前陣子我一直在用新版Marvis的內(nèi)測(cè)版有個(gè)感受特別強(qiáng)烈這款產(chǎn)品變了。以前用桌面AI助手基本都是我主動(dòng)調(diào)起——截圖丟給它問、粘貼代碼讓它看、遇到不懂的句子拖進(jìn)去翻譯。但升級(jí)到“AI管家”之后它開始自己動(dòng)了你在瀏覽器里訂完機(jī)票行程卡片會(huì)直接推到屏幕右下角你在文檔里寫到一半卡殼它會(huì)主動(dòng)把思路和補(bǔ)充建議列在旁邊甚至你剛打開某個(gè)軟件它已經(jīng)預(yù)判了接下來可能要進(jìn)行的操作。這種從被召喚到主動(dòng)服務(wù)的變化正是這次升級(jí)最核心的產(chǎn)品關(guān)鍵詞直接觸達(dá)。這篇文章我想從產(chǎn)品邏輯、技術(shù)底座、落地經(jīng)驗(yàn)三個(gè)層面拆一下桌面智能體走向直接觸達(dá)這件事的本質(zhì)。無(wú)論你是關(guān)注AI產(chǎn)品方向的從業(yè)者還是對(duì)AI管家這類工具有興趣、想搞清楚它到底能做什么、該不該裝、裝完怎么配置更安全的普通用戶這篇文章應(yīng)該都能給你一些參考。我會(huì)把行業(yè)里做桌面智能體的通用做法、我認(rèn)為Marvis這次升級(jí)的合理產(chǎn)品邏輯以及我自己在同類工具上踩過的坑、驗(yàn)證過的經(jīng)驗(yàn)一次性講清楚。1. AI管家到底升級(jí)了什么從被動(dòng)應(yīng)答到主動(dòng)觸達(dá)的產(chǎn)品轉(zhuǎn)型1.1 升級(jí)前后的產(chǎn)品形態(tài)對(duì)比老一代的桌面AI助手本質(zhì)上是一個(gè)懸浮對(duì)話框。用戶需要先喚起它然后輸入問題或指令A(yù)I處理完、給出答案這輪交互就結(jié)束了。問題在于上下文是斷裂的。你問完一個(gè)問題切回文檔繼續(xù)寫AI并不知道你剛才在寫什么也不了解你現(xiàn)在的進(jìn)度。下次提問時(shí)你得把背景重新描述一遍。這種模式對(duì)用戶來說其實(shí)省不了太多事——省掉的只是打開搜索引擎這一步但描述問題的精力一點(diǎn)沒少。Marvis這次升級(jí)成AI管家產(chǎn)品形態(tài)上做了幾個(gè)關(guān)鍵改動(dòng)對(duì)比維度舊版助手升級(jí)后的AI管家交互方式對(duì)話式用戶主動(dòng)發(fā)起常駐式AI主動(dòng)觸達(dá)上下文單次任務(wù)內(nèi)有效跨應(yīng)用、跨時(shí)段持續(xù)累積任務(wù)發(fā)起方只能由用戶發(fā)起AI可基于場(chǎng)景自主發(fā)起建議服務(wù)形態(tài)回答一個(gè)問題結(jié)束圍繞一個(gè)目標(biāo)持續(xù)服務(wù)直至完成典型場(chǎng)景翻譯、搜索、問答行程管理、寫作輔助、操作預(yù)判最核心的變化在任務(wù)發(fā)起方這一行。過去的產(chǎn)品邏輯是用戶是命令的發(fā)起者AI是執(zhí)行者AI永遠(yuǎn)等著被叫。這就像你家里請(qǐng)了個(gè)鐘點(diǎn)工你告訴它今天擦窗戶它就只擦窗戶擦完走人桌子上的灰它當(dāng)沒看見。升級(jí)后的管家邏輯變成AI是桌面的常駐服務(wù)者它持續(xù)觀察你在做什么、你處于什么進(jìn)度、你接下來可能需要什么然后在合適的時(shí)機(jī)主動(dòng)提供幫助。