前言
今天赶上自媒体都在推广llama4开源，给家人们分享一下，manus爆火之后Agent的一些深度思考，本文的信息密度很高~
文章的起因是，一个叫Agent S2的框架开源，由Simular.ai团队推出的一个框架在多个computer use的benchmark上获得了SOTA的结果。这个框架的设计也给AI Agents的设计扩展了思路，让我们有机会重新思考Agent技术的发展和设计。
值得一提的是，Agent S2新框架，在os操作上获得了非常优异的成绩，超过了openai的CUA、以及claude 3.7等。
架构：拆分还是整合？
Agent S2的创新： 提出了合式智能设计理念。不同于依赖单一模型同时处理规划、执行和界面交互的传统方法，Agent S2将这些职责分配给不同的专业模块：
- MoG：调用多个专家系统(视觉、文本、结构化)来准确定位GUI元素
- PHP：根据环境反馈动态调整计划，而非遵循固定脚本
关于细节可以参考论文和代码，今天休息日不啃太硬的骨头了~
- 开源论文： https://arxiv.org/pdf/2504.00906
- 开源项目地址：https://github.com/simular-ai/Agent-S
看到这种设计，不禁让人思考智能体到底该怎么构建：
- 究竟是将能力集中于一个强大的通用模型，还是分配给各个专业模块更有效？ （Less Structure, More Intelligence）
- computer_use能力是否是必备的？ （genspark的super agent没有使用computer use）
智能体实现的多元路径
当前智能体开发呈现出多元化技术路径：
- 计算机操作路径：通过虚拟机、浏览器等方式模拟人类使用计算机，如Agent S2、manus等
- API直接调用路径：绕过图形界面，直接与服务进行数据交换，如Genspark等产品
- 命令行路径：借用OWL的万字采访原文，命令行可能是比图形界面更高效的智能体工具：把终端命令行运用到极致。AI agent如果能熟练运用命令行，便具备超强通用能力。
每种路径各有优势：图形界面操作更接近人类使用习惯；API调用效率更高但受限于现有接口；命令行则兼具灵活性与效率。这反映了不同设计理念的权衡取舍。
但是每种路径也有自己的劣势，使用computer_use的智能体，上限很高，但是单次任务的延迟也很高。这个对比manus和genspark就可以清晰的感受出来，后者的速度要快得多。但是manus可以完成一些后者没法做到的事情，比如说给探索agi的公众号最新的文章点个赞。claude code主打命令行级别的操作系统应用，有点像cursor的composer命令行模式。不过这种方式门槛太高，所以传播度并不高。
"结构化"与"智能化"的辩证关系
看到Agent S2的模块化设计，肯定会有人diss了。不是最近一直在推广 "Less Structure, More Intelligence"的理念吗？ 主张减少预设结构，让模型自然发挥智能。
这两种思路背后是对AI能力的不同理解：是将问题分解给专业模块处理更高效，还是让强大的单一模型自主处理全流程更具潜力？
这种对立反映了一个更深层的技术哲学问题：随着模型能力提升，系统架构应该如何演进？一种可能的答案是：“当模型智能水平达到一定阶段后，结构化约束自然会减少，而非强行减少结构化支持就能使产品显得更智能。”
智能体的能力放大效应
在实际应用中，我们可以观察到智能体表现出独特的能力放大现象：
- 接口优化效应：针对AI优化的接口比针对人类设计的界面更适合智能体。这解释了genspark智能体放弃图形界面操作，转而采用API或命令行方式。
- 任务流畅度提升：成熟的智能体能将多步骤的复杂流程转化为单次交互，大幅降低用户心智负担。例如，过去需要"将调研交给OpenAI，获取报告后复制到ChatGPT进行分解，生成面向Cursor的prompt"等多步操作，现在可通过单一指令完成。
- 自我校正机制：优秀的智能体会不断学习任务执行过程中的失败模式，形成独特的防错机制，这种机制往往比预设规则更加灵活有效。
最后
随着AI智能体的逐渐变强，在张小珺 商业访谈录的Q1季报中，很笃定，AGI的实现可能会在未来2年内，也就是26年底，27年初。所以应对这种技术的快速发展，我们可能需要快速接受的一种范式改变。
过去，人类需要学习如何使用计算机界面；而在智能体时代，计算机需要学习如何理解人类意图。
同时，这种转变改变了人才需求的本质——从执行具体任务的能力，转向定义问题和指导智能体的能力。
最后的最后
感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。
为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。
这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。
这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
大模型知识脑图
为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
经典书籍阅读
阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。
实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
面试资料
我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下
640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】