大模型公司不搞瀏覽器搞Agent，實測找到原因了

聞樂 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

如果Agent能操作命令行，就有了與整個計算機系統(tǒng)交互的能力。

也意味著一臺計算機的幾乎所有功能，都可以通過自然語言來驅(qū)動。

這種產(chǎn)品終于有雛形了，我們抓來階躍星辰的桌面Agent小躍來看看實力～

它的形態(tài)比較新穎：是一個懸浮球

區(qū)別于瀏覽器Agent，小躍平時就這樣狗狗祟祟可可愛愛趴在桌面上。

當然了，完整形態(tài)如下：

打眼一看，這個小躍能接互聯(lián)網(wǎng)、能搜索瀏覽器、能處理Excel表格、還能連接本地操作系統(tǒng)。

不過，據(jù)官方介紹，它較為突出的本領(lǐng)是支持通過“妙計”復(fù)用操作步驟，也支持設(shè)置“定時任務(wù)”到點自動執(zhí)行，甚至能并行處理任務(wù)，不用像雞排哥一樣：做完你的再做你的。（doge）

好好好，開測！

一鍵幫搭編程環(huán)境

首先，對于學計算機的廣大朋友們來說，實踐的第一課是什么？

有言道：搭環(huán)境兩小時，寫代碼十分鐘。雖然說搭環(huán)境是必修課，但偶爾讓AI代勞一下也不是不可以。

先來下個conda！

• 下載conda

小躍隨即開始用內(nèi)置的瀏覽器訪問下載頁面，倒是也不用擔心被它看到瀏覽記錄了。

找完下載鏈接后檢查設(shè)備型號，選取合適版本后自動開始Terminal下載。

幾分鐘后完成操作，整個過程不用動手。（實際上隨時可以手動接管）

最后來檢查一下，真的有！nice～

做不同的項目，對環(huán)境的需求也不一樣，比如：

• 我要做機器學習課程的CNN圖像分類作業(yè)，幫我自動創(chuàng)建conda虛擬環(huán)境‘cnn-hw’，Python版本3.11，安裝torch、torchvision、matplotlib和jupyterlab，安裝完啟動jupyter。

在實際執(zhí)行過程中，如果一種方法行不通，它會自動糾錯并修改。

最終，在本地打開了Jupyter。

再來檢查一下我們要求的安裝包是否下載了。

小躍甚至把環(huán)境變量都給你配好了，正好手頭有一個貪吃蛇代碼，在這個環(huán)境里跑一下。

覺得這個貪吃蛇太簡單？讓小躍幫忙升級一波。

• 這是我之前寫的Python貪吃蛇代碼，幫我優(yōu)化三點：
• 用Pygame替換原來的tkinter界面，加個開始菜單；
  增加分數(shù)排行榜功能，數(shù)據(jù)存在本地JSON文件里；
  檢查代碼里的內(nèi)存泄漏問題并修復(fù)，最后生成可執(zhí)行的exe文件”。
  

由于Agent在執(zhí)行任務(wù)過程中會有很多中間步驟（比如自動安裝Pygame包等，能用到的都會自動安裝），這里我們就不一一詳細展開了，結(jié)果就是小躍直接寫了個項目出來，并且都保存在了本地。

現(xiàn)在的貪吃蛇變成了這樣：

看來，在編程方面，小躍可以直接當你的實時助手了，從環(huán)境到代碼包辦。

那對于在不需要編程的場景下，它又有什么亮點呢？

“妙計”復(fù)用指令，還能定時執(zhí)行

首先，這個桌面伴侶就像一個小助手，可以用它來設(shè)置提醒。

于是就會得到貼心提示：

還比如「/」設(shè)置一個“妙計”指令，提示詞就可以無限復(fù)用

執(zhí)行操作只需要：

• /圖片按時間分類

更絕的是它能定時任務(wù)。

到點自動開刷小紅書。

做任務(wù)還不用一個個排隊，把事情都交給它，讓它在后臺跑，不干擾你當前的工作，任務(wù)結(jié)束時會浮出提醒。

說完功能，說說不足。

實測下來最大的一個感受就是

比如搭建環(huán)境，任務(wù)完成時長要以分鐘為單位，可能一些性子急的朋友已經(jīng)用這個時間找到教程自己做完了。

還有就是調(diào)試代碼時遇到多個錯誤可能修改不完全，要讓它多查幾次。

還有就是，目前小躍只有Mac版本，據(jù)說Windows版本正在拍馬趕來的路上……

讓Agent更會玩電腦是未來技術(shù)趨勢

當然了，“會玩電腦”、“接管電腦”也是Agent元年里最重要的產(chǎn)品及應(yīng)用趨勢。

大模型玩家早就摩拳擦掌了。

智譜一早就推出了桌面Agent，主打推理、生成PPT和海報，后來還接入了視頻生成模型。

MiniMax的Agent也在今年的WAIC上亮相，被內(nèi)部人員稱為“超級員工”，能夠輸出分析報告、代碼文件、網(wǎng)頁小游戲、演講ppt等多種形式。

前段時間Kimi家的OK Computer，可以自動在云端的臨時虛擬環(huán)境進行操作。

而到了小躍這里，更是離開了瀏覽器，成為了懸浮球。

我們只需要通過語言交互，就可以在本地終端“為所欲為”。

過去需要用戶手動銜接的操作環(huán)節(jié)，如今正被語言指令串聯(lián)起來，或許未來我們和電腦的互動，會像和人對話一樣輕松。

Agent正在打破人機交互的邊界，也在對操作系統(tǒng)，提出新的要求。

— 完 —