從產(chǎn)品形態(tài)上Marvis從一個(gè)工具變成了一個(gè)角色。1.2 管家和助手的本質(zhì)區(qū)別很多人會(huì)把AI助手和AI管家混著叫但兩者的產(chǎn)品定位差別非常大。助手是執(zhí)行工具講究的是我說什么它做什么勝在響應(yīng)速度和指令理解準(zhǔn)確率。管家則是服務(wù)主體講究的是我知道你需要什么并且在合適的時(shí)候給你勝在主動(dòng)性和全局判斷。舉個(gè)例子。舊助手模式下你早上到工位打開電腦手動(dòng)打開日歷、會(huì)議軟件、郵件客戶端、待辦清單然后挨個(gè)看今天有什么安排。這是你自己在串流程。管家模式下Marvis在你打開電腦的那一刻就能感知到今天有哪幾個(gè)會(huì)、哪些任務(wù)臨近截止、哪個(gè)文檔今天要交它會(huì)把這些信息主動(dòng)匯總出來甚至可以幫你把相關(guān)文件預(yù)先打開。這不是簡(jiǎn)單的功能疊加而是一次交互范式的轉(zhuǎn)換從命令式變成代理式。用戶不再需要事無(wú)巨細(xì)地描述需求而是把上下文交給AI由AI來判斷什么時(shí)候該做什么。騰訊把Marvis從助手升級(jí)為管家本質(zhì)上是對(duì)桌面場(chǎng)景價(jià)值的一次重估——用戶在電腦前的工作時(shí)間是目前數(shù)字生活中密度最高、生產(chǎn)力最強(qiáng)的一段時(shí)間誰(shuí)能在這一整段時(shí)間里持續(xù)提供服務(wù)誰(shuí)就真正占住了用戶。1.3 直接觸達(dá)這個(gè)關(guān)鍵詞到底意味著什么這次升級(jí)的所有宣傳口徑里直接觸達(dá)出現(xiàn)頻率最高。我理解它包含三個(gè)層次感知的直接觸達(dá)、服務(wù)的直接觸達(dá)、價(jià)值的直接觸達(dá)。感知的直接觸達(dá)是AI不再需要你明確告訴它我在寫方案它通過屏幕內(nèi)容、窗口狀態(tài)、文件操作就能自己理解。服務(wù)的直接觸達(dá)是AI的產(chǎn)出物不再蜷縮在對(duì)話框里等你來看而是以懸浮卡片、角標(biāo)、推送等形式出現(xiàn)在你正在聚焦的屏幕區(qū)域附近。價(jià)值的直接觸達(dá)則是AI把信息直接加工成行動(dòng)結(jié)果——比如它不只是告訴你會(huì)議要開始了而是直接幫你生成了會(huì)議紀(jì)要模板、拉好了相關(guān)文檔。這三個(gè)層次疊加起來才是管家和助手真正的分水嶺助手給你答案管家給你結(jié)果。2. 桌面智能體實(shí)現(xiàn)直接觸達(dá)的技術(shù)底座屏幕理解、意圖預(yù)測(cè)與控制執(zhí)行直接觸達(dá)聽起來很酷但實(shí)際上工程挑戰(zhàn)非常大。一個(gè)桌面智能體要實(shí)現(xiàn)主動(dòng)服務(wù)技術(shù)棧上必須有三個(gè)層次感知層、決策層、執(zhí)行層。缺了任何一層所謂AI管家都只是套了個(gè)殼的鬧鐘。2.1 感知層桌面狀態(tài)的全景理解感知層解決的是AI怎么知道用戶在干什么?，F(xiàn)在行業(yè)里的通用做法是組合多種信號(hào)源。第一種是截屏OCR。這是最直接的方案。AI周期性截取屏幕內(nèi)容通過光學(xué)字符識(shí)別把屏幕上的文字提取出來再配合視覺模型理解界面布局和元素位置。