国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

文章犀利拆解了三類技術(shù)路線的優(yōu)劣，對(duì)比了電腦端與手機(jī)端在場(chǎng)景、心態(tài)、風(fēng)險(xiǎn)上的巨大差異，最終追問(wèn)：當(dāng) AI 擁有與你同等的操作權(quán)限時(shí)，我們?cè)撊绾螢樗岛谩鞍踩珟А保咳绻阋苍谄诖蛸|(zhì)疑“手機(jī) Agent”的到來(lái)，這篇反思值得先讀。

如果你有一個(gè)能替你操作手機(jī)的 Agent，你會(huì)用它來(lái)做什么？

• 替自己回復(fù)微信消息？
• 下單中午想吃的外賣？
• 幫忙在多個(gè)電商平臺(tái)之間比價(jià)？
• 亦或是租房找房、旅行規(guī)劃，這些更加復(fù)雜的分析型任務(wù)？

已經(jīng)在嘗試做 Phone Use 通用 Agent 的團(tuán)隊(duì)不少，有模型公司，也有更具備硬件權(quán)限優(yōu)勢(shì)的手機(jī)廠商。

看起來(lái)好像很酷，感覺(jué)“未來(lái)已來(lái)”。

但在這個(gè)夢(mèng)想照進(jìn)現(xiàn)實(shí)之前，我們或許該先問(wèn)一個(gè)更實(shí)誠(chéng)的問(wèn)題：

——什么情況下，我們會(huì)真的習(xí)慣讓 AI 來(lái)替我們操作“手機(jī)”？

本文僅意在對(duì)該場(chǎng)景下的 Agent 形態(tài)與應(yīng)用方向展開討論，不進(jìn)行任何指代

什么情況下，我們可能需要一個(gè) Agent？

先不局限于 Phone Use，用 Agent 的需求出發(fā)點(diǎn)無(wú)外乎 “我不會(huì)”、“我現(xiàn)在不方便”、“我不想自己做” 三大場(chǎng)景。

我做了一張圖，用來(lái)劃分任務(wù)場(chǎng)景：

但細(xì)分到每個(gè)人，因?yàn)槟芰?、時(shí)間精力的差異，同一項(xiàng)任務(wù)往往也會(huì)有不同的歸類。（注意，圖中是“想讓 Agent 做”，不意味著現(xiàn)在 AI 一定能做好）

舉一些 Phone Use 相關(guān)，大家能想到、且需求較為靠譜的 Agent 任務(wù)例子：

1）“我不會(huì)”：

一個(gè)適合 Agent 去“知識(shí)平權(quán)、科技向善”的敘事角度。

• 幫我們的父母長(zhǎng)輩，在那些層級(jí)復(fù)雜的App、小程序里完成線上掛號(hào)或水電費(fèi)繳納；
• 或者，我們面對(duì)那些頭一次見(jiàn)的任務(wù)，需要AI代做一份新領(lǐng)域的調(diào)研報(bào)告，零代碼經(jīng)驗(yàn)開發(fā)一個(gè)APP，或是代辦不熟悉的便民服務(wù)。
• 是降低接入各類服務(wù)的門檻，是適老化，是讓更多不可能化為可能。

2）“我現(xiàn)在不方便”：

• 可能是在開車時(shí)，想要手機(jī)檢查微信中未讀的消息；
• 也可能在廚房中，滿手是油水混合物時(shí)，想要再次check小紅書中收藏的某個(gè)菜譜。

一人一雙手，手忙腳亂之時(shí)，自然想要外力幫助。

手機(jī)不在手邊，想要遠(yuǎn)程開始播放音樂(lè)？還是算在“我不想自己做”中吧

3）“我不想自己做”：

我有空，也知道該怎么做，但就是因?yàn)椤皯小?、“怕麻煩”，不想自己操作，比如?/p>

• 薅羊毛：每天在各個(gè)平臺(tái)，自動(dòng)簽到、領(lǐng)京豆、金幣、澆水。你讓我自己去定時(shí)給平臺(tái)打工我肯定不樂(lè)意，但AI替我打工，每月能薅幾份免費(fèi)水果，倒也不錯(cuò)。
• 跨頁(yè)面對(duì)比：在購(gòu)買某件商品之際，在淘寶、京東、拼多多之間橫跳比價(jià)；在出游遠(yuǎn)行之前，對(duì)比到底是飛機(jī)or火車，哪個(gè)班次時(shí)間更合適、性價(jià)比最高。
• 信息整理：按攜程、滴滴打車、微信支付的消費(fèi)記錄自動(dòng)申請(qǐng)發(fā)票，并把郵箱里的發(fā)票無(wú)縫同步到報(bào)銷軟件里（或者只是單純幫自己記錄到記賬軟件中）（懂得都懂，報(bào)銷整理票據(jù)太麻煩了，怎么可以不算工時(shí)呢？）

