前言今天赶上自媒体都在推广llama4开源给家人们分享一下manus爆火之后Agent的一些深度思考本文的信息密度很高~文章的起因是一个叫Agent S2的框架开源由Simular.ai团队推出的一个框架在多个computer use的benchmark上获得了SOTA的结果。这个框架的设计也给AI Agents的设计扩展了思路让我们有机会重新思考Agent技术的发展和设计。值得一提的是Agent S2新框架在os操作上获得了非常优异的成绩超过了openai的CUA、以及claude 3.7等。架构拆分还是整合Agent S2的创新 提出了合式智能设计理念。不同于依赖单一模型同时处理规划、执行和界面交互的传统方法Agent S2将这些职责分配给不同的专业模块MoG调用多个专家系统(视觉、文本、结构化)来准确定位GUI元素PHP根据环境反馈动态调整计划而非遵循固定脚本关于细节可以参考论文和代码今天休息日不啃太硬的骨头了~开源论文 https://arxiv.org/pdf/2504.00906开源项目地址https://github.com/simular-ai/Agent-S看到这种设计不禁让人思考智能体到底该怎么构建究竟是将能力集中于一个强大的通用模型还是分配给各个专业模块更有效 Less Structure, More Intelligencecomputer_use能力是否是必备的 genspark的super agent没有使用computer use智能体实现的多元路径当前智能体开发呈现出多元化技术路径计算机操作路径通过虚拟机、浏览器等方式模拟人类使用计算机如Agent S2、manus等API直接调用路径绕过图形界面直接与服务进行数据交换如Genspark等产品命令行路径借用OWL的万字采访原文命令行可能是比图形界面更高效的智能体工具把终端命令行运用到极致。AI agent如果能熟练运用命令行便具备超强通用能力。每种路径各有优势图形界面操作更接近人类使用习惯API调用效率更高但受限于现有接口命令行则兼具灵活性与效率。这反映了不同设计理念的权衡取舍。但是每种路径也有自己的劣势使用computer_use的智能体上限很高但是单次任务的延迟也很高。这个对比manus和genspark就可以清晰的感受出来后者的速度要快得多。但是manus可以完成一些后者没法做到的事情比如说给探索agi的公众号最新的文章点个赞。claude code主打命令行级别的操作系统应用有点像cursor的composer命令行模式。不过这种方式门槛太高所以传播度并不高。结构化与智能化的辩证关系看到Agent S2的模块化设计肯定会有人diss了。不是最近一直在推广 Less Structure, More Intelligence的理念吗 主张减少预设结构让模型自然发挥智能。这两种思路背后是对AI能力的不同理解是将问题分解给专业模块处理更高效还是让强大的单一模型自主处理全流程更具潜力这种对立反映了一个更深层的技术哲学问题随着模型能力提升系统架构应该如何演进一种可能的答案是“当模型智能水平达到一定阶段后结构化约束自然会减少而非强行减少结构化支持就能使产品显得更智能。”智能体的能力放大效应在实际应用中我们可以观察到智能体表现出独特的能力放大现象接口优化效应针对AI优化的接口比针对人类设计的界面更适合智能体。这解释了genspark智能体放弃图形界面操作转而采用API或命令行方式。任务流畅度提升成熟的智能体能将多步骤的复杂流程转化为单次交互大幅降低用户心智负担。例如过去需要将调研交给OpenAI获取报告后复制到ChatGPT进行分解生成面向Cursor的prompt等多步操作现在可通过单一指令完成。自我校正机制优秀的智能体会不断学习任务执行过程中的失败模式形成独特的防错机制这种机制往往比预设规则更加灵活有效。最后随着AI智能体的逐渐变强在张小珺 商业访谈录的Q1季报中很笃定AGI的实现可能会在未来2年内也就是26年底27年初。所以应对这种技术的快速发展我们可能需要快速接受的一种范式改变。过去人类需要学习如何使用计算机界面而在智能体时代计算机需要学习如何理解人类意图。同时这种转变改变了人才需求的本质——从执行具体任务的能力转向定义问题和指导智能体的能力。最后的最后感谢你们的阅读和喜欢作为一位在一线互联网行业奋斗多年的老兵我深知在这个瞬息万变的技术领域中持续学习和进步的重要性。为了帮助更多热爱技术、渴望成长的朋友我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】大模型知识脑图为了成为更好的 AI大模型 开发者这里为大家提供了总的路线图。它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。经典书籍阅读阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。实战案例光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。面试资料我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 最强Agent框架开源！智能体设计路在何方？看完这篇你就懂了！！