但這里有個(gè)大坑全屏OCR如果做得太頻繁CPU和內(nèi)存占用會(huì)非常難看。我實(shí)測(cè)過的同類工具里如果每秒截一次全屏再跑OCR風(fēng)扇會(huì)直接起飛。行業(yè)里的成熟做法通常是事件驅(qū)動(dòng)截屏——只有在檢測(cè)到鼠標(biāo)點(diǎn)擊、鍵盤輸入、窗口切換、頁(yè)面滾動(dòng)這類事件發(fā)生時(shí)才觸發(fā)一次屏幕捕獲。這樣既保證了感知的及時(shí)性又避免了無(wú)意義的算力浪費(fèi)。第二種是輔助功能API。Windows的UI Automation、macOS的Accessibility框架這些原本為無(wú)障礙設(shè)計(jì)的接口現(xiàn)在成了桌面智能體最穩(wěn)定的眼睛。通過輔助功能APIAI可以拿到當(dāng)前窗口的標(biāo)題、控件結(jié)構(gòu)、文本內(nèi)容甚至能直接定位到某個(gè)按鈕的坐標(biāo)。這比純靠截屏做視覺識(shí)別要穩(wěn)定得多也沒有額外的圖像識(shí)別延遲。第三種是本地知識(shí)索引。要把管家做到跨時(shí)段、跨應(yīng)用的理解AI必須能查閱你的文檔、郵件、日程。Marvis這類桌面智能體通常會(huì)把常用文檔和文本內(nèi)容做向量化索引存到本地向量數(shù)據(jù)庫(kù)里。用戶問我上周寫的那個(gè)方案里提到的預(yù)算數(shù)據(jù)是多少AI其實(shí)是在本地索引里檢索而不是真的去理解每一份文件。這個(gè)過程全程發(fā)生在本地對(duì)隱私友好也決定了響應(yīng)速度。2.2 決策層什么時(shí)候該出手感知解決看到?jīng)Q策解決要不要?jiǎng)邮?。這是桌面智能體最難的部分也是最容易翻車的地方。決策層要回答兩個(gè)問題用戶接下來最可能需要什么此時(shí)此刻適不適合打斷前一個(gè)問題靠意圖預(yù)測(cè)——結(jié)合當(dāng)前屏幕內(nèi)容、最近的操作序列、日歷安排、文件變動(dòng)的綜合判斷。比如你打開一個(gè)空白文檔標(biāo)題寫了Q3復(fù)盤手指停在鍵盤上超過十秒AI大概率能推斷你正在試圖組織開篇。后一個(gè)問題靠什么靠一套打擾成本評(píng)估機(jī)制。我比較喜歡的一個(gè)設(shè)計(jì)思路是每一次觸達(dá)AI都要在心里給提示收益R和打斷成本C打個(gè)分。如果R明顯大于C才值得彈出提示如果R勉強(qiáng)等于C那就忍住不出手。舉個(gè)例子你正在走神刷網(wǎng)頁(yè)AI提醒你五分鐘后有會(huì)這個(gè)提醒的收益很高打斷成本很低值得觸達(dá)。但如果你正在全屏演示PPTAI這時(shí)候彈一個(gè)檢測(cè)到你有新郵件收益幾乎為零打斷成本極高這種觸達(dá)就該被直接摁死。這個(gè)機(jī)制聽起來簡(jiǎn)單實(shí)際落地時(shí)要做到該出手時(shí)才出手需要大量的場(chǎng)景調(diào)參。目前所有自稱AI管家的產(chǎn)品在這塊都是摸著石頭過河誰(shuí)也不比誰(shuí)強(qiáng)太多。2.3 執(zhí)行層從建議到接管決策層決定要不要說執(zhí)行層解決說完了怎么做事。桌面智能體既然叫管家就不能只停留在建議層面它必須能干活。干活的核心技術(shù)是GUI自動(dòng)化。