夢瑤 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

微軟的IE要是看到如今瀏覽器爭霸的場面，估計(jì)都得用蹩腳的中文來一句：“生不逢時啊生不逢時！！！”

說實(shí)話，它真要這么說了，還真沒人反駁得了。（笑）

畢竟這倆仨月，從Comet到Atlas，家家戶戶都在給自家瀏覽器塞AI。

小編我這陣子也試了好幾款新出的AI瀏覽器，實(shí)不相瞞，體驗(yàn)過程有點(diǎn)坎坷...

一方面，受限于網(wǎng)絡(luò)環(huán)境和電腦系統(tǒng)，不少用戶可能第一步就被部分瀏覽器拒之門外了，對吧Open AI？

另一方面，像Agent這種看起來最實(shí)用的功能，不氪點(diǎn)金大概率用不上…

好在，也不是所有產(chǎn)品都需要上來就掏錢包。

這不，F(xiàn)lowith最近也搞了個新東西：

FlowithOS，全球首款專為AI Agent打造的操作系統(tǒng)，重點(diǎn)是Windows用戶也能用，終于不是Mac專屬了：

它的最大特點(diǎn)是：雖然長得像瀏覽器，但干的卻是執(zhí)行的事兒，能讓Agent自己動鼠標(biāo)、跑流程、干活。

像下面這位網(wǎng)友老哥Andrew Boils，就在FlowithOS上讓Agent整了個資訊自動匯總的文檔。

誒，如果真能讓系統(tǒng)自己把流程跑了，那確實(shí)省心不少。

于是，我這次直接從檢索執(zhí)行、信息整合、語義理解三個維度上手測了一波。

總的來講，F(xiàn)lowithOS確實(shí)具備一定的Agent檢索和執(zhí)行能力，但問題也同樣明顯，比如執(zhí)行節(jié)奏容易被中途打斷等等，離真正能替人省事兒還有點(diǎn)距離…

至于具體表現(xiàn)，咱接著往下看。

一手實(shí)測FlowithOS

實(shí)測之前，咱們先弄清楚一件事兒，就是AI瀏覽器到底該具備啥樣的能力。

我粗略梳理了一下，現(xiàn)在市面上的AI瀏覽器差不多可以分為三種：

一種是傳統(tǒng)瀏覽器+AI插件的組合，類似于Chrome、Edge這種，掛個擴(kuò)展，就能搞定摘要、翻譯、問答，但離“智能”還有一段距離。

還有一種是代理型瀏覽器，比如基礎(chǔ)版的Comet，AI能在側(cè)邊欄查資料、整理信息、生成總結(jié)等等，做一些輔助性工作。

再就是像Atlas這種，直接讓Agent上桌，智能體自己就能點(diǎn)網(wǎng)頁、填表單、跑任務(wù)。

而FlowithOS又有點(diǎn)特殊，它不是瀏覽器，而是一個針對Agent做的操作系統(tǒng)，所以既保留了瀏覽器“能搜能看”的能力，又能自己去落地執(zhí)行…

所以這次咱也不走老路數(shù)了，干脆從兩條主線開測：一是Agent應(yīng)該具備的檢索+執(zhí)行能力，二是AI瀏覽器該有的信息整理和語義理解能力。

看看這個能讓Agent自己“下地”干活兒的OS到底幾斤幾兩～

檢索&執(zhí)行能力測試

所有AI瀏覽器都喜歡講一件事就是：俺能自動檢索并執(zhí)行任務(wù)。

但什么才算是好的“執(zhí)行力”呢？

光能點(diǎn)網(wǎng)頁、會搜關(guān)鍵詞當(dāng)然不夠，更重要的是Agent能不能自己串起一整條任務(wù)鏈，執(zhí)行完還能給出結(jié)果來。

我先給FlowithOS安排的，是一個具備典型鏈?zhǔn)浇Y(jié)構(gòu)的任務(wù)指令，用來驗(yàn)證它是否具備“跑完一整條流程”的基礎(chǔ)執(zhí)行力：

在閑魚上找一臺價格低于2200元的Pocket3，并主動聯(lián)系賣家，問清最低價和購買渠道。

這是一個典型的多步驟、多動作任務(wù)，F(xiàn)lowithOS把整個執(zhí)行操作大概拆成以下幾個執(zhí)行環(huán)節(jié)：

包括打開指定平臺、發(fā)起關(guān)鍵詞檢索、篩選價格條件、進(jìn)入目標(biāo)詳情頁、發(fā)起對話，問兩個關(guān)鍵問題以及等待回應(yīng)。

過了大概10分鐘，F(xiàn)lowithOS最終成功鎖定了閑魚上一位標(biāo)價1850元的賣家，并成功把價格砍到了1750元：

好消息是，它確實(shí)具備了完整行為鏈的執(zhí)行能力，能在不依賴用戶點(diǎn)鼠標(biāo)的情況下，完成從目標(biāo)理解到頁面操作再到發(fā)起互動的一整套流程。

