最近「万人求码」的 Fellou 是什么？伪装成浏览器的 AI 真能帮你「颠覆效率」？

编注：我们会不定期挑选 Matrix 的优质文章，展示来自用户的最真实的体验和观点。 文章代表作者个人观点，少数派仅对标题和排版略作修改。

▍发现

近一段时间在社交媒体上经常看到有人发 Fellou 邀请码，但我一开始没太当回事儿。因为我正在用 dia，它也是一个 AI 浏览器，可以帮我快速提取视频要点、处理（以当前网页为上下文的） AI 对话等任务，用得很顺手，所以就没想着再尝试新的。

但后来我才发现自己错过了一个关键细节：Fellou 并不是简单的 AI 浏览器，而是一种「AI 代理式浏览器」。这么小的差别，却差点让我和这个好工具擦肩而过。当然，这也怪现在的邀请码实在太多了，让人一看见就心烦。你看，算力不足显然是个创业者们广泛遇到的严重问题吧？

幸运的是，我朋友少卿专门写了篇文章，大力推荐 Fellou。他说「Fellou 不是 AI 浏览器！更不是 Manus。」

我看到这标题的时候，马上意识到了 Fellou 不寻常 —— 能让一个沉下心来，从哲学角度思考 AI 的人如此激动，这工具肯定不简单。少卿还贴心地给了我一个 Fellou 邀请码，让我可以亲手体验一下，特别感谢少卿。

▍任务

有了邀请码之后，我能用 Fellou 做什么呢？我就想，既然手里有一个 AI agent 浏览器，不妨用它来做个关于 AI agent 的调研好了。我给 Fellou 布置的任务是：「调研一下 AI agent 给科研工作者带来的机遇与挑战」。

这个主题源自我两年前写的一篇论文，那时我们讨论的是 ChatGPT 对科研工作者的影响。

如今技术进步飞快，主流应用已经从对话式 AI 迈向了 AI agent 阶段，这种变化究竟能为科研工作带来怎样的好处和挑战？这确实是一个让我感兴趣的话题。

▍执行

任务提交之后，Fellou 首先开启了一个「Deep Action」的模式。简单来说，就是 AI 自己会先思考一下任务的复杂程度，然后做个规划，分步骤来完成任务。Fellou 给出的计划很清晰：先查询学术资源中关于 AI agent 在科研领域的应用，再分析中文科技媒体的相关报道，接下来检索国际前沿的 AI 研究动态，最后收集行业专家们的观点（这一步它是打算从 Medium 平台去找的）。

Fellou 说准备「running shadow window」，也就是在「影子窗口」中执行。我当时有点懵，什么叫「影子窗口」呢？它没解释，而是给了两个选项：要么继续执行，要么重新规划。我心想就别麻烦了，你赶紧执行就好。

结果执行一开始我就明白了，「影子窗口」就是后台执行任务的窗口。它在后台同时打开多个浏览器页面，每个页面都在独立完成特定的任务。

每个任务完成之后，窗口自动关闭，Fellou 在后台默默地处理好了所有事情。这过程中你完全不用动手，只要看着它自动进行就可以了。搜索任务完成后，Fellou 开始生成报告。

等报告一生成，我才发现 Fellou 还真挺有意思的。因为它生成的报告竟然是一个网页，还是用代码写出来的。

更有趣的是，你还可以自由地调整页面的样式，比如选择更详细的版本或者增加一些新的内容，例如加入更多科研案例、如何评估 AI agent 工作质量等。

我先不着急调整，咱们先来看看报告本身怎么样。

报告打开后是一个图文并茂的网页，内容很丰富。

▍验证

为了确保报告不是浮于表面的，我决定仔细检查每一个细节，并顺便结合自己的想法，和你聊聊 AI agent 到底能给科研工作带来哪些具体的帮助和问题。

概述

我们先来看报告的概述部分。首先，Fellou 告诉我们什么是 AI Agent，也就是人工智能代理。简单来说，它就是一个能自己感知环境、做出决策、还能自动执行任务的智能系统。比如在科研领域，它能帮我们做文献检索、数据分析、实验设计等等。这里它还贴心地引用了出处，你把鼠标放上去，就能看到原始来源，非常专业。

接下来它提到了 AI agent 的普及趋势，说从 2020 年到 2025 年，这种工具的采用率会从 20% 增长到预计的 92%。不过，这个数据它没具体说明来源，所以如果你要用，还是要再去找到来源出处确认一下比较好。

然后报告详细介绍了科研领域中常见的几种 AI agent，比如文献检索占 30%，数据分析占 25%。这些工具分别能帮助科研人员快速总结文献、分析复杂数据、设计实验方案、撰写论文、提高团队协作效率。