上述場(chǎng)景的需求都是真實(shí)存在的。

我們當(dāng)然會(huì)希望有個(gè)為我所用的“聰明勞動(dòng)力”，外包那些我“不會(huì)”、“沒(méi)時(shí)間”、“不值得”的任務(wù)。

但 Phone Use Agent 方案，真能比人類自己操作，更勝任這些任務(wù)嗎？

Phone Use 方案的局限與無(wú)奈

在 Agent 賽道一路狂飆的這半年里，按照 Agent 執(zhí)行任務(wù)的“姿勢(shì)”，或者說(shuō)它與軟件互動(dòng)的方式，我們可以不嚴(yán)謹(jǐn)?shù)胤譃槿悾?/p>

1.?FunctionCall類：通過(guò)預(yù)接入的 API，或者 MCP 等接口，與所需的資源與環(huán)境直接交互。比如 Deep Research 類產(chǎn)品、早期扣子空間、昆侖天工。

2.?底層命令類：在一個(gè)有根權(quán)限的行動(dòng)空間內(nèi)，直接用底層命令調(diào)度資源、監(jiān)視進(jìn)程。比如 Manus 的 Linux 沙箱。

3.?GUI類：利用多模態(tài)大模型，通過(guò)對(duì)操作界面的視覺(jué)理解 + 模擬人類點(diǎn)擊、輸入，完成交互。

當(dāng)然，現(xiàn)在在電腦、Web 端的 Agent，現(xiàn)在已經(jīng)大多使用了混合方案，模型會(huì)針對(duì)任務(wù)類型，自動(dòng)決策執(zhí)行的方式，以起到效率優(yōu)化、成本控制、意外兜底的綜合目的）

其中 GUI 方案的 Agent，通過(guò)視覺(jué)理解 + 模擬人類操作，繞過(guò)對(duì) API 的需求，實(shí)現(xiàn)對(duì)上個(gè)（互聯(lián)網(wǎng)）時(shí)代的軟件交互，更像是一種“兜底”路線。

在 Phone Use 場(chǎng)景中，App 孤島的問(wèn)題早就老生常談，沒(méi)有足夠的系統(tǒng)級(jí)進(jìn)程權(quán)限時(shí)，GUI 方案實(shí)是無(wú)法打通 APP 生態(tài)后的妥協(xié)：

（此前亦有 OPPO 與階躍合作的新聞，暫不知兩家研發(fā)深度與進(jìn)度如何）

1）效率的局限：

無(wú)論是游戲影視（星際爭(zhēng)霸：“卡拉連接著我們”；修仙小說(shuō)：“神識(shí)傳聲”），還是現(xiàn)實(shí)中的前沿探索（腦機(jī)接口），不難發(fā)現(xiàn)在我們的想象中，最高效的信息協(xié)作，是瞬間、海量的直接數(shù)據(jù)交互。

而讓一個(gè) AI 去學(xué)習(xí)、理解、點(diǎn)擊一個(gè)為人類視覺(jué)和觸覺(jué)設(shè)計(jì)的圖形界面，本身就是在強(qiáng)迫數(shù)字生命去適配一個(gè)低效的交互方式。

這個(gè)形式下，信息交換緩慢、數(shù)據(jù)量局限、且極度易錯(cuò)：

e.g. 你讓 AI 幫你去挑午餐外賣，請(qǐng)問(wèn)它是下滑到第幾屏才算看的店鋪夠多了？（更別提我們有時(shí)候挑外賣能劃拉幾十屏，還是想不好吃什么）（不過(guò)感覺(jué)用 RL 訓(xùn)練，好像可以避開回答這個(gè)主觀問(wèn)題？）

2）生態(tài)的無(wú)奈：

在移動(dòng)互聯(lián)網(wǎng)時(shí)代，各個(gè) App、小程序 都是一個(gè)個(gè)封閉的數(shù)據(jù)孤島，它們并不對(duì)外開放自己的核心數(shù)據(jù)和功能接口。

