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

Manus 的出現(xiàn)，標(biāo)志著我們進(jìn)入了 AI 應(yīng)用的 L2.5 階段，也讓“入口即應(yīng)用”的產(chǎn)品形態(tài)成為可能。但真正落地一個(gè) Agent，難點(diǎn)遠(yuǎn)不止模型能力——從規(guī)劃、執(zhí)行、觀察到工具調(diào)用，每一個(gè)環(huán)節(jié)都藏著坑。本文通過(guò) Coze + Claude 的實(shí)戰(zhàn)組合，拆解 Manus 的核心架構(gòu)，帶你看清 Agent 的底層邏輯、技術(shù)挑戰(zhàn)與未來(lái)演進(jìn)方向。

在2025年，國(guó)內(nèi)有兩個(gè)標(biāo)志性事件，第一是DeepSeek的發(fā)布，正式標(biāo)志我們邁入L2大門，而隨后的Manus發(fā)布，預(yù)示著我們進(jìn)入了L2.5時(shí)代：

這里的L1到L5，就是OpenAI的山姆奧特曼對(duì)AI應(yīng)用的發(fā)展預(yù)測(cè)，并且他認(rèn)為10年左右就會(huì)實(shí)現(xiàn)：

這條路線屬于模型吃掉所有的路線，按照這個(gè)邏輯基模會(huì)成最大受益者，必定流量全部都集中了，只不過(guò)事實(shí)上的發(fā)展不是那么回事。

一、AI發(fā)展史

上述的L4、L5還太遙遠(yuǎn)，L1-L3光看描述看不出感覺(jué)，需要結(jié)合更多信息去閱讀：

22年年底ChatGPT（3.5）發(fā)布，標(biāo)志我們進(jìn)入L1時(shí)代，沒(méi)過(guò)多久4.0也發(fā)布了。

作為這一時(shí)期AI應(yīng)用經(jīng)歷者，從模型能力上來(lái)說(shuō)，最大問(wèn)題都不是上下文太短與幻覺(jué)問(wèn)題，而是一票難求，你根本拿不到OpenAI的賬號(hào)，當(dāng)時(shí)要拿到微軟云Azure的GPT賬號(hào)，需要甚至溢價(jià)100%都拿不到！

這里模型推理響應(yīng)速度也慢到爆，一次來(lái)回快的話20秒，慢的話得一分鐘，所以整個(gè)23年AI沒(méi)達(dá)到可用狀態(tài)。

當(dāng)時(shí)也是百模大戰(zhàn)的開(kāi)端，主流技術(shù)路徑，都是先預(yù)訓(xùn)練再微調(diào)，這一過(guò)程非?；ㄥX。國(guó)內(nèi)走在前列的有：百度、智譜、通意千問(wèn)，訊飛甚至百川智能等，只不過(guò)都沒(méi)拉開(kāi)身位，他們的實(shí)際水平也不比開(kāi)源模型LLama與Bloom。

在這個(gè)階段，AI應(yīng)用進(jìn)入生產(chǎn)環(huán)境尚不成熟，但前期進(jìn)入研發(fā)卻已經(jīng)很成熟了，特別在有些2B使用場(chǎng)景不太關(guān)注資費(fèi)和響應(yīng)時(shí)間。所以這個(gè)階段賣鏟子、賣研發(fā)工具的公司賺了不少錢，包括用Coze教普通人搭建AI應(yīng)用、各種做數(shù)據(jù)生產(chǎn)和數(shù)據(jù)標(biāo)注的公司。

但整個(gè)芯片行業(yè)是要遵循摩爾定律的，而由于AI的火熱大規(guī)模的資金涌入，直接導(dǎo)致了每半年模型的響應(yīng)速度就翻倍、費(fèi)用下降一半，所以到去年年底，所有常見(jiàn)模型能力都有了質(zhì)的飛躍：老大哥ChatGPT響應(yīng)速度已經(jīng)很快的，基本可以在5秒左右結(jié)束；智譜無(wú)論從推理能力還是響應(yīng)速度也有大幅的提升，包括阿里的Qwen模型也進(jìn)步明顯；

當(dāng)然，國(guó)內(nèi)最具標(biāo)志性AI事件還是DeepSeek發(fā)布，無(wú)論是其首先暴露的思維鏈CoT，還是專家模型等的創(chuàng)新設(shè)計(jì)，都足夠讓人眼前一亮，而這也標(biāo)志著我們完全進(jìn)入了L2的階段。

