AI 不該只是工具，而應該成為團隊中的「智能中樞」。

2023 年 3 月，微軟發布 Office Copilot，掀起 AI 辦公革命的第一波浪潮。然而，這場變革止步于簡單的「智能助手」或「聊天工具欄」的輔助層面，受限于軟件割裂、缺乏上下文記憶與協作能力，Copilot 式插件未能從根本上重構辦公邏輯。與此同時，Manus 和 Genspark 等 AI 原生平臺雖致力于提供更輕量級的辦公體驗，并嘗試實現「從寫到發」的一體化閉環，卻也受限于協作功能薄弱和編輯靈活性不足等問題，距離效率的質變仍有距離。

在此背景下，一群來自新加坡的博士團隊提出了新的解決方案，試圖打破 AI 辦公領域的現有僵局。他們打造的 AI 協作平臺Agnes，通過系統底層的創新，重塑了任務分工和信息流轉，有效打通了工具壁壘和信息孤島，讓 AI 真正成為團隊的智能中樞，進而能夠應對復雜任務流和真實業務需求。

01

多智能體驅動的全新協作Workspace

大部分 AI 辦公工具都只聚焦文檔本身，著重單人任務，一旦涉及多輪次、跨成員的復雜團隊的協作，就會顯得力不從心。

這是因為在單人任務中，AI 只需理解單個用戶的上下文。而在團隊協作場景下，AI 需要處理的信息包括整個團隊的對話、任務、文檔及歷史決策，信息量完全是指數級增長。這種超長的上下文理解、復雜的工具調用以及版本控制與沖突解決的挑戰，都使 AI 融入協作流程成為一個難題。

Agnes 罕見地完成了這一突破，構建了一個具備多人協作能力的原生的 AI 辦公平臺，可以寫文章，做研究報告，做 PPT，基礎的辦公任務都能承擔。團隊成員無需在多個應用和界面之間頻繁切換，所有輸入輸出、協作與任務進展都集中在一個具備記憶能力的統一工作空間中。

它的三大核心特性包括：

·真正的協作型 AI 工作空間：Agnes 構建了一個深度適配團隊協作場景的 AI 工作中臺，融合了團隊記憶、智能體分工和一體化內容生成。這使得任務推進和信息傳遞能夠圍繞實際協作流程展開，而非零散的輸入輸出。

·多人實時協作編輯：Agnes 支持團隊成員實時編輯文檔、報告和演示內容，所有修改即時可見，提供接近 Google Docs 的流暢協作體驗，顯著優于傳統 Office 的單一文件版本管理模式。

·一體化內容生產能力：Agnes 不僅僅是輔助優化某個環節，而是通過調度多智能體完成專業文檔與幻燈片的全流程生成。它是一款從底層以 AI 架構構建的協作平臺，具備完整的一體化內容生產能力。

通過將 AI 深度嵌入每一步操作，保證實時響應團隊討論，并記憶項目歷史、成員反饋和任務目標的能力，動態適應任務的演進，Agnes 成為了團隊的「協作大腦」，支持長期項目的連貫管理，而不僅僅是局部優化的輔助工具。

02

NUS 博士天團：Multi-Agent 協作雙引擎

Agnes 核心團隊成員主要是來自新加坡國立大學與南洋理工大學的博士，創始人兼靈魂人物 Bruce Yang 現為新加坡國立大學在讀博士，專注于多 Agent 推理架構與 Agent 應用落地研究，已經以第一作者身份發表多篇支撐 Agnes 平臺核心能力的技術論文，是一位兼具科研深度與產品實戰力的「技術派創業者」。本科畢業于加州大學伯克利分校，師從圖靈獎得主，主修數學與計算機雙學位。畢業后曾在微軟和領英擔任工程管理，主導會員付費等項目。

Agnes 總部位于新加坡，是新加坡本土孵化和培養的 AI Agent 企業，在底層模型和智能體框架上與 NUS 校方有較多較深入的合作。從 Agnes 產品在 Product Hunt 等社區平臺的用戶評論來看，口碑還算可以。

一方面是產品本身內容生成算同類產品中「快且好」的一批，協作場景的切入口準確；另一方面運營人群精準，主要服務白領、學生與內容創作者，新加坡人才活躍，與早期用戶建立了較穩固的連接，甚至有本地媒體稱其為新加坡的「DeepSeek」。

Agnes 前端生成與協作體驗的優化，根本其實在于其底層技術架構的突破：團隊自主研發的CodeAgents 多智能體推理框架以及輕量高效的 7B 參數推理模型 Agnes-R1。這是 Agnes 最核心的技術護城河，也是它敢于挑戰協作辦公這一復雜場景的底氣所在。

Agnes-R1 是 Agnes 團隊自研的 7B 推理模型，專為團隊協作設計。它支持長上下文記憶，能掌握項目前后的關鍵信息，并與多個 Agent 協作，處理復雜的多輪推理與資料整合任務。

如圖所示，Agnes 在調用模型時，不僅輸入用戶指令，還注入共享的團隊記憶和項目上下文。Agnes-R1 會結合任務目標，通過 CodeAgents 框架自動拆解任務，分配給不同智能體處理，最終匯總輸出統一結果。

Code Agents 則是 Agnes 團隊自研的多智能體推理框架。根據團隊公開發布的論文，Code Agents 在公開基準測試中展現出優異性能，尤其在降低多 Agent 協作場景下 token 消耗方面表現突出。

