开云kaiyun体育

机器之心发布

AI 正在学着操作电脑。

当年 AI 恢复问题，当今它径直初始帮你干活。填表格、录系统、整理文献，Anthropic 的 Claude Cowork、OpenAI 的 Codex 桌面版 —— 越来越多的 Agent 初始经受果真责任流。

但当所有这个词行业自便冲向桌面时，有一个问题被忽略了：AI 越来越会干活了，但无为东说念主该若何把我方的责任历程交给它？

咫尺主流 Agent 的逻辑是 “你写 Prompt → AI 施行”，听起来合理，施行中却屡屡碰壁。

掀开里面系统、填表单、传附件、点提交…… 这些看成早已是职工的 “肌肉操心”，可要用笔墨描摹明晰，大多数东说念主径直卡住。更别说跨系统跳转、条款分支，许多东说念主连 Prompt 从哪儿写起皆不知说念。

要是东说念主说不清历程，AI 还能学会吗？

挑升想的是，为了处置这个难题，硅谷催树立了一个新奇迹 ——FDE（Forward Deployment Engineer，前沿部署工程师）。

他们驻场在客户公司，责任即是把业务东说念主员 “说不清” 的历程，翻译成 AI 能施行的任务。他们既要懂技能，又要熟练果真的责任流。如今资深 FDE 的年薪中位数已高达 48.5 万好意思元。

FDE 的存在证据了一件事：让东说念主学会教 AI，其实莫得那么容易。

那要是能让 AI 我方学会知道业务历程，而不是靠年薪数十万好意思元的工程师来翻译，会若何？

有东说念主给出了谜底。

不会写 Prompt？那就演示给 AI 看

由清华大学计较机系博士团队创立的非十科技，最近发布了一款桌面 Agent 居品 ———Agivar。

与多数居品试图优化 Prompt 不同，它礼聘从另一个场所切入：让 AI 主动学惯用户的责任历程。

你不错把它知道成一个会操作电脑的 “AI 职工”。

Agivar 的中枢能力叫作念 “录屏训诫”，使用形貌额外神圣：掀开电脑录屏，像平素责任一样把历程操作一遍。录制扫尾后，剩下的事情交给 AI。

听上去有点像早年的 “按键精灵”？但两者其实完全不同。

按键精灵记载的是坐标和看成 —— 鼠标迁移到 (300,500) 点击，机械重叠；Agivar 学习的是任务和逻辑 —— 它不雅察你责任的每一步，然后知道：为什么先掀开这个页面？为什么填这个数字？什么情况下跳过这一步？

Agivar 学到的不是 “下一步点那处”，而是你的责任措施。它知道的是历程背后的王法与判断逻辑，而不是单纯复现点击轨迹。即便界面改版、按钮移位，它依然能识别正确筹划并施行。

你领导它一次，它就能把这套历程判辨、可回想地施行下去。

录屏三分钟，换回每天两小时

广东省某政务部门的责任主说念主员，每天皆要在里面系统处理多半表单。掀开系统→礼聘业务类型→填写信息→上传附件→提交审批，每天相通的历程皆要重叠十几次。仅这一项责任，日常就要花掉一、两个小时。

这些系统莫得 API、莫得自动化接口，只可靠东说念主工点击。于是他尝试使用 Agivar。录制了一次完好历程，不到三分钟，尔后这套历程便杀青了自动施行，毋庸再盯着屏幕迟缓操作。

录屏三分钟，换回每天两小时。

这么的场景远非个例。政务系统、企业 ERP、CRM、财务软件、里面 OA、采购系统…… 多半重叠、无 API、只高东说念主工操作的历程，恰是千千万万无为职工的日常。委果破费时间的从来不是复杂责任，而是那些让东说念主麻痹的重叠。