目前比較穩(wěn)妥的方案是優(yōu)先走輔助功能API做元素級(jí)別定位——找到按鈕、菜單、輸入框然后模擬點(diǎn)擊和輸入。坐標(biāo)級(jí)的模擬點(diǎn)擊雖然簡(jiǎn)單但窗口一變位置就失效只適合做兜底。業(yè)界也在嘗試讓視覺模型直接輸出操作指令形成看到界面→理解結(jié)構(gòu)→生成操作序列的閉環(huán)但目前穩(wěn)定性還比不上API方式。執(zhí)行層一定要有一個(gè)設(shè)計(jì)原則可逆操作優(yōu)先不可逆操作必須確認(rèn)。打開一個(gè)軟件、新建一個(gè)文件、切換到某個(gè)窗口這些操作可逆AI可以自主執(zhí)行。但發(fā)送郵件、刪除文件、提交訂單、修改線上配置這些操作后果不可撤銷絕對(duì)不能在用戶不知情的情況下自主執(zhí)行。這個(gè)原則幾乎決定了一款桌面智能體是幫手還是災(zāi)難。3. 何時(shí)出手才是管家的核心能力打擾分級(jí)、上下文感知與場(chǎng)景判斷Marvis這次升級(jí)讓AI管家這個(gè)概念火了以后很多人跑來問我桌面智能體到底應(yīng)該長(zhǎng)什么樣我的看法是衡量一個(gè)管家好不好不看它多聰明而是看它多懂分寸。一個(gè)天天搶在你前面艾特你的AI那不是管家是話癆。3.1 打擾分級(jí)設(shè)計(jì)不是所有觸達(dá)都需要彈窗聰明的好管家知道什么話要湊到耳邊說什么話只要留在便簽紙上就夠了。桌面智能體的觸達(dá)方式也必須分級(jí)設(shè)計(jì)。我測(cè)試多個(gè)同類產(chǎn)品后覺得比較成熟的分級(jí)模型分四檔隱身檔后臺(tái)預(yù)取AI悄悄把相關(guān)數(shù)據(jù)準(zhǔn)備好不打擾用戶。比如你正在看某家公司的官網(wǎng)AI已經(jīng)在后臺(tái)檢索了這家公司的公開信息等你切回文檔準(zhǔn)備寫合作方案時(shí)參考資料已經(jīng)在旁邊待命。提示檔托盤/角標(biāo)消息出現(xiàn)在屏幕角落的托盤或角標(biāo)上有紅點(diǎn)、有摘要、不彈大窗。適合你有一封新郵件下載已完成這類弱提醒。建議檔卡片確認(rèn)AI給出明確建議以懸浮卡片形式出現(xiàn)附上執(zhí)行和忽略按鈕。適合我?guī)湍阏砗昧藭?huì)議紀(jì)要要插入當(dāng)前文檔嗎這類需要用戶拍板的情況。執(zhí)行檔彈窗二次確認(rèn)AI主動(dòng)執(zhí)行高風(fēng)險(xiǎn)操作前必須彈窗說明將做什么、為什么做并等待用戶明確授權(quán)。適合發(fā)送郵件、刪除文件、提交內(nèi)容這類操作。為什么要分這么細(xì)因?yàn)槿四X對(duì)中斷的容忍度非常低。心理學(xué)上有個(gè)概念叫注意瞬脫人從被打斷到恢復(fù)正常工作狀態(tài)平均需要十到十五分鐘。如果一個(gè)懸浮卡片每天誤彈三四次用戶的耐心會(huì)在兩天之內(nèi)耗盡然后順手把這個(gè)AI的權(quán)限全部關(guān)掉。分級(jí)意味著AI把觸達(dá)視為一種需要管理的稀缺資源而不是免費(fèi)的花錢請(qǐng)來的吆喝。3.2 上下文感知的具體場(chǎng)景拆解說幾個(gè)我實(shí)際體驗(yàn)過、認(rèn)為做得比較到位的直接觸達(dá)場(chǎng)景方便你理解什么叫服務(wù)走到用戶面前。