能像人類專家團一樣干活的AI Agent，出現了嗎？

2025年，「AI Agent元年」聲浪未歇，明星產品頻出，成爲了當今人工智能領域最有想象力的賽道。

但大半年過去了，Agent真的變得好用了嗎？

一邊是Manus的窘境，另一邊是一羣含着「金鑰匙」出生的Agent產品體驗達不到預期。任務表現參差不齊，讓用户在技術炫技和「人工兜底」之間來回切換，浪費了大量優化時間。

AI Agent在單點上普遍已經能干活了，但離「干好活」還很遠。人們丟給AI乾的活越來越複雜，需要的不再只是線性交付，而是能從特定場景中突圍的「系統級」選手。

01

只要3分鍾，同時完成超5個複雜任務

當下，AI Agent面臨的核心瓶頸不是算力，也不是成本，而是單線程串行的架構。

單線程意味着一個個任務、一個個AI的調用，都是以線性思維被貫穿起來的，所有請求必須嚴格按照順序排隊處理。這種架構天然沒法做到像人一樣同時思考好幾個複雜的問題，動態調整任務優先級，併發地思考和執行任務。

這種線性思維導致了Agent理解不了用户的複雜需求，用户描述起來難度很大。

此外，單線程的處理速度還特別慢。因為要按照生成、等待、下一個生成的阻塞鏈條單向運轉，任何環節卡頓都會造成全局堵塞。從架構上來説，這種如同工廠傳送帶一樣的單向Agent，就不可能同時滿足用户對於效率、體驗、交付質量的要求。

更別提在上下文記憶能力方面，很多Agent還沒有從工具邁向知識庫，執行任務和交付標準根本做不到個性化精準匹配。

這三個痛點本身就已經很「致命」了，偏偏AI Agent領域還苦於流量成本，排隊邀請測試消耗了用户的耐心。這也是為什麼，在Manus走紅后，大廠們都以最快的速度上線了自己的Agent產品，希望能成為那個打破僵局的人。

過去幾個月，各家的探索與迭代中，文庫GenFlow 2.0的表現尤為突出。

首先，作為一個想象力更高的通用級Agent，文庫GenFlow 2.0做到了「全端現貨」：它是全球最早的全端通用Agent之一，在百度文庫的Web、App端已經全面上線，不用邀請碼排隊，而且限時免費。

這背后，其實是基於對用户真實工作流的洞察，百度文庫網盤自研出Multi-Agent的創新架構，拋棄了讓一個「超級大腦」包辦一切的智能體邏輯，轉而構建由100多個垂直領域專家Agent組成的「AI專家團」，讓它們以並行和協作的方式完成任務。

文庫事業部、網盤事業部負責人 王穎

依託於Multi-Agent和底層的MoE（混合專家模型）技術，不受「擁堵」限制的GenFlow2.0不但給出了令人驚喜的交付效果，在複雜任務上的處理速度也得到了質量和效率的雙重提升。

這種架構上的突破和進化，徹底擴張了「AI像聰明人一樣干活」的能力邊界。比如，從數十分鍾生成一個PPT、一份文檔，升級成了3分鍾能並行完成超5個複雜任務，交付一個跨模態的解決方案，讓AI應用落地的想象力不再是「長着翅膀的馬」。

通用能力上去了，場景壁壘也開始不斷被弱化。全端通用代表的是更豐富的軟硬件生態，和「無界」的跨端協作。尤其是在總被AI辦公忽視的移動端，讓用户在地鐵上就可以改方案，把工作從桌面延伸到碎片化場景中，就不會再覺得AI干活反而耽誤了時間。

「需求進，方案出」的Agent工作流，正在變得越來越簡單便捷。

02

刷新AI人機交互形態：不再是「找工具」，而是「搭專家團隊」

文庫GenFlow 2.0的「破局手法」，不止於架構、交付質量和速度的提升。更重要的是，人與智能體協作的底層邏輯，甚至已經超越了狹義的「Agent」概念。

Agent翻譯過來是助理，目的是完成下達者的指令。但文庫GenFlow2.0之所以把重點放在了Flow工作流，就是因為看到了一個盲區：現實中的「人類助理」，大多數都不是業務專家，而是擅於為決策者做整合與分發，把不同任務交給不同的專業團隊。

