当AI不再只是回答问题，而是开始拥有自己的“电脑”，人工智能正在进入一个新的阶段。

过去两年，大语言模型（LLM）最直观的应用形态是聊天机器人。用户提出问题，AI生成答案；用户要求写代码、写报告或分析数据，AI则通过文字或代码帮助用户完成。

但到了2026年，AI产业正在发生一个重要变化：AI开始从“回答问题”转向“替人做事”。

这一变化最明显的代表包括Meta的Muse、Manus、WorkBuddy以及开源Agent项目OpenClaw。与此同时，TypeSafe推出的Jev，则从另一个角度切入了Agent架构：让AI不必凡事都依赖大型语言模型，而是把大量简单、快速的判断交给一种专门的“System One”决策模型。

如果把这些变化放在一起观察，可以看到一条越来越清晰的技术演进路线：

AI正在从一个“会说话的大脑”，逐渐变成一个能够拥有计算机、调用工具、记住用户、执行任务，并长期运行的数字代理人。

一、AI Agent究竟是什么？

要理解Agent，可以先看看传统聊天机器人是如何工作的。

过去的AI基本是：

用户提问 → LLM思考 → 输出答案。

例如用户说：

“帮我找一下下周去东京的机票。”

传统AI可能会告诉你应该去哪些网站、如何搜索，甚至给出一些建议。

但Agent的目标是进一步：

理解目标 → 搜索网页 → 比较航班 → 检查时间 → 填写信息 → 在需要时询问用户 → 完成任务。

也就是说，AI不再只是提供信息，而是开始获得了“行动能力”。

因此，一个真正的Agent通常需要几个基本组成部分：

模型、记忆、工具、计算环境以及执行权限。

模型负责推理，记忆负责保持上下文，工具负责连接互联网和各种应用，而计算环境则相当于AI自己的“电脑”。

这也是目前Agent技术最重要的变化之一。

二、Meta Muse：AI开始像“个人管家”

Meta最近推出的Muse，可以被理解为一种面向普通消费者的Personal AI Agent。

Meta为Muse设计了专门的Muse Secure VM，也就是一个独立的安全虚拟计算环境。Muse可以在这个环境中使用浏览器、访问互联网、处理任务，并通过权限控制限制高风险操作。

这意味着Muse并不是简单地在聊天窗口里回答：

“你可以去这个网站订机票。”

而是朝着：

“我帮你把这件事情做完。”

发展。

例如，一个用户可以告诉Muse：

“帮我安排一次旅行。”

理论上，Agent可以进一步搜索航班、酒店和相关信息，比较不同方案，并在涉及付款等敏感操作时要求用户确认。

Meta还希望把Muse逐渐连接到WhatsApp、Instagram、Facebook以及AI眼镜等产品中。

这意味着一个重要变化：

Agent可能不再是一款需要用户主动打开的独立App，而会逐渐成为用户日常数字生活的一层基础设施。

如果这一方向最终成熟，用户甚至不需要思考自己正在“使用什么AI”。

只需要说：

“帮我处理一下。”

三、Manus：更像一个“AI员工”

如果说Muse更接近“AI管家”，那么Manus则更像“AI员工”。

Manus的核心理念是：

把一个完整任务交给AI，而不是一步一步告诉AI应该怎么做。

例如：

“研究一下美国AI芯片市场，并做一份报告。”

Agent可以自行拆解任务，然后搜索互联网、读取网页、整理资料、进行分析，最后生成报告或演示文稿。

因此，Manus关注的重点不是聊天，而是：

任务规划、工具调用、浏览器操作、研究、代码、文件以及多步骤执行。

这代表了AI产品形态的一次重要变化。

过去：

人负责规划，AI负责执行某一步。

现在：

人提出目标，AI自己规划和执行。

这也是“AI员工”概念出现的基础。

四、WorkBuddy：AI开始坐进你的办公电脑

WorkBuddy代表的是另一条路线。

它更加重视：

本地电脑 + 文件 + 办公软件 + 企业工具 + Agent。

用户可以把它理解成一个坐在自己电脑里的AI同事。

例如：

“分析这个Excel文件，然后生成一份PPT。”

或者：

“把这些资料整理成报告，再进行一次数据分析。”

Agent可以调用本地文件、终端、MCP和各种Skills完成任务。

因此，WorkBuddy与Manus虽然都属于Agent，但关注点有所不同。

Manus更像：

云端数字员工。

WorkBuddy更像：

电脑里的AI同事。

五、OpenClaw：更进一步，让AI使用“你的电脑”

