让AI遥控你的PC？国产智能体GLM-PC或许没那么强

01

“智体”成巨头新战场

随着AI技术的日益成熟，科技巨头们纷纷将目光投向了AI Agent（智体）这一潜力巨大的市场。

谷歌、亚马逊、苹果、微软等科技巨头纷纷推出自己的AI Agent产品，如谷歌助手（Google Assistant）、亚马逊Alexa、Siri和Cortana等，这些产品不仅在智能家居、智能设备控制方面发挥着重要作用，还在逐步渗透到在线教育、健康管理、金融服务等多个领域。

今年1月23日，智谱正式上线GLM-PC。据介绍，GLM-PC是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样“观察”和“操作”计算机，协助用户高效完成各类电脑任务。GLM-PC还推出了深度思考模式，并新增逻辑推理和代码生成功能。

紧接着，OpenAI的AI智能体Operator在北京时间1月24日凌晨亮相，它能够代理用户执行基于网页的操作，直接与网页交互——像人类一样点击、滚动和输入文字，自动执行各种复杂操作，包括编写代码、预订餐厅、购物等。后续的部分用户测试显示，Operator还可以完成在Arxiv上进行论文分类搜索，阅读多篇论文并完成综述整理的复杂工作（如图1）。

而刚进入2月，微软CEO SatyaNadella在社交媒体发文宣布，GitHubCopilot全面接入智能体，微软的自主SWE智能体也首次亮相。微软的自主SWE智能体像一个AI工程师，在用户下达指令后，它就能自主去完成任务，这不仅提升了开发效率，还为开发者提供了更强大的编程支持。

相较于微软的长期愿景，本轮智谱和OpenAI发布的智能体，都无需依赖API或特定网站就能完成所有自动化操作。

以Operator 为例，其在 GPT-4o 的基础上专门对视觉UI界面的理解和交互进行了额外专项训练。智谱GLM-PC是通过对屏幕截图的分析，识别页面元素，然后使用鼠标和键盘进行模拟。这种全新的交互方式可以将Agent与API 的紧耦合关系解绑，以适配更多的应用场景。

Agent 有望成为多应用的统一入口，成为新时期互联网的“门户”，只不过对于用户而言，你可愿意将自己的PC控制权拱手让人？

02

赛博数码牛牛，PC的AI助手

在GLM-PC之前 ，智谱AI已经推出过针对手机使用的AutoGLM，用户打开 AutoGLM 后，只需要动动嘴（当然也支持文字输入），就能让智能体接管自己的手机，并在微信、抖音、小红书、微博等常用 App上自动执行任何指令任务，这一次推出的GLM-PC的同时，还给其取了一个有趣的名字“牛牛”。

GLM-PC目前已经支持Win和Mac两大系统阵营，Mac用户在智谱AI官网下载dmg格式安装文件后，把GLM-PC拖动到Applications中即可（如图2），Win系统用户则直接双击下载好的exe文件就可以根据提示安装。

首次启用GLM-PC时用户需要通过手机短信登录（目前处于内测阶段，用户需提前申请体验资格），就可以进入“牛牛”操作界面了。“牛牛”目前提供了极速模式和深度思考模式，其中极速模式并不支持附件上传和多轮对话，也就是端到端的text to action，但通过手机远程遥控功能仅支持在极速模式下使用（如图3）。而深度思考模式则会展现思考链路和逻辑，输入和输出内容更加丰富，可执行的指令也更加复杂。

极速模式下，“牛牛”主界面给出新闻日报、资料搜索、会议预订等三个应用提示，深度思考模式则是群发助手、年货采购和英语单词助记三个功能。当然，最让用户感兴趣的还是“牛牛”究竟是如何实现自主操控PC的。

03

让AI替我当打工人

电脑的“无人驾驶”体验

“牛牛”并不会直接“接管”用户电脑，而是需要用户在对话框中输入任务指令，“牛牛”再根据用户的任务需求，迅速制定出详细的任务规划方案。它会综合分析目标以及可用资源，生成执行路线图，并将大型任务自动分解为可管理的子任务，以构建出清晰的执行路径。

在极速模式下，笔者首先尝试让“牛牛”帮忙整理新闻，根据提示在对话框输入“使用浏览器打开网址：「https://tech.sina.com.cn」引用热点话题内容的「10」个标题，汇总信息形成列表格式”的指令并发送后，“牛牛”就会开启工作，当然，用户也可以将网页地址换成自己想要的目标网站。

然而，让笔者较为失望的是“牛牛”虽然在指令下达后煞有介事地接过PC控制权，可却没能按照指令输出理想中的列表形式内容（如图4）。

接下笔者体验的是“资料搜索”功能，同样直接引用官方给出的指令原句“打开小红书，搜索“智谱AI GLM-PC”，引用第一个帖子的图片内容和正文返回给我”，体验可谓有喜有悲。

喜的是“牛牛”的确具备识别电脑屏幕内容的能力，笔者因为工作关系，PC同时安装有Edge、夸克浏览器、360AI浏览器、QQ浏览器等多个浏览器软件，“牛牛”直接启用了笔者日常使用频次最高的QQ浏览器。同时，网页版小红书会频繁弹出账号登录提示，“牛牛”也知道自动点关闭按钮，毕竟它可没有登录账户信息。

然而，尴尬的是“牛牛”虽然知道自己没有账号无法登录小红书完成搜索，但依旧抓取了随机页面的第一个帖子内容为笔者生成答案，但这显然是错误的（如图5）。

显然，从上面两个网页内容的整理来看，“牛牛”能够按照指令访问网站并对整个PC屏幕进行浏览和理解，但在具体的内容分析和整理上，恐怕还有一段路要走。

而在“深度思考”模式下，笔者首先尝试了“红到发紫”的“群发助手”功能，笔者根据官方指令将“在微信 应用「相亲相爱一家人」群成员列表，给每个人发送2025新春祝福语和一张蛇年主题图片”中的“相亲相爱一家人”改为“时光荏苒”（主要是笔者群名中没有“相亲相爱一家人”）。

“牛牛”为我们展示了完整的思考链条，但非常遗憾的是其虽然在PC上启动了微信，但在一番尝试后，最终失败告终（如图6）。

整个添加过程中并非完全自主，“牛牛”在最终添加环节还是会提醒用户点击“继续”授权，如此懂得权限的边际感显然是用户需要的。

点评：与其瞻前顾后，不如先迈出第一步。“牛牛”的功能在体验上显然多次让笔者碰壁，但不可否认的是这些功能从定位到设计上，都是具有相当生产力价值的，相信随着不断测试互动反馈，智谱AI会在后期版本中不断优化升级，让“牛牛”在学习中不断成长。

04

大模型从Chat走向Act

人类与机器的互动方式正在发生范式转变，这是由于只有对话功能的Chatbot，正在进化为“有手、有脑、有眼睛”的自主AI Agent。

大模型技术正在改变机器和人的互动方式，基于理解需求、规划与决策、执行行动和自我反思，AI Agent将带来符合直觉的人机交互——从人适应机器，到让机器适应人。

与GenAI（生成式人工智能）不同，Agent 是目标驱动型的，能够完全执行工作流程，适应、学习、迭代、与其他系统和人类协作，并端到端的完成任务。从某种意义上看，Agent完全可以看作是大模型通用操作系统LLM-OS的雏形。

欢迎通过邮局渠道订阅2025年《电脑报》

邮发代号：77-19

单价：8元，年价：400元

编辑｜张毅

审核｜吴新

爆料联系：cpcfan1874（微信）

壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者