这个Agent学会刷B站、打德扑，还能盯盘写预测简报｜实测Flowith OS

智东西10月29日报道，昨日，AI应用初创公司Flowith正式发布本地智能体操作系统Flowith OS，这是一整套为其Agent Neo设计的运行系统。

传统网页端AI助手通常被封装在某个标签页中，用户发出指令，助手被动响应。而Flowith OS正试图突破这个限制，用户只需要表达意图，系统就能将其转化为可以连续执行的完整操作流程。

Flowith OS搭载了上下文改进系统，并通过在线强化学习持续优化。每完成一次任务，系统会自动回顾执行过程，根据结果进行反思，并不断更新其执行策略。这意味着，用户每次的使用过程，都会帮助智能体Neo变得更聪明。

为了实现长期的记忆积累，Flowith OS还引入了双层记忆系统，包括短期缓冲和长期情景记忆。系统不仅能记住你最近的指令，还能理解你在不同时期的偏好、写作风格和使用方式等，并在下次使用时自动调用。

技能和记忆被统一纳入到整个操作逻辑中。比如你曾保存过一个“图转PDF”的处理流程，或者习惯以某种语气写汇报文案，这些都可以被标记为技能或记忆，并在类似场景下被系统自动应用，无需重复设置。

为保证任务执行的响应速度，Flowith OS还配备了独立执行内核与速度缓存机制。系统可以并行安排任务流程，并对高频操作模块提前做预加载，从而实现本地执行中的快速响应。

在实际使用中，这套系统可以完成包括“批量生成PDF”、“提取航班信息并转为CSV”在内的流程型任务，也可以被用于管理社交平台账号，实现发帖、点赞、评论等自动化操作。更复杂的任务如生成视频、撰写标题、自动上传等，也已能在该系统内实现一条龙托管。

测评结果显示，Flowith OS在Online-Mind2Web Benchmark测试的四个难度等级下全面领先，平均准确率达到95.4%，在Easy和Medium任务中分别高达96.3%和97.7%，远超ChatGPT Atlas（平均61.3%）与Gemini 2.5（69%）等对手。

智东西也体验了一番Flowith OS的使用流程。

在首次启动阶段，系统会引导用户完成一系列初始化设置，包括导入Chrome或Safari中的浏览记录与标签页，以便无缝切换至新环境；接着用户可选择将其设为默认浏览器、添加到Dock或任务栏，并设置是否开机启动。

整个过程中，系统明确标注“100%本地存储”，所有执行历史、账户数据、记忆与技能内容均保存在本地设备中，不与云端同步。

完成引导后，用户将进入Flowith OS的主界面。系统以“OS已觉醒”作为工作入口，中央搜索框支持导航、提问与指令输入，下方展示当前可执行的任务模组，如自动生成TikTok话术内容、批量管理社媒评论、快速获取创业创意等。左侧为智能体能力中心“智能”，划分为技巧、记忆与知识库三类，用户可以新建技能、记录记忆偏好以及调用知识库 。

整个界面在功能上融合了操作系统、浏览器与任务调度系统的特性，底层通过智能体驱动，前端则提供可视化流程入口，用户可从主界面直接发起任务。

那么，这套系统在实际使用中到底能完成哪些任务？我们用三个完全不同的场景做了测试，来看看Flowith OS的执行力。

体验1：谁在赚钱？让AI盯盘到分秒不差，一键生成AI预测简报

第一个体验任务围绕AI交易项目NoF1.ai展开。该项目在近期社交平台上引发大量讨论，玩法是让六个顶尖大语言模型分别管理1万美元的真实资金，在相同时间周期下进行全自动量化交易。

我们要求Flowith OS以实际市场数据为基础，对各模型的收益率、仓位分布与风险暴露进行实时追踪。

Neo在接到指令后，首先连接至NoF1.ai的交易监控界面，并同步六个模型的当日表现。

界面中央实时显示收益曲线折线图，从图中可见各模型自10月18日起的收益轨迹走势，DeepSeek与Qwen始终保持领先区间，Grok和Claude居中，GPT-5与Gemini则处于相对低位。