在25年，無(wú)論是模型基礎(chǔ)的推理能力，還是響應(yīng)速度還是資費(fèi)，全部已經(jīng)達(dá)到生產(chǎn)環(huán)境的水準(zhǔn)，所以業(yè)內(nèi)才稱2025是國(guó)內(nèi)AI應(yīng)用元年，這個(gè)元年是這么來(lái)的。

環(huán)境OK了各種AI應(yīng)用自然而然就爆發(fā)了，另一個(gè)標(biāo)AI志性事件馬上爆發(fā)：Manus發(fā)布了，Manus這個(gè)東西倒不是說(shuō)他有多難，但他首先提出了一種AI時(shí)代應(yīng)該有的智能體產(chǎn)品體驗(yàn)，事實(shí)上接下來(lái)各個(gè)瀏覽器廠商也在往這個(gè)方向發(fā)展了，入口即應(yīng)用的思維開(kāi)始擴(kuò)展。

只不過(guò)Manus類產(chǎn)品實(shí)際使用起來(lái)問(wèn)題還很多，基本模型能力倒是夠了，但配套設(shè)施又沒(méi)有跟上，這就導(dǎo)致了其看起來(lái)總是差點(diǎn)意思。

后續(xù)，紅杉AI峰會(huì)也同步指出，第一批智能體的機(jī)會(huì)在垂直領(lǐng)域，果不其然設(shè)計(jì)師的智能體、程序員的智能體在今年取得了長(zhǎng)足的進(jìn)步，比如Cursor、Lovart等產(chǎn)品已經(jīng)實(shí)際影響我們的工作方式了。

其次就是今年Google I/O大會(huì)，展示了很多智能體趨勢(shì)，其中尤以圖像/視頻體系Flow + Veo3 + imagen4套餐值得關(guān)注，而近期發(fā)布的Nano Banana更是火得不行，文生圖的應(yīng)用近在眼前…

AI如火如荼的發(fā)展，但這里問(wèn)題也就來(lái)了，我們這些普通人的機(jī)會(huì)在哪？我們需要避免的坑點(diǎn)又在哪里？

要回答這個(gè)問(wèn)題，可能得從Agent的基礎(chǔ)架構(gòu)上做判斷…

二、從基礎(chǔ)架構(gòu)看AI機(jī)會(huì)

Agent框架的技術(shù)框架：

• 大模型解決規(guī)劃與調(diào)度問(wèn)題，Manus能爆發(fā)的核心原因就是模型能力大幅增強(qiáng)；
• RAG解決幻覺(jué)問(wèn)題，當(dāng)前模型的發(fā)展趨勢(shì)來(lái)說(shuō)，模型上下文破百萬(wàn)是早晚的事，如何讓模型聊得像人，體驗(yàn)好的AI分身這類應(yīng)用，將在這兩年誕生；
• 工具鏈解決多模態(tài)問(wèn)題，包括最近很火的MCP、ComputerUse其實(shí)都算是AI多模態(tài)能力的延伸，要的就是解決AI各種“不行”的問(wèn)題，這里包括了聽(tīng)覺(jué)、視覺(jué)、觸覺(jué)等；

從基礎(chǔ)架構(gòu)出發(fā)，這塊一個(gè)基礎(chǔ)能力清單紅線也就出來(lái)了，比如：多模態(tài)相關(guān)的東西做不得！

包括，語(yǔ)音相關(guān)、視頻相關(guān)、什么圖生文、文生圖，視頻語(yǔ)音什么的，接下來(lái)要死一大半，一般公司千萬(wàn)不要涉足。

另一方面，記憶模塊暫時(shí)用的是RAG技術(shù)，但我這個(gè)東西未來(lái)應(yīng)該會(huì)有不小迭代，模型可能會(huì)留出合適的接口，讓我們可以更好的注入領(lǐng)域知識(shí)，但這里的數(shù)據(jù)安全也是不小的問(wèn)題…

然后在模型上下文持續(xù)增加（模型上下文>10w）的情況下，向量庫(kù)什么的，我認(rèn)為在接下來(lái)幾年會(huì)成為歷史。

好消息是模型幻覺(jué)是難以解決的，所以大家不必?fù)?dān)心公司最后的數(shù)據(jù)壁壘，如OpenAI最近的論文《Why Language Models Hallucinate》所述：

