當AI唔止係答問題，而係開始擁有自己嘅「電腦」，人工智能正進入一個新階段。
過去兩年，大型語言模型（LLM）最直觀嘅應用形態係聊天機械人。用戶提問，AI生成答案；用戶要求寫代碼、寫報告或者分析數據，AI就會用文字或者代碼幫用戶完成。
但到咗2026年，AI產業正發生一個重要變化：AI開始由「回答問題」轉向「替人做事」。
呢個變化最明顯嘅代表包括Meta嘅Muse、Manus、WorkBuddy同埋開源Agent項目OpenClaw。同時，TypeSafe推出嘅Jev，則從另一個角度切入Agent架構：唔使每樣事都依賴大型語言模型，而係將大量簡單、快速嘅判斷交畀一種專門嘅「System One」決策模型。
如果將呢啲變化放喺一齊睇，可以見到一條愈嚟愈清晰嘅技術演進路線：
AI正由一個「識講嘢嘅大腦」，逐步變成有自己電腦、會調用工具、記住用戶、執行任務、並可長期運行嘅數字代理人。
一、AI Agent究竟係乜嘢？
要理解Agent，可以先睇下傳統聊天機械人係點運作。
過去嘅AI基本係：
用戶提問 → LLM思考 → 輸出答案。
例如用戶講：
「幫我搵下下星期去東京嘅機票。」
傳統AI可能會教你去邊啲網站、點樣搜索，甚至畀啲建議。
但Agent嘅目標係進一步：
理解目標 → 搜索網頁 → 比較航班 → 檢查時間 → 填寫資料 → 喺需要時詢問用戶 → 完成任務。
即係話，AI唔再淨係提供信息，開始獲得「行動能力」。
所以，一個真正嘅Agent通常需要幾個基本組成部分：
模型、記憶、工具、運算環境同埋執行權限。
模型負責推理，記憶用嚟保持上下文，工具負責連接互聯網同各種應用，而運算環境就相當於AI自己嘅「電腦」。
呢啲都係目前Agent技術最重要嘅變化之一。
二、Meta Muse：AI開始似「個人管家」
Meta最近推出嘅Muse，可以理解為一種面向普通消費者嘅Personal AI Agent。
Meta為Muse設計咗專門嘅Muse Secure VM，即係一個獨立嘅安全虛擬運算環境。Muse可以喺呢個環境入面用瀏覽器、訪問互聯網、處理任務，並通過權限控制限制高風險操作。
呢個意味住Muse唔係簡單喺聊天窗口度答：
「你可以去呢個網站訂機票。」
而係朝住：
「我幫你把呢件事做完。」
例如，用戶可以叫Muse：
「幫我安排一次旅行。」
理論上，Agent可以搜索航班、酒店同相關信息、比較唔同方案，喺涉及付款等敏感操作時再要求用戶確認。
Meta仲希望將Muse逐步連接到WhatsApp、Instagram、Facebook同AI眼鏡等產品入面。
呢個代表住一個重要變化：
Agent可能唔再係一個要用戶主動打開嘅獨立App，而會漸漸成為用戶日常數碼生活嘅一層基礎設施。
如果呢個方向最終成熟，用戶甚至唔需要諗緊自己喺「用緊乜AI」。
只要講：
「幫我處理下。」
三、Manus：更似一個「AI員工」
如果講Muse比較似「AI管家」，咁Manus就更似「AI員工」。
Manus嘅核心理念係：
將一個完整任務交畀AI，而唔係一步一步教AI應該點做。
例如：
「研究下美國AI芯片市場，並整一份報告。」
Agent可以自行拆解任務，然後搜索互聯網、閱讀網頁、整理資料、做分析，最後生成報告或者演示文稿。
所以，Manus關注嘅重點唔係聊天，而係：
任務規劃、工具調用、瀏覽器操作、研究、代碼、文件同多步驟執行。
呢個代表住AI產品形態嘅一次重要變化。
過去：
人負責規劃，AI負責執行某一步。
而家：
人提出目標，AI自己規劃同執行。
呢個就係「AI員工」概念出現嘅基礎。
四、WorkBuddy：AI開始坐入你嘅辦公電腦
WorkBuddy代表另一條路線。
佢更重視：
本地電腦 + 文件 + 辦公軟件 + 企業工具 + Agent。
用戶可以將佢理解成坐喺自己電腦入面嘅AI同事。
例如：
「分析呢個Excel文件，然後生成一份PPT。」
或者：
「將呢啲資料整理成報告，再做一次數據分析。」
Agent可以調用本地文件、終端、MCP同各種Skills完成任務。
所以，WorkBuddy同Manus雖然都屬於Agent，但關注點唔同。
Manus比較似：
雲端數字員工。
WorkBuddy比較似：
電腦入面嘅AI同事。
五、OpenClaw：更進一步，讓AI使用「你嘅電腦」
OpenClaw代表一種更開放嘅Agent架構。
佢唔係簡單提供一個AI聊天窗口，而係想令Agent運行喺用戶自己嘅運算環境入面。
OpenClaw可以連接唔同嘅通訊平台，並使用瀏覽器、Shell、文件系統、GitHub以及各種Skills同工具。