但也不是沒有bug：

首先從用戶體驗(yàn)角度看，它響應(yīng)速度并不算快，步驟一多，電腦發(fā)熱卡頓問題還是非常明顯的…

我們用Agent去替我們做事兒的原因，不是光能給我們省力，還是要能替我們省出時間去干別的事兒。

此外購買邏輯也有一些問題。

我的原話是“貨比三家”，但它顯然在京東看到合適的，就急著讓我先下單了，然后才補(bǔ)了一句：要不咱再去天貓和拼多多看看？

這邏輯就像你讓朋友幫你比價，他路過第一家覺得還行，就嚷嚷著“這家買吧”，你提醒他還沒逛完…

剛才的Pocket3案例屬于單一對象+互動操作，雖然流程完整，但任務(wù)本身相對簡單，主要考的是線性執(zhí)行能力。

咱這回加點(diǎn)難度，來測試一下Agent執(zhí)行中的多條件任務(wù)拆解能力。

這次它不僅要完成一個目標(biāo)動作，還得在任務(wù)開始前就準(zhǔn)確提取出多個篩選維度，并在執(zhí)行中逐條落實(shí)，最終整合出符合所有條件的結(jié)果。

我給FlowithOS的指令是這樣的：

幫我整理一下安居客平臺上鶴崗市總價低于3萬，面積大于45平，朝南戶型的房源信息。

從結(jié)構(gòu)上看，這個任務(wù)的關(guān)鍵在于三個并列篩選條件：價格、面積、朝向。

Agent需要先識別出這些邏輯約束，再在頁面上完成相應(yīng)篩選配置，然后在結(jié)果列表中定位匹配項(xiàng)，最后提取出核心信息并返回。

這回它跑了大概5分多鐘，給我挑出了一套面積45平，售價2.5萬的房子：

但問題馬上就來了——這套房子朝東…人家的免罪理由是：沒找到朝南的房子。

表面上解釋得過去，但用AI久了的都知道，這種說法十有八九是“沒認(rèn)真找”…

我一時起了疑，決定親自上安居客查一下，果然不到兩分鐘就找到了不止一套符合要求的朝南房源，條件比它給出的還更好。

為了一探究竟，我調(diào)出了它的執(zhí)行路徑，結(jié)果一目了然：它根本沒有勾選“朝向”這個篩選項(xiàng)，然后美名其曰說“查無此房”。

這類問題在Agent執(zhí)行過程中算比較常見，明明用戶的意圖是全滿足，系統(tǒng)卻把多目標(biāo)理解成盡量滿足，在任務(wù)拆解時缺乏結(jié)構(gòu)化處理能力，就會出現(xiàn)這種問題。

感覺不是執(zhí)行不力不足，是執(zhí)行過于自由…

信息整合能力測試

當(dāng)然了，光能檢索信息的Agent還算不上好Agent。

真正的價值還在于它能不能把信息歸納、提煉、總結(jié)，讓我們省的不只是點(diǎn)鼠標(biāo)的力氣，還有思考的時間～

這回我給FlowithOS投喂的是B站UP主“食貧道”的一條視頻鏈接，看看它能不能像個編劇助理那樣，從中理出腳本思路、表達(dá)邏輯、節(jié)奏結(jié)構(gòu)：

幫我去分析一下“食貧道”在b站的這個視頻，分析出整個視頻的腳本邏輯，有什么值得借鑒的敘事技巧。

輸出的效果也還不錯，結(jié)構(gòu)完整，分析思路清晰，甚至把“內(nèi)容主線—講法分析—表達(dá)方式”這三板斧都總結(jié)出來了。

但我不知道大家有沒有留意它的最后一句話，我特意放大給大家看：

我稍微翻譯一下：我給你的結(jié)論是基于標(biāo)題和標(biāo)簽整理的，我只是點(diǎn)進(jìn)了網(wǎng)頁，但視頻我沒看哈。

沒錯，它沒有真正瀏覽視頻內(nèi)容，而是靠頁面附屬信息給出了的分析…

為了確認(rèn)是不是FlowithOS特有的偷懶操作，我又把同樣的提示詞丟給了Atlas，結(jié)果如出一轍：

但說實(shí)話，出現(xiàn)這結(jié)果其實(shí)并不意外，這屬于Agent操作中一種非常常見的處理方式：元數(shù)據(jù)提煉。

它主要參考的是標(biāo)題、副標(biāo)題和Tag，再結(jié)合網(wǎng)頁結(jié)構(gòu)去做總結(jié)，根本沒有進(jìn)入視頻內(nèi)容層面去瀏覽和歸納信息。

從當(dāng)前主流大模型的能力來看，不管是ChatGPT還是Gemini，在基礎(chǔ)模式下確實(shí)沒法像人那樣把視頻完整看完再提煉節(jié)奏和表達(dá)。