幻覺(jué)不是神秘缺陷，而是訓(xùn)練/評(píng)測(cè)激勵(lì)獎(jiǎng)勵(lì)猜測(cè)、懲罰不確定的統(tǒng)計(jì)后果。

降低幻覺(jué)，要在評(píng)測(cè)中對(duì)自信錯(cuò)誤重罰、對(duì)合理不確定給部分分，并允許模型在不確定時(shí)棄答/求澄清；

RAG可緩解事實(shí)性錯(cuò)誤，但若激勵(lì)不改，猜測(cè)仍會(huì)發(fā)生

再看如今常見(jiàn)的智能體，又可以分為兩類：通用型智能體、垂直行業(yè)智能體。

對(duì)通用型智能體來(lái)說(shuō)，其核心是工具生態(tài)，生態(tài)越繁榮越容易脫穎而出； 而對(duì)于垂直行業(yè)智能體來(lái)說(shuō)，私有語(yǔ)料、垂直領(lǐng)域插件越多，其使用上越友好。

以Manus類產(chǎn)品為例，他其實(shí)是沒(méi)有什么技術(shù)門檻的，國(guó)內(nèi)有很多類似的產(chǎn)品，其實(shí)現(xiàn)周期在一個(gè)月左右，當(dāng)然要打磨得好，也要花不少時(shí)間的。

這里大家還不要不信，為讓大家更清楚Agent架構(gòu)，我們用傻瓜工具Coze來(lái)簡(jiǎn)單實(shí)現(xiàn)下“Manus”，讓大家對(duì)Agent架構(gòu)的工作量在哪有個(gè)更系統(tǒng)的認(rèn)識(shí)。

三、原理簡(jiǎn)析

在開(kāi)始實(shí)現(xiàn)之前說(shuō)一下Multi Agent System：

Agent的最佳實(shí)踐遵循單一職責(zé)，所謂多智能體就是：工作由幾個(gè)Agent就能完成，至于怎么調(diào)用，需要大模型去做詳細(xì)規(guī)劃調(diào)度，而Manus本質(zhì)上是一個(gè)MAS系統(tǒng)。

照虎畫(huà)貓

舉個(gè)例子：打開(kāi)Manus，讓他給我做個(gè)貪吃蛇，很快就完成了：

這里用到的工具有：

• 讀寫(xiě)文件的能力；
• 操作瀏覽器的能力（搜索網(wǎng)頁(yè)和模擬點(diǎn)擊、鍵盤(pán)事件等）；
• 代碼編寫(xiě)的能力（糾偏的能力）；
• 執(zhí)行系統(tǒng)命令的能力；
• 代碼部署和預(yù)覽能力；
• …

所有這操作，都在一臺(tái)云主機(jī)上完成，并且實(shí)時(shí)回傳了運(yùn)行進(jìn)展。

其大概架構(gòu)是這樣的（PS：真實(shí)場(chǎng)景在規(guī)劃和記憶一塊會(huì)復(fù)雜巨多，我們這里只做簡(jiǎn)單猜想）：

下面我們具體展開(kāi)說(shuō)明：

1）Planning模塊

規(guī)劃模塊的職責(zé)是：識(shí)別用戶意圖，并把任務(wù)拆解成若干個(gè)可以原子化執(zhí)行的子任務(wù)，并寫(xiě)入Todo.md中。比如：

# 用戶問(wèn)題

幫我做一個(gè)貪吃蛇的小游戲

# Todo.md

# 貪吃蛇游戲開(kāi)發(fā)進(jìn)度

## 第一階段：設(shè)計(jì)游戲架構(gòu)和界面

– [ ] 創(chuàng)建項(xiàng)目目錄結(jié)構(gòu)

– [ ] 設(shè)計(jì)游戲界面布局…

## 第二階段：實(shí)現(xiàn)游戲核心邏輯

– [ ] 實(shí)現(xiàn)蛇的移動(dòng)邏輯

– [ ] 實(shí)現(xiàn)食物生成和碰撞檢測(cè)…

## 第三階段：測(cè)試和優(yōu)化游戲

– [ ] 本地測(cè)試游戲功能

– [ ] 優(yōu)化游戲性能…

## 第四階段：部署游戲并交付給用戶

– [ ] 部署到公網(wǎng)