所以，佢更似：
一個Personal AI Operating System——個人AI操作系統。
呢度有個好重要嘅分別。
Muse嘅理念比較接近：
畀AI一部安全嘅電腦。
OpenClaw則比較接近：
畀AI使用你嘅電腦。
前者強調安全隔離。
後者強調開放能力同用戶控制。
如果用戶願意畀足夠權限，OpenClaw甚至可以成為一個長期運行嘅個人開發、研究同自動化Agent。
六、從Muse到OpenClaw，AI正獲得一部「電腦」
呢個可能係理解當前Agent發展最好嘅方式。
過去嘅LLM：
係大腦，但冇手腳。
Agent：
係大腦 + 手腳。
而家嘅先進Agent正進一步變成：
大腦 + 記憶 + 電腦 + 工具 + 網絡 + 權限。
所以，Agent架構愈來愈似一部新嘅「AI電腦」。
可以簡單理解為：
LLM負責思考，Agent Runtime負責管理任務，Browser同Tools負責行動，Memory負責記憶，而Computer則提供實際執行環境。
呢點解釋到點解2026年嘅AI競爭已經唔淨係係模型參數同Benchmark嘅較量。
真正嘅問題開始變成：
邊個可以令AI長期、安全、低成本噉替用戶完成真實世界嘅任務？
七、不過Agent仲有一個大問題：太「貴」同太「慢」
Agent睇落好醒，但有個天然弱點。
每做一步，都可能要調用一次大型語言模型。
假設一個Agent完成一個複雜任務需要做100次判斷：
- 網頁係咪相關？
- 係咪要繼續搜索？
- 係咪要重試？
- 應該調用邊個工具？
- 係咪要人工確認？
- 係咪應該進入下一步？
如果每一個判斷都交畀GPT、Claude或者Gemini等大型模型，就會出現兩個問題：
延遲不斷累積，Token成本不斷上升。
更重要係，大模型每一次都可能生成一段自然語言。
例如程式其實只需要知道：
「係咪應該重試？」
答案其實只要：
YES。
但LLM可能會生出一大段解釋。
呢就好似叫一位高級工程師負責判斷辦公室每一個紅綠燈。
佢能力當然夠，但經濟上唔合理。
八、Jev：畀Agent加一個「快速反射層」
呢就係Jev呢類System One模型可能發揮作用嘅位置。
TypeSafe對Jev嘅定位唔係另一個GPT，而係一種專門做快速決策嘅模型。
佢唔需要生成長篇自然語言，而係直接回應有限範圍嘅問題，例如：
- 係咪應該重試？
- 呢個網頁係咪相關？
- 應該揀邊個工具？
- 呢個任務嘅優先級係幾多？
- 呢個操作風險有幾高？
- 係咪應該交畀更強嘅LLM？
- 係咪需要人工確認？
因此，Agent可以形成一種新嘅分工：
代碼負責確定性執行。
Jev負責快速判斷。
GPT、Claude、Gemini等大型模型負責複雜推理。
呢個其實好接近人類認知入面嘅「快思考」同「慢思考」。
九、未來Agent可能出現「三層智能」
如果呢種架構繼續發展，一個更合理嘅Agent系統可能係：
第一層：代碼
負責明確、確定、可測試嘅事情。
例如：
如果餘額不足，就拒絕支付。
喺呢類場景，代碼比AI更加可靠。
第二層：System One / Jev
負責大量簡單但唔完全確定嘅判斷。
例如：
呢個網頁值得繼續讀嗎？
係咪需要重試？
應該用邊個工具？
係咪需要升級到高級模型？
第三層：LLM
負責真正複雜嘅推理。
例如：
分析100份研究報告，搵出技術趨勢，並提出研究方向。
咁樣就形成：
Code → Jev → Frontier LLM
三層唔同嘅智能體系。
十、Jev真係可能改變嘅，唔止係Token價錢
Jev最值得關注嘅地方可能唔係「比LLM平咁多」。
更重要係，佢可能改變Agent嘅運行方式。
假設一個Agent一日收到10,000個事件。
如果每個事件都調用一次大型語言模型，成本同延遲會迅速增加。
但如果先用Jev做快速過濾：
10,000個事件 → Jev快速判斷 → 只有真正重要嘅事件先入GPT/Claude。
系統就可能變成：
Jev負責監控同篩選。
LLM負責複雜問題。
代碼負責執行。
呢等於畀Agent加咗一層「神經反射系統」。
十一、呢個可能同時解決三個Agent問題
如果Jev呢類模型嘅性能同廠商公布嘅數據可以得到更多獨立驗證，佢可能主要改善三個問題。
第一係速度。
簡單決策可以喺非常短嘅時間內完成，唔駛等大型語言模型做完整生成。
對於一個需要執行幾十甚至幾百個步驟嘅Agent嚟講，減少每一步嘅等待時間可以顯著降低整體任務延遲。
第二係成本。
唔係單純將LLM嘅Token變平，而係：
