大模型公司不搞浏览器搞Agent，实测找到原因了

闻乐 发自 凹非寺
量子位 | 公众号 QbitAI

如果Agent能操作命令行，就有了与整个计算机系统交互的能力。

也意味着一台计算机的几乎所有功能，都可以通过自然语言来驱动。

这种产品终于有雏形了，我们抓来阶跃星辰的桌面Agent小跃来看看实力～

它的形态比较新颖：是一个悬浮球

区别于浏览器Agent，小跃平时就这样狗狗祟祟可可爱爱趴在桌面上。

当然了，完整形态如下：

打眼一看，这个小跃能接互联网、能搜索浏览器、能处理Excel表格、还能连接本地操作系统。

不过，据官方介绍，它较为突出的本领是支持通过“妙计”复用操作步骤，也支持设置“定时任务”到点自动执行，甚至能并行处理任务，不用像鸡排哥一样：做完你的再做你的。（doge）

好好好，开测！

一键帮搭编程环境

首先，对于学计算机的广大朋友们来说，实践的第一课是什么？

有言道：搭环境两小时，写代码十分钟。虽然说搭环境是必修课，但偶尔让AI代劳一下也不是不可以。

先来下个conda！

• 下载conda

小跃随即开始用内置的浏览器访问下载页面，倒是也不用担心被它看到浏览记录了。

找完下载链接后检查设备型号，选取合适版本后自动开始Terminal下载。

几分钟后完成操作，整个过程不用动手。（实际上随时可以手动接管）

最后来检查一下，真的有！nice～

做不同的项目，对环境的需求也不一样，比如：

• 我要做机器学习课程的CNN图像分类作业，帮我自动创建conda虚拟环境‘cnn-hw’，Python版本3.11，安装torch、torchvision、matplotlib和jupyterlab，安装完启动jupyter。

在实际执行过程中，如果一种方法行不通，它会自动纠错并修改。

最终，在本地打开了Jupyter。

再来检查一下我们要求的安装包是否下载了。

小跃甚至把环境变量都给你配好了，正好手头有一个贪吃蛇代码，在这个环境里跑一下。

觉得这个贪吃蛇太简单？让小跃帮忙升级一波。

• 这是我之前写的Python贪吃蛇代码，帮我优化三点：
• 用Pygame替换原来的tkinter界面，加个开始菜单；
  增加分数排行榜功能，数据存在本地JSON文件里；
  检查代码里的内存泄漏问题并修复，最后生成可执行的exe文件”。
  

由于Agent在执行任务过程中会有很多中间步骤（比如自动安装Pygame包等，能用到的都会自动安装），这里我们就不一一详细展开了，结果就是小跃直接写了个项目出来，并且都保存在了本地。

现在的贪吃蛇变成了这样：

看来，在编程方面，小跃可以直接当你的实时助手了，从环境到代码包办。

那对于在不需要编程的场景下，它又有什么亮点呢？

“妙计”复用指令，还能定时执行

首先，这个桌面伴侣就像一个小助手，可以用它来设置提醒。

于是就会得到贴心提示：

还比如「/」设置一个“妙计”指令，提示词就可以无限复用

执行操作只需要：

• /图片按时间分类

更绝的是它能定时任务。

到点自动开刷小红书。

做任务还不用一个个排队，把事情都交给它，让它在后台跑，不干扰你当前的工作，任务结束时会浮出提醒。

说完功能，说说不足。

实测下来最大的一个感受就是

比如搭建环境，任务完成时长要以分钟为单位，可能一些性子急的朋友已经用这个时间找到教程自己做完了。

还有就是调试代码时遇到多个错误可能修改不完全，要让它多查几次。

还有就是，目前小跃只有Mac版本，据说Windows版本正在拍马赶来的路上……

让Agent更会玩电脑是未来技术趋势

当然了，“会玩电脑”、“接管电脑”也是Agent元年里最重要的产品及应用趋势。

大模型玩家早就摩拳擦掌了。

智谱一早就推出了桌面Agent，主打推理、生成PPT和海报，后来还接入了视频生成模型。

MiniMax的Agent也在今年的WAIC上亮相，被内部人员称为“超级员工”，能够输出分析报告、代码文件、网页小游戏、演讲ppt等多种形式。

前段时间Kimi家的OK Computer，可以自动在云端的临时虚拟环境进行操作。

而到了小跃这里，更是离开了浏览器，成为了悬浮球。

我们只需要通过语言交互，就可以在本地终端“为所欲为”。

过去需要用户手动衔接的操作环节，如今正被语言指令串联起来，或许未来我们和电脑的互动，会像和人对话一样轻松。

Agent正在打破人机交互的边界，也在对操作系统，提出新的要求。

— 完 —