– [ ] 向用戶交付最終產(chǎn)品

規(guī)劃結(jié)束后，后續(xù)的所有執(zhí)行，都會(huì)圍繞著清單進(jìn)行執(zhí)行。OpenManus關(guān)于規(guī)劃模塊的提示詞是這樣的：

planner_module

– 系統(tǒng)配備規(guī)劃器模塊，用于整體任務(wù)規(guī)劃

– 任務(wù)規(guī)劃將以事件流中的事件形式提供

– 任務(wù)計(jì)劃使用編號(hào)的偽代碼表示執(zhí)行步驟

– 每次計(jì)劃更新都包含當(dāng)前步驟編號(hào)、狀態(tài)和反思

– 表示執(zhí)行步驟的偽代碼將在整體任務(wù)目標(biāo)發(fā)生變化時(shí)更新

– 必須完成所有計(jì)劃步驟，并在完成時(shí)達(dá)到最終步驟編號(hào)

# todo rules

– 根據(jù) Planner 模塊中的任務(wù)規(guī)劃，創(chuàng)建 todo.md 文件作為清單

– 任務(wù)規(guī)劃優(yōu)先于 todo.md，而 todo.md 包含更多詳細(xì)信息

– 完成每項(xiàng)任務(wù)后，立即使用文本替換工具更新 todo.md 中的標(biāo)記

– 當(dāng)任務(wù)規(guī)劃發(fā)生重大變化時(shí)，重建 todo.md

– 必須使用 todo.md 記錄和更新信息收集任務(wù)的進(jìn)度

– 所有計(jì)劃步驟完成后，驗(yàn)證 todo.md 的完成情況并刪除跳過(guò)的任務(wù)

2）Agent Loop

拿到了規(guī)劃的清單之后，就會(huì)進(jìn)入到一個(gè)事件循環(huán)當(dāng)中，不斷的執(zhí)行清單上面的任務(wù)，直到所有任務(wù)完成：

Think模塊會(huì)根據(jù)當(dāng)前的執(zhí)行情況，決定下一步的行動(dòng)任務(wù)，如果任務(wù)偏離主目標(biāo)太多的話，也可以推翻當(dāng)前任務(wù)重新調(diào)整任務(wù)清單；

Excute模塊會(huì)按照當(dāng)前任務(wù)調(diào)用各種Agent完成具體的任務(wù)，每個(gè)Agent都配置了各自的技能（比如各種工具）；

Observe模塊會(huì)評(píng)估當(dāng)前任務(wù)的執(zhí)行情況，更新任務(wù)執(zhí)行的具體情況。

當(dāng)清單中已經(jīng)沒(méi)有待辦的任務(wù)時(shí)，就會(huì)跳出循環(huán)。

3）Computer Use

云端主機(jī)負(fù)責(zé)執(zhí)行具體的任務(wù)，提供任務(wù)的執(zhí)行環(huán)境，并負(fù)責(zé)實(shí)時(shí)上報(bào)日志。

云主機(jī)上面為了達(dá)到ComputerUse的效果，會(huì)開(kāi)放很多的能力，這些能力也就是我們所說(shuō)的Tools：

4）其他

任務(wù)執(zhí)行完成后，Report模塊會(huì)分析執(zhí)行的過(guò)程數(shù)據(jù)，并生成最終總結(jié)數(shù)據(jù)。也有很多其他模塊，這里不展開(kāi)。

接下來(lái)我們做具體的Coze實(shí)現(xiàn)：

四、Coze實(shí)現(xiàn)“Manus”

具體到實(shí)現(xiàn)這里，我們會(huì)怎么簡(jiǎn)單怎么來(lái)：

• Service端：Manus用的是Ubuntu的虛擬機(jī)，我們直接用Linux的云服務(wù)器；
• Client端：用Coze進(jìn)行搭建，實(shí)現(xiàn)規(guī)劃、思考、執(zhí)行、觀察、匯總等幾個(gè)模塊；

Service端跟Client端通過(guò)異步通信協(xié)議實(shí)現(xiàn)連通。具體細(xì)節(jié)不多展開(kāi)，不然很多同學(xué)看不懂，這里直接給出Coze的實(shí)現(xiàn)：

接下來(lái)說(shuō)說(shuō)重點(diǎn)：

1. 規(guī)劃模塊

整體功能來(lái)說(shuō)，最重要的還是要設(shè)計(jì)一下todoList的數(shù)據(jù)結(jié)構(gòu)，根據(jù)OpenManus的提示詞，可以設(shè)計(jì)出類似右邊的數(shù)據(jù)結(jié)構(gòu)：