但真正的問題是：它幾乎不會明著告訴你這一點(diǎn)…人家不會說“我其實(shí)沒看”，它只會說“你要的分析我做好了”。

而作為用戶，我們很可能看到一份結(jié)構(gòu)清晰的總結(jié)就直接信了，根本意識不到：這其實(shí)是AI靠“標(biāo)題+標(biāo)簽+副標(biāo)題”拼湊出來的偽邏輯。

這就像你問朋友：“你看完這片了嗎？”

他說：“我翻了豆瓣短評，應(yīng)該差不多懂了。”

語義理解能力測試

作為一個有著基礎(chǔ)AI能力的操作系統(tǒng)，起碼要能聽得懂人話，這方面FlowithOS的表現(xiàn)確實(shí)出乎意料地好…

我這次給出的是一道需要揣測文本信息并能體現(xiàn)中華文化博·大·精·深的問題：

我有一個朋友快過生日了，她的MBTI是isfj，她上班有點(diǎn)忙經(jīng)常加班，平時喜歡一個人呆著，家里還養(yǎng)了只小貓，你幫我給她挑一個適合她的生日禮物。

這是一道典型的共情型場景模擬題，考的是語義理解+知識聯(lián)想+價值判斷+情緒感知的綜合能力。

大概過了十分鐘，Agent幫我選出來了兩個禮物，一個是香薰套餐，一個是筆記本：

檢索流程結(jié)束之后，Agent給出了它選擇這兩個商品作為禮物的理由：

說實(shí)話，蠻讓我震驚的，不是因?yàn)锳gent準(zhǔn)確識別了朋友的MBTI，而是能夠把不同的信息串在一起進(jìn)行考量。

大家看第三點(diǎn)，Agent在篩選完香薰后，留意到很多香薰可能會對貓咪有毒，所以最終才選擇了能diy定制的筆記本，而且筆記本本身也符合isfj內(nèi)心細(xì)膩又務(wù)實(shí)的特點(diǎn)。

說實(shí)話，測到這兒，它在我心里最大的加分項(xiàng)已經(jīng)不是執(zhí)行力，而是對復(fù)雜語義的理解能力了，確實(shí)有兩下子…

小小OS，花樣不少

除了執(zhí)行任務(wù)的動手能力，F(xiàn)lowithOS還有些“動腦子”的設(shè)計(jì)，值得拿出來說說。

比如它頁面里那個不太起眼的小模塊——Skill，看名字是不是有點(diǎn)熟悉？（對，Claude前陣子也剛上線了同名功能）

在FlowithOS里，Skill不是那種外掛插件或者額外能力，它是操作系統(tǒng)層面的一部分，是專門用來教Agent怎么把事一步步辦成的“說明書”。

像上面這張圖，就是一個Skill模板的示意，任務(wù)是上傳一條YouTube視頻。整個流程從打開網(wǎng)頁、上傳視頻文件、填寫標(biāo)題描述，到設(shè)置權(quán)限選項(xiàng)，全都能由Agent自動跑完。

換句話說，它不是教你怎么用YouTube，而是教Agent替你去操作YouTube，下次遇到類似任務(wù)，Agent就能照著記憶直接上手了，既提速，也提穩(wěn)。

此外，F(xiàn)lowithOS的記憶功能也值得拿來說說，它可以根據(jù)用戶的指令習(xí)慣、偏好和風(fēng)格來不斷優(yōu)化操作系統(tǒng)自身，你使用它的次數(shù)越多，它就越會進(jìn)化并學(xué)會成為你自己：

在Online-Mind2Web基準(zhǔn)測試?yán)铮現(xiàn)lowithOS的綜合測評甚至還把Gemini和Atlas都給比下去了：

當(dāng)然，測試歸測試，真實(shí)使用感和測試數(shù)據(jù)還是兩碼事。

這輪實(shí)測下來，實(shí)話實(shí)說：FlowithOS現(xiàn)在離“完全成熟”還有點(diǎn)距離。

偶爾卡殼、加載中斷、網(wǎng)頁打不開、結(jié)果答非所問這些小毛病，還是會遇到，尤其當(dāng)任務(wù)復(fù)雜度一上來，它的腦子也不是每次都在線。

但又不得不承認(rèn)，它確實(shí)不太一樣。

它不是把AI插在瀏覽器里，而是把瀏覽器本身變成了一個能執(zhí)行任務(wù)的Agent空間，操作的“鼠標(biāo)和雙手”不再是用戶，而是Agent本身。

每一次執(zhí)行、每一條指令、每一個點(diǎn)錯、點(diǎn)對的動作，都會被系統(tǒng)記住，并沉淀成你的專屬使用方式。

所以盡管還有不少小毛病，但這東西，它確實(shí)值得等等看，沒準(zhǔn)真有那么一天，咱可能連打開電腦這一步都可以省了…（doge）

最后問一嘴，大家都裝AI瀏覽器了嗎，都用它來干點(diǎn)啥？

如果有什么“不想自己動手”的但還好奇想測測的AI產(chǎn)品，歡迎評論區(qū)留名，我們可以安排挨個測！