在人工智能技术飞速发展的今天，AI Agent 已成为科技领域最热门的话题之一。本文将从核心概念、技术架构、市场现状以及主流产品等多个维度，为您系统性地解析这一新兴领域，帮助您快速掌握 AI Agent 的核心知识。

一、AI Agent 的兴起背景与市场现状

1.1 层出不穷的新术语

最近，AI Agent、MCP、DeepSearch、DeepResearch、Browser/Computer/Phone Use、超级搜索、混合推理、沉思等新词层出不穷，你是不是对这些 buzz word（时髦术语）感到很懵？

1.2 蜂拥而至的AI Agent产品

Manus、Neo、Genspark、Lovart、II-Agent、Skywork Super Agents、MiniMax Agent、Medeo、GitHub Coding Agent、心响、AutoGLM沉思、扣子空间、问小白研报、Qbot 等AI Agent不断涌现，你是不是陷入了选择困难症？

图片来自我周末在上海分享的PPT

明明2024年，Agent还是一个“冷门”应用产品。翻过乙巳年春，爆火的AI产品除了DeepSeek外，就属Manus这类Agent了。

尤其是最近一个月，各大厂商蜂拥而至，不断推出New Agent。而且，更多大厂、小创的Agent，还在路上。

关于Agent的科普

二、深入解析Agent的核心概念与定义

2.1 到底什么是TM的Agent？

都说2025年是Agent元年，但似乎没人知道到底什么是TM的Agent。

图片来自庄明浩老师的PPT

是扣子上编排的Agent应用吗？还是Manus这类通用Agent？通用Agent等不等于AGI？Perplexity能不能算Search Agent？是workflow成就Agent还是Agent在让workflow消失？agentic workflow和agentic system是一个东西吗？

为什么“规划-记忆-工具-多Agent协作”这个早在去年就提出的Agent架构会被大家捧如圭臬至今？除了虚拟机、浏览器（Browser）、手机以外，Agent还能“操作”什么？是必须依赖MCP、A2A这类服务于人类的协议？还是说AI应该有一套自己的操作语言和协议？

以上这些问题，你有答案吗？一千个人眼中有一千个Agent概念，当下的Agent概念正在泛化，也在分裂。

小提示：如果你刚开始接触Agent概念，建议先不要纠结于定义，而是关注它的核心能力——自主性和自适应。

常见问题：Q: 通用Agent和AGI是一回事吗？

答案：A: 不是。通用Agent是具备自主执行能力的AI系统，能完成特定任务。AGI（通用人工智能）则是指具有人类水平认知能力的AI，能解决任何智力任务。通用Agent是通往AGI的重要一步，但远未达到AGI水平。

如果非要给Agent一个定义的话，我倾向于采用OpenAI的观点——Agent是以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行和完成复杂任务。

自主性和自适应，是判断一款AI产品是不是Agent的关键。

2.2 Agent与DeepSearch、DeepResearch的区别

今年，buzz word实在太多了。

1月以来，先后出现了DeepSearch、DeepResearch等新词。看起来都是做深度搜索、深度研究，那Agent与他们有什么区别？

简单理解就是：

• DeepSearch是AI搜索的升级版，可以边搜边想，直到找到最优答案；

• DeepResearch又是DeepSearch的升级版，由Gemini率先提出，经ChatGPT发扬光大，不仅能深度搜索，还能做深度研究；

• AI Agent则是具有自主执行能力的智能系统，能够完成从规划到执行的完整闭环，直接交付产品。

常见问题：Q: 我应该先使用DeepSearch还是AI Agent？

答案：A: 这取决于你的需求。如果只需要快速获取信息和分析结果，DeepSearch/DeepResearch就足够；如果需要系统性地完成复杂任务（如生成报告、订机票、自动化工作流），则AI Agent更适合。

三、Agent的技术架构与未来发展方向

3.1 Agent的核心架构

通常认为，Agent的架构主要由感知模块、规划策略、记忆存储、工具操作以及执行动作这几个关键部分组成。这些部分相互协作，共同构建起Agent的工作机制。

一个基于大模型的AI Agent系统可以拆分为大模型、规划、记忆和工具使用四个环节。

简单理解就是，Agent = LLM + 规划 + 记忆 + 工具使用。其中，LLM扮演了Agent的“大脑”，在系统中提供推理、规划能力。

图片由「问小白研报」生成

比如Manus，它采用了多智能体架构（Multiple Agent System, MAS），能够将复杂任务拆解为多个子任务，并由不同的智能体（Agent）协作完成。