場(chǎng)景一會(huì)議與文檔聯(lián)動(dòng)。手機(jī)日歷的鬧鐘提醒只是15分鐘后開會(huì)Marvis做得更深一層它發(fā)現(xiàn)你當(dāng)前打開的文檔和下一場(chǎng)會(huì)議的議題直接相關(guān)就主動(dòng)把會(huì)議附件、參與者往來的討論摘要整理成一張卡片問你要不要提前打開。這時(shí)候它服務(wù)的不是一個(gè)提醒動(dòng)作而是幫你節(jié)省切換會(huì)議上下文的時(shí)間這個(gè)完整目標(biāo)。場(chǎng)景二報(bào)錯(cuò)與修復(fù)建議。我在里面寫代碼時(shí)編譯器報(bào)了個(gè)挺冷門的依賴沖突錯(cuò)誤。Marvis識(shí)別出這是安全策略沖突導(dǎo)致的依賴解析失敗直接彈出建議卡片給出了幾個(gè)可行的修復(fù)方向順手把相關(guān)文檔鏈接也列出來了。這比我自己去搜錯(cuò)誤碼快得多。關(guān)鍵在于它沒有自作主張去改文件只是把最有用的信息推到眼前。場(chǎng)景三工作流接力。你在Outlook里收到一份合同附件打印出來簽完字需要掃描存檔這是很多人很煩的流程。管家看到你打開郵件→下載附件→打開掃描軟件能夠在中間主動(dòng)提示圖片已按合同編號(hào)重命名要移入歸檔文件夾嗎這種提示不突兀因?yàn)樗霈F(xiàn)在你正在做這件事的路上剛好是你需要幫助的時(shí)刻。3.3 場(chǎng)景判斷的準(zhǔn)確率要求寧可不做不可亂做講完了美好場(chǎng)景必須潑一盆冷水場(chǎng)景判斷的準(zhǔn)確率是直接觸達(dá)模式最大的生死線。我實(shí)測(cè)下來的體感是一次誤觸達(dá)消耗掉的用戶信任大概需要五次正確觸達(dá)才能補(bǔ)回來。而真正讓用戶崩潰的不是它做錯(cuò)了是它在我特別忙的時(shí)候跑出來做錯(cuò)事。所以很多桌面智能體產(chǎn)品在落地上都采用灰度開放策略初期上線時(shí)只開放提示檔觸達(dá)——AI可以在后臺(tái)默默工作但任何對(duì)外展示都必須低打擾、易忽略等算法在真實(shí)場(chǎng)景里跑穩(wěn)定了再逐步開放建議檔和執(zhí)行檔。這一點(diǎn)上我強(qiáng)烈建議所有準(zhǔn)備用AI管家的朋友保持同樣的心理預(yù)期別指望一裝上它就真的懂事前兩周它一定會(huì)犯不少蠢。你需要做的不是卸載而是通過忽略/采納按鈕不斷告訴它你的偏好這跟教小孩是一個(gè)道理。4. 權(quán)限越大責(zé)任越大桌面智能體落地的信任難題與降級(jí)方案桌面智能體和云端AI最大的不同是它天然擁有高敏感權(quán)限屏幕錄制、輔助功能、本地文件讀取、鍵盤輸入監(jiān)聽。這些權(quán)限給足之后AI確實(shí)能看見一切但用戶也會(huì)毛骨悚然它會(huì)不會(huì)在看我的聊天記錄會(huì)不會(huì)把我的文件傳到服務(wù)器信任問題不解決再聰明的管家也進(jìn)不了家門。4.1 權(quán)限設(shè)計(jì)的矛盾什么都看不見 vs 什么都看得見桌面AI管家面臨的權(quán)限困境本質(zhì)上是能力和信任之間的博弈。權(quán)限給少了AI像一個(gè)蒙眼管家什么都干不了權(quán)限給全了用戶又覺得自己被裸奔監(jiān)視了。