減少需要調用LLM嘅次數。
呢個係一種更根本嘅成本優化。
第三係可靠性。
如果系統需要嘅只係：
YES / NO
或者：
Tool A / Tool B / Tool C
咁直接輸出結構化決策，比起令LLM生成自然語言再由程式解析，更容易驗證同控制。
尤其係當模型同時提供概率或者置信度時，系統可以進一步設定規則：
高置信度 → 自動執行。
中等置信度 → 調用更強嘅LLM。
低置信度 → 請求人工確認。
咁，Agent就開始由「AI自己決定一切」變成一種更可控嘅分層決策系統。
十二、Agent競爭正由「模型競爭」變成「系統競爭」
如果將目前嘅技術路線放喺一齊睇，可以見到一個好明顯嘅變化。
過去大家比較嘅係：
GPT vs Claude vs Gemini vs Qwen。
而家需要比較嘅已經變成：
邊個嘅Agent Runtime更強？
邊個嘅Memory更好？
邊個有更好嘅Computer Use？
邊個擁有更豐富嘅Tools同Skills？
邊個嘅權限控制更安全？
邊個可以令Agent長期運行？
而Jev呢類模型又進一步提出咗一個問題：
Agent係咪根本唔應該將所有決策都交畀一個大型語言模型？
答案可能係唔係。
十三、一個新嘅Agent架構正喺浮現
未來嘅Agent可能會變成：
人類
│
目標
│
▼
AGENT 運行時
│
┌────────┴────────┐
│ │
快速決策 深度推理
│ │
JEV GPT / Claude / Gemini
│ │
┌──────┼──────┐ │
│ │ │ │
路徑 閘口 評分 │
│ │ │ │
└──────┼──────┘ │
│ │
└────────┬────────┘
▼
工具 / 代碼
│
┌───────────┼───────────┐
│ │ │
瀏覽器 檔案 應用
│ │ │
└───────────┼───────────┘
▼
現實世界
喺呢個架構入面：
Muse、Manus、WorkBuddy、OpenClaw解決嘅係Agent Runtime同執行問題。
GPT、Claude、Gemini等解決嘅係複雜推理問題。
Jev解決嘅係大量快速決策問題。
傳統代碼解決嘅係確定性執行問題。
呢個可能比「一個超級LLM包打天下」嘅路線更實際。
十四、由Chatbot到Agent，AI正經歷三次躍遷
如果將過去幾年嘅AI發展壓縮成三個階段，可以咁理解。
第一階段：AI會回答
核心能力係：
Language Model
AI能夠理解語言並生成語言。
第二階段：AI會做事
核心能力變成：
Agent
AI開始調用工具、操作瀏覽器、運行代碼同處理文件。
第三階段：AI長期替你工作
核心能力將變成：
Personal Agent / Agent OS
AI擁有記憶、身份、權限、工具、電腦以及長期運行能力。
到時，AI唔再只係你偶爾打開嘅App。
佢可能成為：
一個持續運行嘅數字代理人。
十五、真正值得關注嘅未來，唔係邊個「最聰明」
所以，未來AI競爭核心問題可能會逐步由：
「邊個模型IQ最高？」
轉向：
「邊個Agent可以用最低成本、最低延遲同足夠高嘅可靠性，持續替我完成真實任務？」
呢個會帶嚟一個新嘅技術組合：
Frontier LLM負責複雜思考。
System One模型負責快速判斷。
傳統代碼負責確定性執行。
Agent Runtime負責調度。
Memory負責長期個性化。
Computer Use負責連接數碼世界。
Sensors同AI眼鏡等設備則進一步連接物理世界。
如果呢個架構最終成熟，今日所謂嘅「AI App」可能只係未來Agent生態入面嘅一個小組成部分。
真正重要嘅會係：
邊個成為用戶嘅Personal Agent，邊個就可能成為用戶同整個數碼世界之間新嘅接口。
而呢亦解釋到點解Muse、Manus、WorkBuddy同OpenClaw雖然產品形態唔同，但都朝着一個共同方向發展：令AI由「識講嘢嘅模型」，逐步變成一個可以觀察、思考、決策、行動並長期工作嘅數字實體。
Jev可能成為呢個體系入面一個關鍵補充：佢唔係想取代最強嘅大模型，而係令Agent唔使將每一個微小決定都交畀昂貴又慢嘅「大腦」。
如果呢種「代碼 + System One + LLM + Agent Runtime」嘅分層架構可以成熟，AI Agent下一次嘅躍遷可能唔再主要來自更大嘅模型，而係來自更合理嘅系統設計。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com