Coze的話，一個(gè)大模型模塊就搞定了。

2. 執(zhí)行模塊

執(zhí)行模塊需要實(shí)現(xiàn)的是一套大模型自主調(diào)用智能體的流程，Coze的話，直接使用系統(tǒng)提示詞實(shí)現(xiàn)FunctionCalling調(diào)用遠(yuǎn)程工具即可。大致的流程如下：

通信協(xié)議設(shè)計(jì)如下：

通過(guò)這個(gè)能力，咱們的系統(tǒng)就具備了自主判斷和調(diào)用工具的能力。Coze實(shí)現(xiàn)如下：

3. 觀察模塊

觀察模塊也是通過(guò)一個(gè)大模型節(jié)點(diǎn)就可以搞定。提示詞如下：

# 角色執(zhí)行效果評(píng)估助手

# 任務(wù)

1. 根據(jù)當(dāng)前的上下文中的任務(wù)狀態(tài)字段，判斷是否存在執(zhí)行失敗和待執(zhí)行的任務(wù)。

2. 不要解釋，也不要額外輸出其他內(nèi)容。

3. 保持上下文格式和內(nèi)容的完整性

4. 上下文中不包括歷史記錄數(shù)據(jù)

5. 上下文需要時(shí)一個(gè)合法的JSON

if?(存在執(zhí)行失敗的任務(wù)) {

– 面向最終目標(biāo)，更新任務(wù)列表和當(dāng)前任務(wù)。

– 之前已經(jīng)執(zhí)行成功的任務(wù)保持不變

}?elseif?(存在待執(zhí)行的任務(wù)) {

– 更新當(dāng)前任務(wù)為下一個(gè)待執(zhí)行的任務(wù)。

}?else?{

– 原樣輸出上下文}

# 上下文{{context}}

# 歷史記錄{{histroy}}

# 輸出要求

status的值：

所有任務(wù)都執(zhí)行完畢=complete

存在執(zhí)行失敗的任務(wù)=retry

存在待執(zhí)行的任務(wù)=next

4. 服務(wù)端設(shè)計(jì)

服務(wù)端的話，可以使用Cursor或者Claude Code實(shí)現(xiàn)一個(gè)簡(jiǎn)單的Service服務(wù)器，核心實(shí)現(xiàn)/Excute和/Log這兩個(gè)接口即可。

其中/Excute接口需要能夠調(diào)用服務(wù)器上的智能體，接收智能體的流日志并寫(xiě)入日志文件。

智能體可以使用任意大模型，如果需要大模型寫(xiě)代碼的話最好選擇代碼模型（Claude系列、Kimi K2等），然后配套各種MCP工具即可。

具體的MCP工具的使用可以直接查看相關(guān)文檔，這里就不再贅述，后續(xù)單開(kāi)一期講講MCP…

到這里基本功能完成，大家可以看到最終效果了：

五、結(jié)語(yǔ)

通過(guò)上述案例，可能有兩點(diǎn)重要啟示：

第一，貌似簡(jiǎn)單實(shí)現(xiàn)一個(gè)“Manus”成本并不高，但想要他表現(xiàn)得很好，做好各種意圖識(shí)別，又是一件很難的事情，初期的關(guān)鍵是豐富的Tools，緊接著是各種領(lǐng)域知識(shí)（SOP+數(shù)據(jù)）的注入；

第二，初期實(shí)現(xiàn)依賴Computer Use，后續(xù)可能AI Code會(huì)是一個(gè)巨大的核心，這可能也是很多巨頭公司或者基座模型一直在重點(diǎn)關(guān)注AI編程的原因；

Manus類產(chǎn)品很難

大家可以看出，上述所謂成本并不高其實(shí)是相對(duì)的，因?yàn)樽龀鰜?lái)的是個(gè)demo，如果你的“Manus”想要真正被用戶接受、解決實(shí)際的工作問(wèn)題，那么就復(fù)雜了，馬上就涉及到了各種深水區(qū)：

