企业官网建设流程全解析

✨ 马文・明斯基在 1986 年埋下的种子，在大模型时代终于破土而出。曾经只存在于书本中的「智能体」概念，如今已经诞生多款可上手的产品，不再是纸上谈兵。

Bilibili 同步视频

AI 编程智能体 03：拆解当下主流智能体能力

一、溯源：智能体的起源

早在 1986 年，人工智能之父马文・明斯基就在著作《思维的社会》中首次提出智能体（Agent）的概念。
有趣的是，这个想法沉寂了数十年之久。概念提出很早，但真正工程化落地、迎来爆发式增长，却是最近几年的事情。
普通大语言模型存在一个天然短板：受 Token 输出长度限制 📝。面对简单问题（比如基础计算题）应答流畅；一旦遇上复杂的多步骤调研任务，很容易回答片面、深度不足。
而智能体，正是用来补齐这块短板的技术方案。

二、主流智能体产品横向盘点

目前市面上已经涌现出多款代表性智能体产品，各有侧重，我们一起来看看它们的真实能力差异。

1. OpenAI Deep Research

作为 ChatGPT 背后团队推出的智能体产品，Deep Research 主打深度调研，属于付费能力。
我们拿一个真实调研任务举例：

查询过去十年，按 GDP 排名前十的发达国家、发展中国家安卓与 iOS 系统渗透率，并整理成表格。

普通 GPT 处理该任务：仅简单划分国家、粗略描述系统使用率，信息单薄。
Deep Research 处理该任务：
自主检索数据，输出结构化表格，清晰列出经济体排名、各国移动端系统占比，附带分析建议。例如美国 iOS 占 58%、安卓 42%；中国 iOS 占 24%、安卓 75%，信息详实规整。

2. Manus：瞄准 AGI 的通用智能体

Manus 是今年热度极高的智能体项目，目标直指 AGI，想要打造能够处理各类现实任务的通用 AI。
它的核心玩法：任务规划 + 虚拟机环境执行。
在虚拟机开辟独立运行空间，先创建 Markdown 格式 TODO 清单，把复杂大任务拆解成一个个子任务，按顺序逐步执行；每完成一项，就标记完成，直到全部任务闭环，输出最终成果。

案例①：7 天日本旅行规划

当我们提出需求，左侧展示模型思考、推理交互全过程，右侧实时展示检索状态。
它会自动访问各类旅游网站抓取公开信息，调研景点、路线、配套资源，完成全部子任务后，输出一份japan handbook旅行手册，也可以导出文档。

💡 对比：直接丢给普通大模型相同需求，很难自动做到如此细致的行程编排、景点信息整理。
当然 Manus 也并非完美，仍然存在部分任务无法完整收尾的瑕疵，但交互形式和解决问题的能力，已经非常贴近大家想象中的智能体。

案例②：简约风格名片设计

同样遵循「先规划 TODO 清单，再分步执行」的流程。
Manus 自主寻找设计资源，最终一次性输出两份产物：名片预览网页（正反面完整设计），以及可直接打印的名片 PDF 文件。
从调研规划到产出可交付文件，整套流程自动完成，生产力属性拉满。

3. 智谱・橙思

国内智谱 AI 开源的橙思，主打长程深度推理。
开启橙思模式后，相比普通推理模型，它更擅长复杂问题深度思考、长文本写作。

⚠️ 能力边界：橙思擅长推理思考，但不具备 Manus 那样在虚拟环境里新建网页、生成 PDF 文件的能力，聚焦在文本推理链路的强化。

4. 通义千问「分析研究」

阿里通义千问也上线了长程推理类智能体能力「分析研究」，同样面向复杂调研场景。
国内大厂陆续入局，智能体产品正在快速变多，形态持续轻量化。

📌 一个重要提醒：这些公有云智能体，全部基于已有公开数据训练。如果直接搬到企业内部业务场景使用，落地会遇到不小阻碍。这也是智能体开发领域需要攻克的核心课题。

三、智能体核心运行逻辑可视化

图表说明：这张流程图展示了 Manus 这类智能体的典型工作流。和普通大模型一次性生成文本不同，智能体采用任务拆解 + 分步执行的模式，循环完成子任务，最后整合交付成果，以此突破大模型单次输出 Token 上限的限制。

四、智能体的核心特征：自主性

看完产品案例，我们可以提炼智能体最关键的特征：自主性。
智能体可以在没有人类持续介入、实时干预的前提下，自主拆解目标、检索信息、一步步执行一系列动作，完成复杂任务。
普通大模型是「一问一答」，被动响应；智能体则是拿到目标之后，自己规划路线、主动行动，这是二者最本质的区别。

五、小结

从 1986 年的概念提出，到如今多款产品落地，智能体已经从学术猜想，走向真实可用的生产力工具。
OpenAI Deep Research 深耕调研，Manus 尝试通用任务自动化，橙思、通义千问补齐国内长程推理赛道。
当然现阶段智能体远不是完美形态，任务执行存在瑕疵，企业私有化落地依旧存在挑战。

但技术方向已经清晰：依靠任务规划、环境交互，突破原生大模型的能力边界。未来轻量化智能体，会渗透进更多开发、办公、研究场景。