这里有个关键的洞察我觉得很有意思。

Fellou 提到 AI agent 正在彻底改变科研工作的模式，把那些繁琐的检索和数据处理任务都接过去了，让科研人员能更多地集中精力在创新和核心科学问题上。换句话说，AI 把过去需要大量人力（比如研究生、科研助理）的重复劳动给包办了，让研究的门槛大幅降低。

但同时，这也意味着科研的竞争更加激烈了。因为当基础工作都变得简单以后，大家比拼的就不是努力了，而是你的创造力和深度思考能力。也就是科研从流水线工厂模式，重新复归到天赋和 AI 协作能力的比拼上。

机遇

报告第二部分展示的是 AI agent 带来的机遇。它用了一张图表直观地说明，AI 能显著减少科研各环节所需的时间。比如过去文献检索可能需要 100 个单位的时间，现在只需 30 个单位；数据分析从 100 降到 40；实验设计从 100 降到 50；论文写作和研究协作的效率也都有显著提高。当然，这里应该包含了额外验证的时间，不然实际效率提升会更明显。

报告中也具体举例了 AI 如何帮我们提高数据处理能力。比如基因组学里，AI 可以分析数百万条基因序列；在材料科学研究中，通过 AI 的辅助，几周就能筛选出有潜力的新材料，传统方法可能得好几年。这确实令人振奋。

AI 还能破解跨学科交流的障碍，比如医生和工程师沟通困难时，AI 自动帮双方翻译术语，让团队合作效率提高了 40%。想想看，以前明明大家都说同一种语言，却互相听不懂，现在 AI 能自动把专业术语变成人话，是不是很赞？

至于提高研究质量与可重复性，报告认为 AI 能减少人为错误，更严格地遵循科学方法。不过我觉得这个得辩证地看待。如果用得不好，AI 也可能降低研究质量。因为现在做个「看起来像模像样」的研究比以前容易多了，所以我们对 AI 产生的内容，更得小心甄别才行。

挑战

说完机遇，咱们也得现实一点，看看 Fellou 在报告中指出的挑战有哪些。报告里用雷达图形象地展示了这些挑战，发现最突出的问题就是数据隐私和结果的可靠性。其次还有伦理问题、学习曲线、技术复杂性，以及成本投入。隐私问题咱们都懂，尤其医学、生物这些敏感领域，数据安全尤其重要。而结果的可靠性，其实主要取决于最终使用 AI 工具的人是否够谨慎。

报告特别指出 AI 系统可能会出现「幻觉」问题，也就是生成一些看似真实、但实际是虚构或错误的内容，这在科研领域可是大忌，稍不注意可能就引发严重后果。

报告还引用了一位博主的提醒：「AI 虽好，但思考主权不能丢。」

我个人觉得这句话特别值得咱们深思。毕竟科研还是要靠人类的创造性思维，AI 目前主要还是帮咱们处理繁琐枯燥的任务。如果什么都依赖 AI，科研人员自身的价值又该在哪里体现呢？

值得注意的是，这里有个乌龙事件。

一开始我看到文献 5，就不由自主想要划过去 —— 在 AI 时代，两年前的内容，可能与今天的技术环境之间差异巨大，价值较低。但是我实际打开才发现，这是知乎上两年前提出的问题，但是回答却是新鲜出炉的。

如果不点开查看，真的有可能因为「时效性」的偏见，错过有价值的回答。

使用 Fellou 研究报告的时候，你或许也需要注意这一点。

工具

接下来报告介绍了一些常用的 AI 工具和应用。第一个推荐的就是 ，它专门给科研人员设计，用来辅助学术研究的，非常精准。其他像 MyStylus（专注于学术写作）、Scite.ai（帮助确认文献引用准确性）、Scholarcy（快速分析文献）、ResearchRabbit（文献管理与调研整合工具），还有 Agent Laboratory（基于大语言模型的科研自动化平台）也都被提到。不过，我注意到 SciSpace 没有出现在列表里，似乎有所欠缺。

报告还贴心地给出了工具整合策略建议，比如根据研究阶段选择工具：初期用 Elicit 和 ResearchRabbit，中期可以考虑 Agent Laboratory，到了论文写作的后期就可以使用 MyStylus。此外，根据学科特点，比如数据密集型的学科可能需要更强的数据分析工具；同时还要考虑工具之间的整合，比如用 API 或工作流管理工具实现数据流转。

这些建议的内容，与我们在 2023 年 10 月发表于《图书情报知识》的文章《AIGC 时代的科研工作流：协同与 AI 赋能视角下的数字学术工具应用及其未来》观点一致。

