通用智能体

谷歌云在 10 月 8 日的 Gemini at Work 2026 上发布了「Gemini 智能体」，主打一个通用工作智能体在单一界面里同时处理问答、知识工作、内容创作与代码。企业 IT 部门当然欢迎——一个入口、一套账号、一份账单。但从认知主线看，这里藏着一个很少被提起的长期风险：当组织里几乎所有思考都流经同一个模型，思维方式会趋于单一，像语言被收编为单语。 组织靠什么不犯大错？ 一家公司过去之所以能自我纠偏，部分靠的是认知多样性：不同背景的人用不同框架看同一件事，有人乐观有人保守，有人数算有人直觉。这种「杂音」看似低效，却是组织不犯大错的免疫系统。 现在，越来越多决策的初稿出自同一个模型。这个模型有它偏好的表达方式、默认的推理路径、训练数据塑造的隐含价值观。当销售、法务、产品、运营都拿它起草、它的输出在部门间被互相引用，一种认知趋同就发生了：大家以为在独立判断，其实共享着同一个隐形思维模板。多样性在不知不觉中被置换。 认知单语化为什么危险？ 语言单一化的可怕之处，是身处其中的人察觉不到。一个组织若所有人都用同一模型润色周报，文风会惊人地一致，但没人觉得有问题——因为大家都在同一套语感里。更隐蔽的是，模型的盲区会变成整个组织的盲区：它不擅长的那类思考，全员都不再做了。 这和生物多样性的逻辑一样：单一基因库遇上新病毒就是灭顶之灾。一个认知上完全同构的组织，一旦它依赖的模型在某个方向上系统性偏差，就没有内部声音能提出异议。 怎么对抗认知单语化？ 解法不是拒绝通用智能体——它太高效。而是有意识地维持多个思维方式不同的来源并存：关键决策故意用另一家模型跑一遍对照、保留一小群坚持独立推导的人、定期让「反方智能体」专门挑刺。认知多样性需要被当成资产主动维护，而不是放任工具把它统一掉。 通用界面是效率的胜利，却也是多样性的税。越好用，越要警惕那个唯一好用的入口，正在替整个组织思考。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：认知单语化

当地时间 10 月 8 日，谷歌云在「Gemini at Work 2026」推出 Gemini 通用工作智能体。按官方博客描述，它从单一提示框出发，掌握组织全部业务上下文，自主规划工作、调用技能与工具、连接企业业务系统，最后把完成品直接送回文档、收件箱与开发环境；它会自选最优模型、内置成本控制与企业级安全。技术圈关心的不是它又一个 Agent，而是它选了一条和垂直 Agent 截然不同的架构路线。 两条路线的分野 过去一年主流的 Agent 路线是垂直的：做客服就专门搭一个客服 Agent，做代码就专门搞一个编码 Agent，每个场景独立工作流、独立工具集、独立微调。Manus 这类产品也走专精框架路线。 谷歌这次押的是另一条：一个通用根智能体，内部再按任务动态编排。你不指定用哪个 Agent，只给目标，它自己判断该调什么技能、连什么系统、用哪个模型。 通用路线的技术含义 从前沿拆解，这条路押注三件事： 强根模型：通用编排靠一个理解能力极强的底座模型来做「总指挥」，而不是靠人工写死流程。 上下文即业务：它不重新接一套数据，而是直接吃企业完整业务上下文，让规划基于真实业务状态。 模型路由：同一个任务里，简单步骤走便宜模型，难步骤走贵模型，系统自动调度。 代价也很明显：通用路线对根模型能力、上下文工程、企业系统打通的要求极高，一旦根模型判断失误，整链都会偏。 判断 这场「通用根智能体 vs 垂直专精 Agent」的路线之争，本质是在赌一件事：未来的工作入口，是收敛成一个万能框，还是拆成无数专用工具。谷歌用 10 月 8 日的发布投了前者一票。这条路能不能成，取决于根模型的编排能力是否真的够用——接下来半年的真实部署案例，会给答案。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：通用智能体与架构