系统自动生成了各模型的策略标签（如“Long”或“Short”），并提取对应的仓位结构，用于计算当日风险敞口与杠杆水平。随后，Neo触发预测阶段任务，系统基于过去一日的收益和仓位数据生成《AI交易预测简报》。简报分为三部分：前一日策略偏差分析、次日趋势预测与模型信心指数。

文档自动输出六个模型的次日交易方向与预测置信度，其中DeepSeek与Grok的信心指数最高，分别为90与85，策略方向均为“多头延续”；Gemini则维持“空头”策略。简报最后部分还生成了策略总结。

在任务执行的全过程中，系统完成了实时数据抓取、模型策略识别与预测结果生成等环节，并输出完整可视化结果。最终生成的简报中，所有模型的收益、方向与置信度信息均以结构化方式呈现，构成了一份量化分析报告。

除了金融数据的追踪分析，我们也试着让Flowith OS走上“牌桌”，看看它面对博弈决策时的及时反应能力。

体验2：AI坐上牌桌，独立完成完整博弈

第二个体验任务围绕一局线上德州扑克展开，我们设定智能体Neo为一名基于博弈论最优策略（GTO）原则进行决策的AI玩家。

用户向Neo发出任务后，系统自动打开目标网站，并进入中等难度局。随后，按顺序识别出游戏UI中的关键信息位，如起始资金、对局位置、按钮区与公共牌区，并开始执行完整对局流程。

在预处理阶段，Neo自动根据自己的起始位置与手牌强度判断是否应跟注、加注或弃牌。

进入翻牌圈后，系统分析了公共牌面构成与对手行为，并结合自己的手牌质量与下注池大小完成操作。

在完整的一轮游戏中，Neo展现了相对完整的操作流程：预判手牌范围、识别对手下注区间、调整下注节奏，并依据实际牌面动态更新策略。在某些回合中，系统也展现出适度的防守性处理——在面临对手大额加注时果断弃牌。

就执行结果而言，整个任务在无需人工介入的情况下完成了网页打开、局面识别、按钮点击与行为执行等流程，系统能实时根据桌面状态更新决策内容，最终完成一整轮博弈操作。

而在更日常、轻量的场景里，比如刷B站、发评论，它也能直接接手操作，不用我们动手点一点。

体验3：AI化身“弹幕发射机”，会看评论，还懂梗

第三个体验任务是在B站发布评论。我们设定Neo的角色为一位熟悉网络语境、具备互动意识的评论者，目标是在热门视频下快速完成评论输入与发送操作。

系统启动后自动跳转至B站首页，并导航至“热门”板块，在播放量与讨论量均较高的视频中进行选择。

进入视频页后，Neo首先识别页面结构，迅速定位到评论区并滑动至底部。在加载完整评论流后，系统自动浏览了当前高赞评论的内容，观察用户围绕哪些关键词展开互动，生成了“UP主更新了，我的青春也复活了！”这一条评论内容，并完成输入与发送。

整个流程从导航入口到评论提交均为自动完成，系统在操作过程中正确处理了评论框加载、页面滚动与多次发送等细节，确保了评论内容可以完整发布，并显示在评论区列表中。

该任务验证了Flowith OS在浏览器页面的交互能力，智能体能够稳定识别Web结构中不同模块的状态变化，并执行任务。

结语：AI Agent开始接管屏幕上的一切

从量化交易分析，到在线博弈，再到社交平台发言，Flowith OS展示出一种不一样的操作方式。它不像传统AI助手那样等待用户输入明确指令，而是将复杂操作流程模块化、记忆化，并在本地完成执行与学习。

随着更多实际场景的接入与长期使用数据的积累，这一智能体层面的操作系统，在未来仍值得持续观察与期待。