别的 Agent 还在想考，Agivar 也曾作念罢了

要是你试用过一些桌面 Agent，可能会有一个直不雅感受：聪颖，但慢。

原因并不复杂。因为大多数居品是径直调用通用多模态大模子 “硬解” 桌面任务：截图→上传云霄→推理→复返→施行，再截图→再推理……

对于桌面任务来说，这意味着多半与任务无关的能力也被带进了施行过程，每次点击皆奉陪五秒以上蔓延。所有这个词过程像一个刚学会电脑的新东说念主。

而 Agivar 礼聘了另一条道路。

团队针对桌面任务场景西宾了专用的施行模子，强化了桌面操作的能力。在此基础上，瞎想了 “大脑 + 小脑” 双层架构：

大模子（大脑）：知道录屏骨子、拆解任务筹划、筹划施行旅途、处理额外。

专用小模子（小脑）：界面识别、鼠标点击、键盘输入、高频看成施行。

这与东说念主类神经系统额外相似。当你开车时，不会每踩一次油门皆再行想考交通王法。大脑肃肃道路筹划，小脑肃肃具体看成。

支撑这套架构的，是团队基于清华大学自研深度学习框架 Jittor（计图） 开发的推理引擎，针对高朦拢、低蔓延场景的桌面任务场景，团队对模子休养和施行链路进行了专门优化，确保大小模子协同不恭候。

速率差距径直体当今数据上：

消灭台电脑施行消灭个后台信息录入的任务，某主流居品耗时 2 分 12 秒，Agivar 仅 57 秒，速率普及一倍以上。

单个任务差一分钟，差距能够不浮现。但当任务形成 100 份报销单、300 条客户信息，或者一天的批量审批时，分钟级差距很快被放大成小时级资本。

比速率更难的，是笃定性

速率天然贵重，但企业是否能让 Agent 走进坐蓐环境，柔和的不是快，而是稳。

大模子是概率系统。第一次点 A，第二次可能点 B，第三次换个按钮 —— 这在写诗时是创意，在财务录入、左券存档里却是风险。

AI 能否干涉坐蓐环境，拼的从来不是上限，而是下限。

为了处置笃定性，Agivar 作念了三层瞎想：

西宾敛迹。用海量桌面任务数据，强化 “界面现象→用户意图→施行径作” 之间的判辨映射，减少 “发散”。

多重校验。里面多个 Agent 交叉考据 —— 筹划、施行、不雅察、复核，不同变装各司其职，每一步皆有东说念主问：“点对了吗？界面还在预期现象吗？”

王法料理。高频历程的要道操作节点、十足不可出错的看成，径直写成表率遣散的 “铁律”。施行中枢要领时，系统会优先辞退预设旅途，不简陋进展。

最终筹划唯唯一个：消灭任务重叠施行，走相通旅途，得到相通遣散。

毕竟，对于企业来说，坐蓐环境不需要惊喜，只需要判辨。

全栈自研，清华团队的硬核底牌

Agivar 的模子西宾到施行框架，一说念由非十科技自研完成。团队的中枢成员来自清华大学计较机系，同期亦然清华自研的深度学习框架 Jittor（计图）的主要开发者。

Jittor 以其易用性和成果上风，早已成为国内主流深度学习框架之一，这意味着 Agivar 对底层推理休养的优化，并非开拓在第三方能力之上，而是具备从框架层到模子层的完好掌控能力。

Agivar 并非团队的第一个 “爆款”，此前团队推出的 AI 编程助手 Fitten Code，累计下载量跳跃 150 万，在多个主流插件平台评分第一。

同期领有大模子自研能力、深度学习框架研发能力以及百万级居品落地诠释，这么的组合，在国表里同类赛说念中并未几见。

让每个东说念主皆领有我方的 “AI FDE”

当年两年，AI 行业追赶的是更大、更强的模子。但时间走到今天，一个更施行的问题浮出水面：

AI 到底能不可委果干涉无为东说念主的责任流？

FDE 格式曾是谜底，但腾贵的资本让大多数东说念主我见犹怜。

今天，Agivar 礼聘了一条更朴素、也更普惠的旅途：把 “翻译” 和 “界说责任流” 的能力，交还给用户我方。毋庸横祸地学 Prompt，不必更正习气。一次录屏演示，就能西宾属于我方的桌面 Agent。

咫尺，Agivar 已开启公测，支捏 Windows 与 macOS。录一遍，让 AI 替你干活。

下载地址请探问：https://agivar.fittentech.com

从某种酷爱上说，“录屏训诫” 委果更正的并不是交互形貌，而是东说念主与 AI 之间的合作揣度。

它让桌面 Agent 第一次有契机开脱复杂建树和专科门槛，委果干涉无为东说念主的责任流。要是说当年的软件是在要求东说念主相宜系统，那么下一代的 Agent 正在反过来相宜东说念主。

而当每个东说念主皆领有一个能够知道我方责任历程的 “AI FDE” 时，这场对于成果的变革，能够才刚刚初始。

© THE END

转载请有关本公众号得回授权

投稿或寻求报说念：liyazhou@jiqizhixin.com开云kaiyun体育