当地时间 10 月 8 日，谷歌云在「Gemini at Work 2026」大会上发布 Gemini 通用工作智能体。按官方博客的说法，它从一个统一的提示框出发，拥有组织的全部业务上下文，自己规划工作、调用技能与工具、连接企业内部系统，最后把成品直接送回你已经在用的文档、收件箱与开发环境里。它还会自己为任务选最合适的模型，并内置成本控制。换句话说，过去你在十几个软件之间切换的那串动作，被压进了一句话。 注意力曾经是我们最稀缺的认知主权 人的注意力是串行的，这是进化给大脑的硬约束：你没法同时深度思考两件事。过去几十年，我们用多窗口、标签页、看板来对抗这个约束，结果只是把自己切成了碎片。注意力分配——先做什么、后做什么、什么时候切换——被普遍认为是人类最后的认知主权之一。 单一提示框智能体做的事，恰恰是把这层主权也接过去。你只给目标，它负责在内部决定先查知识库、再写初稿、再跑一段代码验证。你不再需要为「下一步用哪个工具」分心，因为工具的编排被内化进了智能体。 外包的连续性 这其实是一种「外包的连续性」。过去你靠自己在脑子里维持一条工作流的连贯性，现在这条连贯性外置到了智能体那里。好处显而易见：碎片时间被缝合，切换成本趋近于零。 但代价也值得记下来： 当你不再经手每一步，你对任务的「手感」会退化。 当选择最优模型、控制成本都由系统代劳，你对「思考值多少钱」会逐渐失去直觉。 最危险的是，你可能忘了这条工作流原本是可以由自己设计的。 结论 单一入口不是终点而是信号：注意力这层最后的认知主权，也开始进入外包周期。会用它的人把它当放大镜，不会用的人把它当拐杖——区别只在于，你还记不记得自己原本会走路。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：单一提示框与注意力

一、Manus 是什么？ Manus 是由 Monica.im 团队于 2025年3月发布的全球首款通用型 AI Agent。与 ChatGPT 等对话式 AI 不同，Manus 的核心定位是"知行合一的行动者"——不仅能理解任务需求，还能直接操作浏览器、代码编辑器、数据分析工具等完成复杂任务，并交付完整成果。 2025年底，Manus 官宣加入 Meta（Facebook 母公司），保持独立运营加速产品迭代。 二、技术架构：多智能体协作 Manus 采用"规划-执行-验证"三模块协同架构： 规划代理（Planner） 将复杂任务分解为可操作的子步骤 使用蒙特卡洛树搜索（MCTS）算法优化任务拆解效率 生成可执行的任务清单 执行代理（Executor） 调用工具完成具体操作 内置浏览器、代码编辑器（Python）、数据分析工具 支持调用外部 API 获取数据 在云端沙盒虚拟机（Cloud Sandbox VM）中运行 验证代理（Verifier） 通过沙盒环境测试结果 对抗性测试模块检测输出准确性 确保交付质量 三、核心能力 全链路自主执行：从目标设定到成果交付的完整闭环。用户仅需提出需求，Manus 在云端异步处理，无需持续在线监督。 工具链集成：浏览器、代码编辑器、Photoshop 插件、API 调用——Manus 能像人类一样操作电脑。 持续学习与记忆：记录用户偏好和操作习惯，优化后续执行路径。任务可断点续传，服务器崩溃后仍能恢复。 多模态输出：不仅生成文本，还能输出文档、图表、交互式网页、PPT、视频脚本等。 人机协作：用户可中途介入调整需求，Manus 灵活适应，协作模式接近人类同事。 四、性能表现 在 GAIA（通用 AI 助手基准测试）中，Manus 以 86.5% 的准确率位列第一，超越 OpenAI 的 Deep Research 模型。尤其在需要多步骤规划的任务中表现突出。 五、典型应用场景 职场效率：筛选简历（15份简历，成本仅为单份的3倍）、生成 Excel 报告、整理会议纪要 金融分析：股票分析（特斯拉31页PPT+SWOT分析）、可视化仪表盘 生活服务：旅行规划（生成含地图和日语短语的日本旅行手册）、保险政策比较 编程开发：编写网页代码、生成消消乐游戏并部署 研究分析：市场报告、房产遴选、合同审查 六、与其它 Agent 的对比 Manus vs ChatGPT： ...