但完成這些任務本身絕對是需要一線業務能力的。所以文庫GenFlow2.0理念中，不可或缺的兩點是：

第一，公私域數據、用户記憶庫沉澱，對用户資料和偏好的持續累積；

第二，一個專業的AI Team。

這樣一來，GenFlow2.0就成爲了一個調度中樞，根據需求自主規劃、動態調度專家Agent團。用户一兩句話，就可以驅動一支「持續進化」的百人專業AI團隊。

用可投入生產的工業設計來舉個例子。用户輸入「為我設計一套蠟筆小新的盲盒」，文庫GenFlow 2.0「搭團隊」的過程是怎麼樣的呢？

首先是需求解析，GenFlow 2.0的智能理解和模式切換，能精準識別用户意圖，自主切換協作模式。

系統先會識別出「基於蠟筆小新的IP形象製作5-8個3D Q版角色設計」的需求，然后自主思考和規劃路徑，調度合適的設計Agent生成草圖，根據用户在百度文庫網盤里呈現出來的偏好、對用户的主動問詢來推測風格和情景，同步進行生產成本覈算等。這一步，更像是Agent在組建項目組，背后則是Multi-Agent架構的意圖理解和多任務並行能力。

而在執行過程中，文庫GenFlow2.0在任務全過程都可以直接干預，用户是可以隨時暫停補充新要求、調用網盤中的文件，來實時優化和掌控生成的過程和結果的。交互方面做到了以人為本，比如在發現意圖理解為「小新的不同形象」時，輸入「引入蠟筆小新中的其他角色」，告訴Agent這一套盲盒里不只有小新，GenFlow2.0就會先在全網自動檢索蠟筆小新中的其他人物，並選擇合適的形象。

這時，如果想再為生成的盲盒圖做一套產品方案，只需要補充做PPT的需求，就能同時得到圖片和PPT的輸出結果，PPT還能根據大綱重新生成、實時編輯。

任務全程可干預的能力，顛覆性地解決了生成過程「黑盒子」和結果不可控的痛點，也為知識庫提供了像參考文獻一樣隨時被翻閲的價值。記憶庫與個性化的內容致力於續寫和高質量交付，網盤中的文件可被調用，依託自研AI編輯器，還能隨時隨地全流程編輯，實現了創作從起點到終點的閉環。

AI專家團，為何是文庫網盤率先擁有？答案是長達兩年的AI重構，文庫網盤頭部Agent基本均為自研，所有多模態Agent都經過文庫網盤數億用户驗證。除了訪問量全球領先的智能PPTAgent之外，文庫GenFlow 2.0在很多成熟的頭部Agent都做到了專家級別。比如能輸出幾萬字長度、帶專業可視化圖表的長研報、文生視頻繪本、文生海報、深度和學術搜索等場景，呈現出了多模態、高質量、深搜索的特點。

文庫GenFlow 2.0的驚艷表現，和百度文庫網盤從第一天就堅持MoE架構密不可分。

MoE的核心突破在於讓參數規模、效率和計算成本不再畫等號。因為每個任務僅僅激活少量的專家，其他專家則保持「休眠」，成本效益比就會非常高。從同級密度模型來看，MoE架構的推理性價比可能是其他模型的幾倍。

MoE的機制發光發熱，對於文庫GenFlow 2.0來説並非偶然，而是支撐Multi-Agent同時實現高效、低成本、高擴展性的必然技術選擇，又通過垂直分工解決了通用模型「樣樣通、樣樣松」的瓶頸，幫助百度文庫、網盤在各行各業複製標杆案例。

