻干活




6一些感受


第一,AI本来就该并行干活,是我们的习惯把它困在了「一个助手」里。


我们看到「八个Agent同时查资料」会觉得新鲜,恰恰说明,我们一直在拿对待人的方式对待AI,问题和流程是串行的。


很多工作就像刚才说的一样,先做一些拆解和并行的安排,远比串行能解决的问题多很多。


第二,Agent从云端落到本地,才算真正接入了普通人的日常工作。


作为本地Agents工具,意义就不同了。云端Agent能查能写,但无法使用电脑里的东西。如果要阅读或者使用,每次都面临把文件传来传去的麻烦。


而我们日常的工作,很多都是沉淀在本地的,存了好几年的文档、正在改的稿子、刚导出的表格、堆满文件的文件夹,可以直接按照权限提供给它。


所以有一种说法,叫做从Vibe Coding到Vibe Working。过去程序员用自然语言指挥AI把代码写出来,现在同样一套「交代目标、让AI跑完流程」的方式,正在平移到写文档、做调研、出报告这些普通知识工作上。


它能平移的前提,就是Agent得先从云端走到桌面。用之前用过的比喻的话,就是AI长出了双手。


第三,接下来拉开差距的,可能不再是「会不会写prompt」,而是「会不会拆任务、派任务、验收」。


在2024年,大家比的是谁更会调教AI、谁的prompt更精妙。但现在不一样了。你需要知道该怎么跟AI派发任务。


像前面提到的机票票价监控的任务,你得先有一个明确的预期,表达清楚,Agents才能去工作。


这种表达更多是源于我们对任务的预期有没有想明白。对于一个报告,我们想要的是哪些维度的看法?对于一个监控任务,我们想要的是怎样的标准?这些会变得很重要。


只要用好了,在日常这些知识工作上,AI将会帮我们大大省事。


第四,在这上面花钱,买的不是消费,是执行杠杆。


最后说句实在的,这类工具值不值得花钱。


我的看法是:一旦发现这件事ROI是足够的,那它就是非常好的执行杠杆。


我自己的工作就能算得过来。比如一篇文稿我自己过去需要4天的整理,如果现在能通过工具缩减到2天,那这2天的时间值不值我在工具上的付费,是一个很简单的数学题。


哪怕是一些很小的事情,比如电脑的空间满了,需要整理电脑的文件。本来需要花费一整天的时间,一个个文件去甄别筛选。但现在AI工具换算下来,可以10块钱解决这个事情,那我自然特别愿意花这个钱。


7写在最后


年初养龙虾的时候我打过一个赌:慢则一年、快则半年,大厂会出来商用的、很好用的Agent。如今这样的工具越来越多了。


半年多时间,本地Agent从发烧友才玩得转的东西,变成好几家在认真做的产品。这个速度,比当年从Altair到Apple II快很多。


希望对大家有帮助。

AI创投日报频道: 前沿科技
本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定