趋势

再来看看 Fellou 给出的未来趋势预测。它提到几个重要趋势，比如 AI 工具会越来越专业化、定制化，针对不同学科提供精准服务；未来的 AI agent 还会拥有多模态交互能力，不光处理文字，还能处理图片、视频、音频等各种信息，甚至能和环境实时交互。

更厉害的是，AI agent 未来可能实现自主实验，形成「闭环」研究流程。这意味着初级科研人员可能需求会减少，毕竟很多过去需要手动打下手的工作，未来 AI 都能自己完成了，只要你明确输入输出目标，它就能可靠地自动执行任务。

报告同时强调了未来科研模式的改变，人类负责创造力、直觉和价值判断，AI 则专注数据处理和知识整合；科研门槛的降低则让更多有才华的人有机会参与高水平研究。比如，过去只有资金充足的大实验室才能做的研究，未来小团队甚至发展中国家的研究者都能通过 AI 参与竞争，这种科研平权的趋势非常令人期待。

不过，科研周期缩短、竞争加剧，对科研人员的挑战肯定也更大了。所以 Fellou 还特别建议，要把 AI 辅助科研能力纳入教育体系中，同时建立新的科研评价体系，强调创新性和社会影响；推广开源工具帮助资源不充足的地区；建立专门的 AI 科研伦理规范，确保技术健康发展。

建议

报告对研究人员给出了具体建议：一方面要把 AI 当作辅助工具，不要完全依赖；另一方面要系统学习 AI 工具的优缺点，根据实际需求构建自己的工作流。

此外，使用 AI 得到的重要结果必须反复验证；发表论文时，要坦率披露 AI 工具的使用情况，遵守学术伦理规范。

这里我就不得不多说几句了 —— 要让大家坦率披露 AI 使用，必须消除目前广泛存在的偏见：有人只要听说谁用了 AI 做科研，就会扣上一顶「投机取巧」的帽子加以鄙视。这种环境下，哪里有人愿意放心大胆披露自己的 AI 使用情况呢？但是，现在还有谁在科研活动中，真的一点儿都不使用 AI 吗？当别人利用 AI 翻译润色，让文章读起来地道如同 native speaker 手笔，你不使用就会在学术发表竞争中处于不利地位，对吧？有些导师把任务布置给研究生，提交上来的结果远超预期，难道是凭空得来的？但是很多人就是选择把这种「人人用 AI ，却都不好意思说」的拧巴，当成了「房间里的大象」。

营造一个更健康的 AI 协作环境，很是急迫。科研评价体系也该适时调整，比如明确披露 AI 使用情况可以增加文章发表或者获得基金资助的概率，大家才更能抛弃掉疑虑、愿意公开 AI 使用情况。

▍评价

看完了报告内容，咱们简单评价一下 Fellou 这个 AI agent 应用。

最为重要的是，它的信息检索能力非常讨巧 —— 毕竟 Fellou 是个真正的浏览器，不需要额外模拟什么「无头浏览器」之类，直接能访问你登录过的网站，自动采集数据、操作网页，甚至直接向 Notion 等网页应用里写东西。

但也有个小问题需要注意，就是 Fellou 目前向网页里写东西还不太顺畅，步骤稍显繁琐，每一步都要框定一系列元素传递给大模型反复思考确认，效率并不高。我让它用 Notion 新建页面，填进去文章标题正文，居然用了好几分钟，各种莫名其妙的失败。现在这个阶段，我个人建议先用它来采集信息，写入任务还是咱们人亲自来做更省时间。

不过整体来看，Fellou 的搜索资料能力、信息整理能力都不错，生成的报告页面也相当专业美观，更重要的是目前免费使用，这个条件下我觉得已经非常超值了。

现在使用 Fellou 还需要邀请码，没有邀请码的话可能得排队等候。这是没办法的事情，毕竟创业团队的计算资源有限。有时候访问量大了，可能会提示服务器过载。

偶尔 Fellou 也会占用比较大的内存被 macOS 警告。如果你的电脑内存不足，可能会感到有些吃力。

看来下次换电脑，我一定得把内存加大些。

以上，就是我对这款「伪装成浏览器」的 AI 代理 Fellou 的亲身使用心得，希望对你有所帮助。也希望咱们基于 Fellou 给出报告的讨论，对你今后和 AI 协作，能有一些促进。

如果你搞到了邀请码，亲手尝试过 Fellou，也欢迎把你的使用经验分享在留言区，咱们一起交流讨论。

https://sspai.com/post/98738?utm_source=wechat&utm_medium=social

作者：玉树芝兰

责编：Lotta