而在可擴展性這個方面，GenFlow2.0也為Multi-Agent提供了「樂高式」的能力，從而通過MCP等標準化協議接入第三方Agent，或者讓文庫網盤的能力，通過MCP Server的形式進行生態連接。這對於AI Agent來説是很重要的一步。畢竟，人類專家之所以能成為專家，也是在不斷地交流和連接中完成的。

目前，文庫GenFlow 2.0不僅能調用百度生態，也通過兼容MCP靈活接入了第三方服務生態，不再是「強依賴單一AGI」的幻想，而是兼收幷蓄的可持續生產力。

03

國民級應用，向開放生態走去

GenFlow 2.0的體驗升級並非「無源之水」，其核心根基是百度文庫網盤於今年4月推出的下一代內容領域操作系統——滄舟OS。

這一系統分為底層基建、中樞系統、應用服務三層架構，成為Agent調度、Agent能力輸出、公私域數據管理和處理、生態連接的核心繫統，重構了人機協作的方式與價值：

底座基建層通過構建工具框架和知識化框架，將公私域內容進行加工處理，並實現文件解析、轉碼、搜索、跨模態內容理解，中樞系統層基於GenFlow2.0調度中樞，結合用户記憶和畫像數據，高效分配調度多Agent並行協作，應用服務層整合百度文庫網盤數百個Agent，以及第三方Agent，形成任務閉環。

滄舟OS讓GenFlow 2.0不僅能服務好用户，還能在B端產生巨大的價值。通過MCP Server與Agent to Agent的形式，將文庫與網盤能力全面開放，支持廠商、企業用户、智能體應用、開發者等，低成本、高效率接入。比如，三星手機接入了MCP Server之后，能直接調用百度網盤的文件上傳、內容理解功能，解決移動端大文件處理的難點。

榮耀等廠商做得更加「深水區」，通過MCP將GenFlow 2.0原生接入榮耀智能助理YOYO，實現AI Agent與硬件廠商的系統級原生調度。通過MCP生態與GenFlow 2.0智能體調度能力，榮耀MagicOS用户可一鍵獲取個人網盤知識庫與文庫專業文檔，獲得網盤檢索、內容分享、聯網搜索、圖片理解、文件總結與問答、文庫PPT生成等優質體驗。

在接入GenFlow 2.0以后，榮耀成爲了全球首批接入MCP生態的硬件廠商，率先實現AI原生智能×硬件原生協同，滄舟OS輸出的標準化生態，也在頭部硬件廠商的認可中得到了場景和客户的延展。

滄舟OS的本質既不像傳統OS那樣嚴格控制硬件資源，也不像市面上的單一Agent產品一樣具有明顯的單點能力侷限性。它通過MCP實現了Agent之間、Agent與外部服務之間的標準化連接，如同為AI內容世界制定了一門「通用語言」，讓GenFlow2.0在此之上衍生出「專家團」的智能體調度模式。

這樣一來，任何企業的AI需求都能感受到像水一樣適應各種容器的柔性適配力。這種廣度與彈性，正推動文庫網盤從「C端神器」走向產業智能化不可或缺的利刃。

幾個月來，滄舟OS與GenFlow 2.0的聯動，為AI領域對於MCP生態的技術佈局找到了一個具有切實商業可行性的立足點：構建一個「Agent即服務」的生態，讓企業都可以低門檻地調用「專家團隊」。

自GenFlow 2.0以后，智能生產力會從單槍匹馬走向團隊作戰、系統作戰。這種「一個人開N家公司，一天輕松干800件活」的新的效率邊界，離我們並不算太遙遠。

下一步，GenFlow2.0和滄舟OS要做的是在生態和場景的擴張中，持續降低門檻，創造更有潛力的商業場景。文庫網盤也將逐漸轉向，成為通用Agent領域的標準制定者。

但無論如何，GenFlow 2.0的到來，已經擊碎了人們對於「技術理想主義」的質疑。人們正在把越來越複雜的活交給AI去做，一個更值得期待的未來也正在顯形：將重複勞動交給不會疲倦的「團隊」，人則專注大膽創新、提升自己、好好生活。