連完善如微信、支付寶，也依然難以調(diào)動(dòng)生態(tài)內(nèi)小程序機(jī)構(gòu)，主動(dòng)開放可供 Agent 讀寫操作的后端 API。

所以 Agent 不得不“偽裝”成一個(gè)真實(shí)用戶，通過(guò)模擬點(diǎn)擊這種原始方式，去“看到”各個(gè) App 內(nèi)的數(shù)據(jù)與服務(wù)。

Phone Use Agent，反襯著當(dāng)前 AI-Native 時(shí)代的尷尬：

我們有了越來(lái)越接近通用智能的 LLM ，而 AI 還得用與原始人一樣的方式與世界交互：

一只眼睛、一根手指，模擬點(diǎn)點(diǎn)戳戳手機(jī)屏幕，不打直球，困難重重。

為什么云電腦 Agent、Computer Use 還可以？

既然是“權(quán)宜之計(jì)”，為何在電腦側(cè)，云電腦 Agent、本地 Computer Use 類產(chǎn)品們，依然也用上了 GUI 策略，且用戶接受度還算不錯(cuò)？

比如：云電腦 Agent：Manus；本地 Computer Use：Claude

除了本身電腦端應(yīng)用更加復(fù)雜，使得 Agent 廠商不得不用 GUI 兜底以外。

個(gè)人的另一個(gè)觀點(diǎn)是：任務(wù)場(chǎng)景、用戶心態(tài)和風(fēng)險(xiǎn)承受度的不同。

云電腦、Computer Use Agent 的場(chǎng)景更多偏向生產(chǎn)力和工作。

在這類場(chǎng)景下：

任務(wù)目標(biāo)通常更明確，對(duì)結(jié)果也更有預(yù)期：比如“幫我把這個(gè)文件夾里的文件批量改成另一個(gè)格式”、“上網(wǎng)調(diào)查 XX 主題，并幫我生成一份可視化網(wǎng)頁(yè)報(bào)告”

用戶對(duì)AI替自己干活的過(guò)程有更強(qiáng)的監(jiān)督意愿，對(duì)著電腦監(jiān)管也更加便利：對(duì)著電腦屏幕監(jiān)工，但凡 Agent 有些不對(duì)勁的行動(dòng)，都能隨時(shí)中止任務(wù)，給出命令校準(zhǔn)。

任務(wù)類型也有區(qū)別：在電腦任務(wù)中，容錯(cuò)率相對(duì)更高。調(diào)研不算成功，沒(méi)關(guān)系，我可以取其精華；AI Coding 了一堆 Bug，我也可以用 Git 回滾。損失的往往是時(shí)間，但很少直接關(guān)聯(lián)到個(gè)人資金和社交安全。

而 Phone Use 的場(chǎng)景，更多在于個(gè)人生活（點(diǎn)餐、購(gòu)物、社交）：

1. 任務(wù)步驟一般顯著短于電腦上的工作任務(wù)：訂外賣、比價(jià)，其實(shí)要操作的步驟與信息量，遠(yuǎn)低于DeepResearch。
2. 任務(wù)過(guò)程充滿不確定性，同種任務(wù)之間也有大量細(xì)微差異：APP的流氓彈窗，登錄、驗(yàn)證與支付提示，商家活動(dòng)變化等。
3. 而用戶的心態(tài)則更加“犯懶”，希望能夠甩手不管，完成得越快越好：我們?cè)谧孉gent操作電腦時(shí)，還能玩手機(jī)摸魚打發(fā)時(shí)間；而讓Agent開始操作手機(jī)后，你會(huì)發(fā)現(xiàn)你的摸魚神器被AI“鎖”住了進(jìn)程，AI用了“我”的手機(jī)，那我還能在這碎片時(shí)間干點(diǎn)啥？
4. 更致命的是，手機(jī)是我們生活的個(gè)人信息與經(jīng)濟(jì)中樞，關(guān)聯(lián)著我們最敏感的社交關(guān)系、個(gè)人隱私和支付信息。

這些差異，反襯的是 Phone Use 通用 Agent 所面臨的窘境：

——手機(jī)用戶對(duì)任務(wù)一次性完成度的期望高，耐心最低，而潛在風(fēng)險(xiǎn)卻最大。

最后，Phone Use Agent 面臨的信任問(wèn)題

當(dāng) AI 能操作用戶最私密的終端設(shè)備，使用社交、網(wǎng)購(gòu)賬號(hào)代發(fā)內(nèi)容、代購(gòu)商品時(shí)，亟待解決的是兩個(gè)信任問(wèn)題：