前言今天赶上自媒体都在推广llama4开源给家人们分享一下manus爆火之后Agent的一些深度思考本文的信息密度很高~文章的起因是一个叫Agent S2的框架开源由Simular.ai团队推出的一个框架在多个computer use的benchmark上获得了SOTA的结果。这个框架的设计也给AI Agents的设计扩展了思路让我们有机会重新思考Agent技术的发展和设计。值得一提的是Agent S2新框架在os操作上获得了非常优异的成绩超过了openai的CUA、以及claude 3.7等。架构拆分还是整合Agent S2的创新 提出了合式智能设计理念。不同于依赖单一模型同时处理规划、执行和界面交互的传统方法Agent S2将这些职责分配给不同的专业模块MoG调用多个专家系统(视觉、文本、结构化)来准确定位GUI元素PHP根据环境反馈动态调整计划而非遵循固定脚本关于细节可以参考论文和代码今天休息日不啃太硬的骨头了~开源论文 https://arxiv.org/pdf/2504.00906开源项目地址https://github.com/simular-ai/Agent-S看到这种设计不禁让人思考智能体到底该怎么构建究竟是将能力集中于一个强大的通用模型还是分配给各个专业模块更有效 Less Structure, More Intelligencecomputer_use能力是否是必备的 genspark的super agent没有使用computer use智能体实现的多元路径当前智能体开发呈现出多元化技术路径计算机操作路径通过虚拟机、浏览器等方式模拟人类使用计算机如Agent S2、manus等API直接调用路径绕过图形界面直接与服务进行数据交换如Genspark等产品命令行路径借用OWL的万字采访原文命令行可能是比图形界面更高效的智能体工具把终端命令行运用到极致。AI agent如果能熟练运用命令行便具备超强通用能力。每种路径各有优势图形界面操作更接近人类使用习惯API调用效率更高但受限于现有接口命令行则兼具灵活性与效率。这反映了不同设计理念的权衡取舍。但是每种路径也有自己的劣势使用computer_use的智能体上限很高但是单次任务的延迟也很高。这个对比manus和genspark就可以清晰的感受出来后者的速度要快得多。但是manus可以完成一些后者没法做到的事情比如说给探索agi的公众号最新的文章点个赞。claude code主打命令行级别的操作系统应用有点像cursor的composer命令行模式。不过这种方式门槛太高所以传播度并不高。结构化与智能化的辩证关系看到Agent S2的模块化设计肯定会有人diss了。不是最近一直在推广 Less Structure, More Intelligence的理念吗 主张减少预设结构让模型自然发挥智能。这两种思路背后是对AI能力的不同理解是将问题分解给专业模块处理更高效还是让强大的单一模型自主处理全流程更具潜力这种对立反映了一个更深层的技术哲学问题随着模型能力提升系统架构应该如何演进一种可能的答案是“当模型智能水平达到一定阶段后结构化约束自然会减少而非强行减少结构化支持就能使产品显得更智能。”智能体的能力放大效应在实际应用中我们可以观察到智能体表现出独特的能力放大现象接口优化效应针对AI优化的接口比针对人类设计的界面更适合智能体。这解释了genspark智能体放弃图形界面操作转而采用API或命令行方式。任务流畅度提升成熟的智能体能将多步骤的复杂流程转化为单次交互大幅降低用户心智负担。例如过去需要将调研交给OpenAI获取报告后复制到ChatGPT进行分解生成面向Cursor的prompt等多步操作现在可通过单一指令完成。自我校正机制优秀的智能体会不断学习任务执行过程中的失败模式形成独特的防错机制这种机制往往比预设规则更加灵活有效。最后随着AI智能体的逐渐变强在张小珺 商业访谈录的Q1季报中很笃定AGI的实现可能会在未来2年内也就是26年底27年初。所以应对这种技术的快速发展我们可能需要快速接受的一种范式改变。过去人类需要学习如何使用计算机界面而在智能体时代计算机需要学习如何理解人类意图。同时这种转变改变了人才需求的本质——从执行具体任务的能力转向定义问题和指导智能体的能力。最后的最后感谢你们的阅读和喜欢作为一位在一线互联网行业奋斗多年的老兵我深知在这个瞬息万变的技术领域中持续学习和进步的重要性。为了帮助更多热爱技术、渴望成长的朋友我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】大模型知识脑图为了成为更好的 AI大模型 开发者这里为大家提供了总的路线图。它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。经典书籍阅读阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。实战案例光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。面试资料我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】