• 精準(zhǔn)的意圖識(shí)別：用戶的需求是莫名其妙的。智能體必須理解用戶的“言外之意”，這是用戶體驗(yàn)的一道檻。需要極其精細(xì)的提示工程和大量的對(duì)話數(shù)據(jù)進(jìn)行調(diào)優(yōu)；
• 強(qiáng)大的工具生態(tài)：智能體的能力邊界由其能調(diào)用的工具決定。一個(gè)“Manus”能否真正解決問(wèn)題，取決于它能否無(wú)高效使用各種服務(wù)（如訂票、查郵件、控智能家居、分析數(shù)據(jù)等）。自建工具鏈成本高昂，因此與第三方服務(wù)的集成能力至關(guān)重要；
• 深厚的領(lǐng)域知識(shí)：在垂直領(lǐng)域，通用知識(shí)遠(yuǎn)遠(yuǎn)不夠。需要將行業(yè)的SOP（標(biāo)準(zhǔn)作業(yè)程序）、私有的數(shù)據(jù)庫(kù)、專家的經(jīng)驗(yàn)注入到智能體中。這部分工作是“臟活累活”，沒(méi)有捷徑，但正是構(gòu)建護(hù)城河的關(guān)鍵；

這也是為什么紅杉這么推崇OpenEvidence的原因：

AI應(yīng)用的競(jìng)爭(zhēng)已經(jīng)從技術(shù)能力的競(jìng)爭(zhēng)，轉(zhuǎn)向了產(chǎn)品定義、用戶體驗(yàn)打磨、生態(tài)整合與垂直行業(yè)知識(shí)深度的競(jìng)爭(zhēng)，早期的紅利屬于在垂直領(lǐng)域做得無(wú)比深入的團(tuán)隊(duì)。

AI Code 是未來(lái)

從Manus之前的實(shí)現(xiàn)來(lái)說(shuō)，Computer Use在其中扮演了重要的角色，只不過(guò)這可能是無(wú)奈之舉，因?yàn)楹芏嗑W(wǎng)站并不提供API。

理想情況是讓 Agent 調(diào)用受控、可測(cè)、可審計(jì)的函數(shù)（MCP），Computer Use 作為兜底能力。

而大家也看到了，我們?cè)谧龊?jiǎn)單實(shí)現(xiàn)時(shí)并沒(méi)有使用Computer Use，一來(lái)是場(chǎng)景足夠單一，二來(lái)是就是想驗(yàn)證下AI Code 這種方式（Claude）。

大家可以想象下，當(dāng)AI編程再?gòu)?qiáng)大一點(diǎn)、理解能力更強(qiáng)一點(diǎn)，整個(gè)Agent架構(gòu)可能就閉環(huán)了：AI發(fā)展的終極趨勢(shì)自我進(jìn)化，貌似也不是不可能，說(shuō)白了也不過(guò)是AI自己給自己寫(xiě)工具做調(diào)試。

這也是為什么很多巨頭都在關(guān)注這塊，掌控了AI編程能力，就掌控了智能體能力擴(kuò)展的“開(kāi)關(guān)”。這不再是做一個(gè)應(yīng)用，而是在打造一個(gè)能夠生長(zhǎng)應(yīng)用的平臺(tái)。

這符合OpenAI、Google等巨頭“模型吃掉一切”的終極路線圖，只不過(guò)這里面的安全性問(wèn)題和實(shí)現(xiàn)難度較高，還有很長(zhǎng)的路要走…

所以，接下來(lái)我們對(duì)AI應(yīng)用做規(guī)劃，要更多的從基礎(chǔ)工具實(shí)現(xiàn)的視野轉(zhuǎn)向創(chuàng)意與應(yīng)用的視野?；A(chǔ)工具這塊模型廠商不提供，大廠也會(huì)補(bǔ)足，比如AI知識(shí)庫(kù)這里，騰訊的IMA、飛書(shū)的知識(shí)問(wèn)答系統(tǒng)已經(jīng)慢慢走向成熟了。

對(duì)于小團(tuán)隊(duì)來(lái)說(shuō)，當(dāng)下的最佳策略是避開(kāi)巨頭的鋒芒（平臺(tái)型工具如Coze、AI表格或者多模態(tài)類工具），而是選擇一條垂直細(xì)分賽道，利用現(xiàn)有的Agent開(kāi)發(fā)工具，將自己的行業(yè)知識(shí)轉(zhuǎn)化為產(chǎn)品力，深耕下去，成為某個(gè)小領(lǐng)域的不可或缺。

綜上，是個(gè)人一些片面認(rèn)知，希望對(duì)各位有用…