1. 夠聰明（高效）嗎？

若是 Agent 泛化能力不夠、記憶力不足，太挑任務(wù)，就會(huì)導(dǎo)致用戶面臨“點(diǎn)一杯咖啡”、“淘寶和京東同商品比價(jià)”等需求時(shí)，還得測(cè)試、思考 Agent 的能力邊界。

這在 Deep Research 場(chǎng)景（知識(shí)工作者本來(lái)就要花很多精力做，對(duì)結(jié)果有開放性接受度） ，尚愿意花時(shí)間磨合。

但在日常任務(wù)中，“我現(xiàn)在不方便”、“我想別人替我做”的心態(tài)下，Agent 要是沒(méi)有按用戶預(yù)期操作過(guò)程執(zhí)行（繞彎路）、干到一半罷工、速度卡慢，那還真不如用戶自己手動(dòng)操作來(lái)得利索。

BTW：Siri 淪為局限于“定鬧鐘”、“寫備忘”的語(yǔ)音工具，無(wú)外乎它在“不聰明”這一點(diǎn)，從來(lái)沒(méi)讓人失望過(guò)。

2. 夠安全嗎？

好吧，現(xiàn)在還是挺安全的，因?yàn)榇蟛糠秩蝿?wù)執(zhí)行的泛化能力不強(qiáng)，往往不能自主完成全鏈路任務(wù)。

為了能讓 Agent 能幫忙做更多的事，我們不得不把自己的驗(yàn)證碼、密碼提供給 AI or 替 AI 登錄。

理論上一個(gè)基于“視覺(jué)理解 + 模擬用戶點(diǎn)擊”的 Agent 能做到任何等同人類用戶權(quán)限的事。

我接受「輔助駕駛」的過(guò)程是這樣的：

先是試了幾次自動(dòng)泊車，才在高架上“隨時(shí)準(zhǔn)備踩剎車”地開啟高速領(lǐng)航，直到現(xiàn)在也不太能接受“城市內(nèi)自動(dòng)駕駛”。

一點(diǎn)點(diǎn)試探，并拒絕在覺(jué)得做的不那么好的場(chǎng)景下打開 AI 功能。車企就好在針對(duì)不同場(chǎng)景，都提供了單獨(dú)的 AI 功能開關(guān)，并且全程給你一個(gè)方向盤和剎車兜底。

但基于設(shè)備的通用 Agent 則完全不一樣了。

“用美團(tuán)給自己點(diǎn) 1 杯瑞幸” or “用美團(tuán)給全部門定下午茶”。

很明顯你會(huì)覺(jué)得前者是安全行為，買錯(cuò)了也能接受；而后者則因?yàn)榻痤~較高、責(zé)任較大，你會(huì)擔(dān)心它定錯(cuò)了怎么辦。

然而，通常你賦予 Agent 前者的權(quán)利時(shí)（替它登錄了個(gè)人賬號(hào)），它也已經(jīng)有足夠的權(quán)限可能性完成其他“危險(xiǎn)”任務(wù)。

在個(gè)人設(shè)備中可發(fā)生的 Agent 行為遠(yuǎn)比“輔助駕駛”更加離散。

光是在一個(gè)登錄了賬號(hào)后的“Bilibili”里，AI 就能替你開視頻、點(diǎn)贊、投幣、評(píng)論、關(guān)注/取關(guān)、點(diǎn)廣告（點(diǎn)進(jìn)一個(gè)“相親交友“廣告，就等著被機(jī)構(gòu)電話騷擾兩年??）。

我們不希望 AI 做出任何預(yù)期之外的代理行為，然而現(xiàn)在的通用 Agent 卻非常依賴“嘗試-反饋”的試錯(cuò)循環(huán)。

AI 廠商亟待考慮在當(dāng)下的技術(shù)水平下，落地有大量等同人類操作權(quán)限的 Agent 時(shí)，如何安全地限制、審查 Agent 行為，為極端情況兜上底。

……亦或是為 Agent 員工們開發(fā)一份“Agent 延誤&犯錯(cuò)險(xiǎn)”？大概的思考就是這樣，歡迎交流。期待 AI 廠商能迭代出更符合直覺(jué)、貼合用戶需求的方案。