我見過不少同類產(chǎn)品在這上面的處理方式Marvis的交互里也有類似設(shè)計(jì)我個(gè)人總結(jié)下來一個(gè)能讓人放心用的桌面智能體權(quán)限配置至少要滿足三點(diǎn)按應(yīng)用授權(quán)不是所有應(yīng)用都允許AI感知。聊天軟件、私人瀏覽器窗口、密碼管理器這類高敏感應(yīng)用應(yīng)該默認(rèn)關(guān)閉感知文檔、日歷、代碼編輯器這類生產(chǎn)力應(yīng)用可以默認(rèn)開啟。按內(nèi)容類型授權(quán)財(cái)務(wù)數(shù)據(jù)、密碼、身份證號(hào)這類內(nèi)容即使出現(xiàn)在屏幕上AI也不得納入索引。這個(gè)過濾是要在本地就做掉的不是設(shè)置里一個(gè)虛無(wú)縹緲的開關(guān)。按時(shí)間段授權(quán)工作模式、免打擾時(shí)段應(yīng)該可以獨(dú)立配置。下班之后管家就該下班不允許繼續(xù)分析屏幕內(nèi)容。另外我自己在評(píng)估桌面AI工具時(shí)有一個(gè)硬指標(biāo)它必須在系統(tǒng)里提供AI正在看什么的可視化面板。就像手機(jī)App的后臺(tái)隱私報(bào)告一樣用戶可以隨時(shí)查看過去一小時(shí)內(nèi)AI分析過哪些窗口、索引了哪些文件。看不見的感知和沒有感知用戶只會(huì)選擇后者。4.2 誤判與不可逆操作最危險(xiǎn)的不是技術(shù)是自動(dòng)執(zhí)行桌面智能體真正危險(xiǎn)的地方不在感知而在執(zhí)行。如果AI的權(quán)限設(shè)計(jì)允許它自主觸發(fā)業(yè)務(wù)系統(tǒng)操作一旦判斷失誤后果是災(zāi)難級(jí)的。舉一個(gè)真實(shí)發(fā)生過的教訓(xùn)。海外某公司內(nèi)部推行過一款桌面助手它上線了一個(gè)自動(dòng)清理無(wú)用郵件的功能。結(jié)果模型誤把一批未付款賬單的郵件當(dāng)成了垃圾郵件一鍵刪掉了。等發(fā)現(xiàn)的時(shí)候財(cái)務(wù)對(duì)賬已經(jīng)亂套。后來這家公司被迫把該功能的默認(rèn)策略改成了只標(biāo)記不刪除。這件事在圈內(nèi)流傳很廣后來做桌面智能體的團(tuán)隊(duì)基本達(dá)成共識(shí)凡是不可逆操作必須設(shè)計(jì)**人在回路human-in-the-loop**機(jī)制。具體做法是預(yù)演確認(rèn)兩步走——AI先把要執(zhí)行的操作列成清單準(zhǔn)備刪掉哪三個(gè)文件、準(zhǔn)備向哪個(gè)郵箱發(fā)送什么內(nèi)容、準(zhǔn)備在哪個(gè)頁(yè)面提交什么表單然后請(qǐng)用戶審核。用戶確認(rèn)一項(xiàng)執(zhí)行一項(xiàng)。這個(gè)流程看起來比全自動(dòng)繁瑣但它是唯一能同時(shí)保住效率和信任的方案。4.3 實(shí)際配置中的常見問題排查現(xiàn)在市面上打著AI管家名號(hào)的桌面工具很多其中大量是蹭熱點(diǎn)做的。大家下載安裝前一定要確認(rèn)來源真正的AI智能體需要的授權(quán)很多包括屏幕錄制、輔助功能這類高敏感權(quán)限裝之前務(wù)必弄清每個(gè)權(quán)限的用途。我自己在桌面智能體上踩過的坑也足夠?qū)懗梢淮鍐瘟?。