傳統多智能體 AI 框架由于依賴自然語言作為溝通橋梁，較容易陷入 token 消耗過高，任務流程難以追蹤，溝通效率低下，難以復盤與調試等問題中，從而在商業應用中造成對推理成本和可控性的巨大壓力。如果應用在協作長流程中，這些問題還會被成倍放大，制約實際落地。

Agnes 團隊的解決方案是采用結構化偽代碼驅動多智能體任務拆解與協作流程，將智能體分工、流程控制、工具調用、異常處理等全部明確寫入代碼層面，取代傳統基于自然語言的松散對話。相當于將多 Agent 任務處理轉化為工業流水線式的運作模式：任務拆解、角色分配、錯誤處理都有清晰邏輯，在提升性能的同時大幅降低成本。

這個架構可以大致分為三層：

結構化流程管理：對全流程、動作和反饋狀態進行結構化管理，精準定位關鍵失敗點和狀態變化。

模塊化任務拆分：將任務分解為樂高積木式標準化模塊，每個模塊的目標、分工、工具、反饋均明確細化，組合形成完整的協作任務流。

復雜流程控制能力：支持循環、條件分支、多輪任務自動回滾，以適應復雜工程和多輪協作場景。

根據多項公開基準測試結果，Agnes 的 CodeAgents 框架顯著優于傳統的自然語言多 Agent 方法。在 GAIA、HotpotQA 等多步驟推理和跨工具協作任務中，相比自然語言提示，CodeAgents token 成本顯著降低，準確率反而更高。在 VirtualHome 長鏈路仿真環境下，CodeAgents 任務成功率則提升近 20%，token 消耗減少約四成，大幅降低了成本和算力壓力。

并且更重要的是，這并非是「實驗室模型」，而是已接入到真實產品中的成熟能力。這種技術路徑不僅意味著更可控的用戶體驗，也為大規模商業化鋪平了道路。在當前大量 AI 工具因高昂的 Token 成本而難以盈利的背景下，Agnes 的成本與定價優勢將成為其在 AI 協作市場上的關鍵競爭力。

創始人 Bruce 不久前在新加坡路透社 RetuerNext 大會上也說過這個問題。誰能做到便宜、速度快、可控強，誰就能跑得更遠。在消費級 AI 應用中，推理幾乎能夠占據 70–80% 的公司年度開銷。在保證準確的前提下，AI 推理成本優化是下一階段 AI 普及的關鍵。

除了效率與成本的突破，Bruce 還在推動 AI 的「可信任進化」。Agnes 團隊正在與新加坡國立大學合作，研究一種「AI 信任協議機制」，目標是提升 AI 的透明性和可解釋性。核心做法包括：讓 AI 主動回報任務進度和關鍵里程碑；確保輸出是「人類可理解」的語言或結構，以確保人與 AI 之間的目標和約束達成一致；在訓練過程中引入強化學習激勵機制，對「未對齊行為」進行懲罰，以提升 AI 的可信度與協作能力。Bruce 表示，他們希望未來能推動一個全球通用的 AI 信任協議，確保 AI 始終與人類目標保持一致。

03

AI 辦公的下一幕：協作范式的重構

Agnes 之所以引人注目，不僅在于其創新性，更因為它站在了協作范式變革的臨界點上。AI 插件和自動化工具看上去層出不窮，但本質仍是為舊有流程「打蠟拋光」，團隊的信息流割裂、知識難以沉淀、跨工具協作低效、流程混亂等問題始終未能根本解決。

Agnes 從底層架構、模型訓練到 Agent 框架全部自研，所追求的正是從協作出發，打造 AI 原生的協作辦公系統，重構了內容生成、任務分工與團隊記憶的邏輯。讓 AI 不再是輔助工具，而是被嵌入組織運轉的主干流程中，推動知識流實現真正的統一和智能分發。

短時間內，Agnes 大概率并不能像其聲稱的那樣終結微軟 Office 的統治，但 Agnes 提供了一個重要的信號：系統級的重構辦公，或許才是下一代辦公工具真正的起點。隨著其產品功能的完善，「下一代 Office」是更聰明的單兵作戰工具，還是懂協作、懂流程、懂記憶的智能「團隊大腦」？這場辦公革命，值得每一個關注未來工作方式的人深思與期待。盡管工程難度遠超傳統應用，但如果這條路徑能夠跑通，其意義將不僅僅是提升某個環節的效率，而是重新定義團隊的協作方式。

最后，以 Agnes 創始人 Bruce 的一句話結尾「贏家會思考如何站在 AI 浪潮中抓住結構性變化、流量入口和組織創新。」可能不夠完美，但它已經足夠有力、足夠新鮮、也足夠扎實，Agnes 值得成為 AI 辦公領域的另一個起點。

*頭圖Agnes

AI 玩具是當下火熱的創業賽道，有一家國民級的兒童內容 IP 也下場了：凱叔講故事，其旗下的故事機銷售超過 1000 萬臺。「凱叔」為什么要做 AI 玩具？打造好兒童產品的關鍵是什么？

今晚 20:00，極客公園視頻號直播間，我們請來了凱叔講故事創始人凱叔，一起聊聊：給孩子做的 AI，應該長什么樣？