OpenClaw则代表了一种更加开放的Agent架构。

它不是简单地提供一个AI聊天窗口，而是试图让Agent运行在用户自己的计算环境中。

OpenClaw可以连接不同的通信平台，并使用浏览器、Shell、文件系统、GitHub以及各种Skills和工具。

因此，它更像：

一个Personal AI Operating System⁠—⁠⁠—⁠个人AI操作系统。

这里存在一个非常重要的区别。

Muse的理念更接近：

给AI一台安全的电脑。

OpenClaw则更接近：

让AI使用你的电脑。

前者强调安全隔离。

后者强调开放能力和用户控制。

如果用户愿意给予足够权限，OpenClaw甚至可以成为一个长期运行的个人开发、研究和自动化Agent。

六、从Muse到OpenClaw，AI正在获得一台“电脑”

这可能是理解当前Agent发展的最好方式。

过去的LLM：

大脑，但是没有手脚。

Agent：

大脑 + 手脚。

而现在的先进Agent正在进一步变成：

大脑 + 记忆 + 电脑 + 工具 + 网络 + 权限。

因此，Agent架构越来越像一台新的“AI计算机”。

可以把它简单理解为：

LLM负责思考，Agent Runtime负责管理任务，Browser和Tools负责行动，Memory负责记忆，而Computer则提供实际的执行环境。

这也解释了为什么2026年的AI竞争已经不仅仅是模型参数和Benchmark竞争。

真正的问题开始变成：

谁能够让AI长期、安全、低成本地替用户完成真实世界的任务？

七、但Agent还有一个巨大问题：太“贵”和太“慢”

Agent看起来很聪明，但它有一个天然弱点。

每做一步，都可能需要调用一次大型语言模型。

假设一个Agent完成一个复杂任务需要做100次判断：

• 网页是否相关？
• 是否需要继续搜索？
• 是否需要重试？
• 应该调用哪个工具？
• 哪个结果更重要？
• 是否需要人工确认？
• 是否应该进入下一步？

如果每一个判断都交给GPT、Claude或Gemini这样的大型模型，就会出现两个问题：

延迟不断累积，Token成本不断增加。

更重要的是，大模型每一次都可能生成一段自然语言。

例如程序只需要知道：

“是否应该重试？”

答案其实只需要：

YES。

但LLM可能生成一大段解释。

这就像让一个高级工程师负责判断办公室的每一个红绿灯。

能力当然足够，但经济上并不合理。

八、Jev：给Agent增加一个“快速反射层”

这正是Jev这类System One模型可能发挥作用的地方。

TypeSafe对Jev的定位并不是另一个GPT，而是一种专门进行快速决策的模型。

它不需要生成长篇自然语言，而是直接回答有限范围的问题，例如：

• 是否应该重试？
• 这个网页是否相关？
• 应该选择哪个工具？
• 这个任务的优先级是多少？
• 这个操作风险有多高？
• 是否应该交给更强的LLM？
• 是否需要人工确认？

因此，Agent可以形成一种新的分工：

代码负责确定性执行。

Jev负责快速判断。

GPT、Claude、Gemini等大型模型负责复杂推理。

这实际上非常接近人类认知中的“快思考”和“慢思考”。

九、未来Agent可能出现“三层智能”