裝完發(fā)現(xiàn)它瞎了什么都感知不到大概率是系統(tǒng)權(quán)限沒給。Windows建議檢查輔助功能權(quán)限macOS上需要手動(dòng)在系統(tǒng)設(shè)置→隱私與安全性里勾選屏幕錄制和輔助功能。很多應(yīng)用裝完后不會(huì)自動(dòng)跳轉(zhuǎn)到授權(quán)頁(yè)面需要你手動(dòng)去系統(tǒng)設(shè)置里翻這一步漏了AI就是睜眼瞎。懸浮卡片一直不出現(xiàn)先別怪應(yīng)用多半是系統(tǒng)通知權(quán)限被攔截了。另外檢查一下是否開了專注模式或免打擾這類系統(tǒng)級(jí)干擾會(huì)直接吞掉AI的觸達(dá)消息。CPU占用異常高大概率是截屏策略出了問題?？丛O(shè)置里有沒有事件驅(qū)動(dòng)截屏或者嘗試把全屏截圖的頻率調(diào)低。還有一種是AI在做全量文檔索引第一次跑會(huì)比較吃資源索引完會(huì)降下來給它點(diǎn)時(shí)間。建議老是不準(zhǔn)多給它一點(diǎn)反饋。看到建議卡片時(shí)點(diǎn)一下有用或沒用這些標(biāo)注會(huì)成為后續(xù)優(yōu)化的訓(xùn)練信號(hào)。你越嫌棄它它越懂你前提是你得讓它知道你在嫌棄它。5. 從Marvis看桌面AI入口之爭(zhēng)為什么是桌面下一步走向哪里把Marvis這次升級(jí)放到更大的行業(yè)背景里看它不是一個(gè)孤立的產(chǎn)品動(dòng)作而是桌面智能體賽道一個(gè)明顯的加速信號(hào)。AI管家走到前臺(tái)意味著各大廠商對(duì)AI入口的爭(zhēng)奪已經(jīng)正式從手機(jī)、網(wǎng)頁(yè)蔓延到了電腦桌面。5.1 桌面為什么是AI入口的必爭(zhēng)之地過去兩年AI產(chǎn)品的主戰(zhàn)場(chǎng)集中在對(duì)話框里。無(wú)論是網(wǎng)頁(yè)端還是App端本質(zhì)都是用戶主動(dòng)過來問一個(gè)問題得到答案。這種模式有一個(gè)天然天花板它只服務(wù)了用戶明確知道自己要什么的時(shí)刻而那些生產(chǎn)力最高的場(chǎng)景——專注寫作、編輯代碼、整理數(shù)據(jù)、協(xié)調(diào)日程——恰恰是用戶不太會(huì)頻繁去問AI的。桌面場(chǎng)景則完全不同。第一用戶在電腦前的時(shí)間是最長(zhǎng)的桌面是用戶注意力的主場(chǎng)AI守著桌面相當(dāng)于守住了所有工作流的路口。第二桌面環(huán)境里存放著最高價(jià)值的數(shù)據(jù)文檔、郵件、代碼、日程、表格這些結(jié)構(gòu)化數(shù)據(jù)是AI真正能發(fā)揮效力的優(yōu)質(zhì)語(yǔ)料。第三桌面有完整的操作閉環(huán)——AI不僅能看、能聽、能讀還能通過GUI自動(dòng)化直接干活。一個(gè)能感知、會(huì)決策、可執(zhí)行的智能體只有在桌面上才能形成真正完整的Agent形態(tài)。