小提示：理解Agent架构时，可以把LLM想象成大脑，规划能力想象成决策中枢，记忆想象成短期/长期记忆，工具使用想象成手脚。这样更容易理解Agent如何工作。

3.2 目前都有哪些Agent？

据沃垠AI统计，目前已有Manus、Neo、Genspark、Lovart、II-Agent、Skywork Super Agents、MiniMax Agent、Medeo、GitHub Coding Agent、心响、AutoGLM沉思、扣子空间、问小白研报、Qbot等AI Agent。

我们挑了其中10款主流Agent做进一步分析。

这是核心功能对比。

• 自主规划方面：Manus、Genspark更胜一筹；

• 工具调用方面：Manus最多；

• 多模态方面：Lovart最强，支持图片、视频、3D和语音。

这是部分Agent的详细介绍。

10款Agent中，除Genspark、Neo、Manus采用付费订阅制以外，其他Agent都还处于免费推广期。

这是部分Agent的舆论评价情况。

常见问题：Q: 目前哪款Agent性价比最高？

答案：A: 如果你追求免费体验，可以尝试心响、扣子空间、AutoGLM沉思等。如果你需要强大的自主规划和工具调用能力，Manus（付费）是个不错的选择。具体选择需根据你的实际需求。

一句话总结这10款Agent。

揭秘前文

以上科普内容，由我与AI协作创作。所有配图均为AI生成，我只修订了文字部分。

怎么做的呢？把这段Prompt发给「问小白研报」就可以了。

对这10款AI Agent（Manus、Genspark、Lovart、Flowith Neo、Medeo、MiniMax Agent、天工超级智能体、AutoGLM沉思、心响、扣子空间）进行深度分析，按照下面结构写一份研究报告：

1、Agent的定义与技术架构
2、Agent与DeepSearch、DeepResearch的区别；
3、10款Agent简介（上线时间、研发公司和产品定位等）；
4、10款Agent功能对比分析；
5、10款Agent定价、用户数量及收入情况；
6、舆论对10款Agent的评价情况；
7、一句话总结10款Agent，并附上使用网址；

注意：1.只搜索2025年的信息；2.为了让搜索结果精准权威，请使用高级搜索技巧生成搜索关键词。

最近，「问小白研报」功能正式上线了，所有人都可以体验。

体验链接：www.wenxiaobai.com

这是一个类似OpenAI DeepResearch（深度研究）的功能，擅长写报告、论文、志愿填报、市场调研、旅游攻略和股市分析等。

我跟问小白的朋友打听了下，这个产品来自元石科技自研，它可以像真人一样研究问题，通过多轮思考与工具调用，来生成深度研究报告，并自动创建一个可视化网页。

最近，他们正在做邀请好友领金币的活动，大家可以试一下邀请一个好友获得50个金币，可以做3次「问小白研报」任务了。

另外，我在使用中发现他们家新上线的「学术搜索」，也还不错。

刚好，我想了解下AI Agent的最新论文，于是马上敲入Prompt：

2025年，关于【Agent】主题被引用最多的论文有哪些？以时间+论文名+论文摘要的形式发我。

然后，它就迅速从arXiv、springerlink、nature、science等权威期刊上搜索信息，返回结果。

文末，还可以一键转成精美网页。

这个论文摘要读起来，学习效率一下子提升了很多。

小提示：使用问小白研报时，建议明确指定搜索范围（如“只搜索2025年信息”）和使用专业搜索技巧，能获得更精准的结果。

结语

AI搜索，一直是我们的高频场景。但能够做好的产品其实没有几家——要么是幻觉高居不下，要么是场景脱离实际。而问小白提供了三种分层方案：简单问题用小白AI搜索，复杂问题用小白研报，学术研究用学术搜索。

最近，我看到好几个做AI搜索的团队，都转向All in Agent了。这是因为他们在AI搜索领域积累了大量的经验和技术，现在正是将这些能力转化为Agent产品的最佳时机。

Agent一词，最早来源于拉丁语Agere，意思是“to do”（去做）。在这个AI Agent蓬勃发展的时代，理解并善用这些工具，将帮助我们更好地完成工作、提升效率。我在「问小白研报」身上，看到了他们AI搜索的实力，也看到了Agent技术走向成熟的希望。

体验链接：www.wenxiaobai.com