如果这种架构继续发展，一个更加合理的Agent系统可能是：

第一层：Code

负责明确、确定、可测试的事情。

例如：

如果余额不足，就拒绝支付。

代码在这种场景下比AI更加可靠。

第二层：System One / Jev

负责大量简单但不完全确定的判断。

例如：

这个网页值得继续阅读吗？

是否需要重试？

应该使用哪个工具？

是否需要升级到高级模型？

第三层：LLM

负责真正复杂的推理。

例如：

分析100份研究报告，找出技术趋势，并提出研究方向。

这样就形成：

Code → Jev → Frontier LLM

三层不同的智能体系。

十、Jev真正可能改变的，不只是Token价格

Jev最值得关注的地方可能并不是“比LLM便宜”。

更重要的是，它可能改变Agent的运行方式。

假设一个Agent一天收到10,000个事件。

如果每个事件都调用一次大型语言模型，成本和延迟都会迅速增加。

但如果先使用Jev进行快速过滤：

10,000个事件 → Jev快速判断 → 只有真正重要的事件进入GPT/Claude。

系统就可能变成：

Jev负责监控和筛选。

LLM负责复杂问题。

代码负责执行。

这相当于给Agent增加了一层“神经反射系统”。

十一、这可能同时解决三个Agent问题

如果Jev这类模型的性能和厂商公布的数据能够得到更多独立验证，它可能主要改善三个问题。

第一是速度。

简单决策可以在非常短的时间内完成，而不必等待大型语言模型进行完整生成。

对于一个需要执行几十甚至几百个步骤的Agent来说，减少每一步的等待时间可能明显降低总体任务延迟。

第二是成本。

不是把LLM的Token变便宜，而是：

减少需要调用LLM的次数。

这是一种更根本的成本优化。

第三是可靠性。

如果系统需要的只是：

YES / NO

或者：

Tool A / Tool B / Tool C

那么直接输出结构化决策，比让LLM生成自然语言、再由程序解析自然语言，更容易进行验证和控制。

尤其是当模型同时提供概率或置信度时，系统还可以进一步设置规则：

高置信度 → 自动执行。

中等置信度 → 调用更强的LLM。

低置信度 → 请求人工确认。

这样，Agent就开始从“AI自己决定一切”变成一种更加可控的分层决策系统。

十二、Agent竞争正在从“模型竞争”变成“系统竞争”

如果把目前的技术路线放在一起观察，可以看到一个很明显的变化。

过去大家比较的是：

GPT vs Claude vs Gemini vs Qwen。

现在需要比较的已经变成：

谁的Agent Runtime更强？

谁的Memory更好？

谁拥有更好的Computer Use？

谁拥有更丰富的Tools和Skills？

谁的权限控制更安全？

谁能够让Agent长期运行？

而Jev这样的模型又进一步提出了一个问题：

Agent是不是根本不应该让一个大型语言模型负责所有决策？

答案可能是否定的。

十三、一个新的Agent架构正在浮现

未来的Agent可能会变成：

                    HUMAN
                      │
                   GOAL
                      │
                      ▼
                AGENT RUNTIME
                      │
             ┌────────┴────────┐
             │                 │
        FAST DECISION       DEEP REASONING
             │                 │
            JEV          GPT / Claude / Gemini
             │                 │
      ┌──────┼──────┐          │
      │      │      │          │
    Route   Gate   Score        │
      │      │      │          │
      └──────┼──────┘          │
             │                 │
             └────────┬────────┘
                      ▼
                 TOOLS / CODE
                      │
          ┌───────────┼───────────┐
          │           │           │
       Browser      Files       Apps
          │           │           │
          └───────────┼───────────┘
                      ▼
                 REAL WORLD

在这个架构里：

Muse、Manus、WorkBuddy、OpenClaw解决的是Agent Runtime和执行问题。

GPT、Claude、Gemini等解决的是复杂推理问题。

Jev解决的是大量快速决策问题。

传统代码解决的是确定性执行问题。

这可能比“一个超级LLM包打天下”的路线更加现实。

十四、从Chatbot到Agent，AI正在发生三次跃迁

如果把过去几年的AI发展压缩成三个阶段，可以这样理解。

第一阶段：AI会回答

核心能力是：

Language Model

AI能够理解语言并生成语言。

第二阶段：AI会做事

核心能力变成：

Agent

AI开始调用工具、操作浏览器、运行代码和处理文件。

第三阶段：AI长期替你工作

核心能力将变成：

Personal Agent / Agent OS

AI拥有记忆、身份、权限、工具、计算机以及长期运行能力。

这时候，AI不再只是一个你偶尔打开的App。

它可能成为：

一个持续运行的数字代理人。

十五、真正值得关注的未来，不是谁“最聪明”

因此，未来AI竞争的核心问题可能会逐渐从：

“哪个模型IQ最高？”

转向：

“哪个Agent能够以最低成本、最低延迟和足够高的可靠性，持续替我完成真实任务？”

这会带来一个新的技术组合：

Frontier LLM负责复杂思考。

System One模型负责快速判断。

传统代码负责确定性执行。

Agent Runtime负责调度。

Memory负责长期个性化。

Computer Use负责连接数字世界。

Sensors和AI眼镜等设备则进一步连接物理世界。

如果这一架构最终成熟，今天所谓的“AI App”可能只是未来Agent生态中的一个小组成部分。

真正重要的将是：

谁成为用户的Personal Agent，谁就可能成为用户与整个数字世界之间新的接口。

而这也解释了为什么Muse、Manus、WorkBuddy和OpenClaw虽然产品形态不同，却正在朝着一个共同方向发展：让AI从一个“会说话的模型”，逐渐变成一个能够观察、思考、决策、行动并长期工作的数字实体。

Jev则可能成为这一体系中的一个关键补充：它不试图取代最强的大模型，而是让Agent不必把每一个微小决定都交给昂贵而缓慢的“大脑”。

如果这种“Code + System One + LLM + Agent Runtime”的分层架构能够成熟，AI Agent的下一次跃迁可能不再主要来自更大的模型，而来自更合理的系统设计。

▶️ 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