5.2 各家路線的分化入口之爭(zhēng)的三個(gè)方向從行業(yè)整體來看桌面智能體目前分成了三條不同的實(shí)現(xiàn)路線各有各的賭注路線代表形態(tài)優(yōu)勢(shì)結(jié)構(gòu)性弱點(diǎn)系統(tǒng)級(jí)入口操作系統(tǒng)原生的AI助手如微軟Copilot在Windows里的深度集成權(quán)限體系最完整系統(tǒng)調(diào)用無(wú)障礙與特定系統(tǒng)綁定跨平臺(tái)能力弱應(yīng)用級(jí)入口辦公軟件、IDE內(nèi)部嵌入AI能力場(chǎng)景深度好上下文貼合只服務(wù)單應(yīng)用無(wú)法跨軟件協(xié)作獨(dú)立智能體Marvis這類駐留桌面的獨(dú)立應(yīng)用跨應(yīng)用、跨廠商場(chǎng)景覆蓋廣權(quán)限受系統(tǒng)限制穩(wěn)定性依賴系統(tǒng)版本Marvis選擇的顯然是第三條路而且是其中比較激進(jìn)的一種形態(tài)獨(dú)立應(yīng)用全局感知主動(dòng)觸達(dá)。這條路最難走因?yàn)樗谙到y(tǒng)規(guī)則和用戶信任的夾縫里求生存——權(quán)限要通過系統(tǒng)授權(quán)一個(gè)個(gè)拿能力要在跨應(yīng)用的復(fù)雜場(chǎng)景里一點(diǎn)點(diǎn)驗(yàn)證。但這條路一旦走通護(hù)城河也最深一個(gè)真正能夠跨應(yīng)用調(diào)度、自主服務(wù)用戶的桌面智能體任何單一系統(tǒng)或單一應(yīng)用都無(wú)法輕易替代。5.3 對(duì)用戶和開發(fā)者的實(shí)在影響說點(diǎn)對(duì)普通人有用的。桌面智能體走向直接觸達(dá)之后用戶需要適應(yīng)一個(gè)新的交互習(xí)慣從主動(dòng)搜索到被動(dòng)接收再到主動(dòng)判斷。以前信息要靠自己找現(xiàn)在AI會(huì)把信息推到眼前但推過來的信息并不總是有用。學(xué)會(huì)利用忽略/采納的反饋機(jī)制其實(shí)就是你在訓(xùn)練自己的AI管家。對(duì)開發(fā)者而言這輪升級(jí)釋放的信號(hào)更明確以后應(yīng)用的交互設(shè)計(jì)不僅要考慮人怎么用還要考慮AI怎么用。你的應(yīng)用界面夠不夠結(jié)構(gòu)化能不能讓輔助功能API讀到清晰的控件語(yǔ)義你對(duì)外提供的數(shù)據(jù)模型AI能不能直接理解桌面智能體生態(tài)一旦成熟應(yīng)用與AI之間的可發(fā)現(xiàn)性和可調(diào)用性會(huì)像今天網(wǎng)頁(yè)對(duì)搜索引擎的可索引性一樣成為新的基礎(chǔ)設(shè)計(jì)要求。我在實(shí)際體驗(yàn)這類桌面智能體時(shí)最大的體會(huì)是工具越主動(dòng)用戶越要懂得設(shè)邊界。我自己的習(xí)慣是裝好任何AI管家類的工具后第一件事不是讓它自由發(fā)揮而是先把所有涉及自動(dòng)執(zhí)行的權(quán)限關(guān)掉只保留提示級(jí)的觸達(dá)。跑一周看它給的建議里有多少真的有用再逐步放開讓它做一些低風(fēng)險(xiǎn)操作。這個(gè)習(xí)慣幫我避免過好幾次尷尬局面。回到Marvis這次的直接觸達(dá)升級(jí)我傾向于認(rèn)為這是桌面智能體走向成熟的一個(gè)標(biāo)志性動(dòng)作——從能聽懂人話走向知道什么時(shí)候該開口。這中間隔著的不是更強(qiáng)的模型而是產(chǎn)品對(duì)用戶的理解和克制。你可以繼續(xù)觀望也可以找一個(gè)靠譜的AI管家裝來試試但記住真正的好管家不會(huì)一直搶著說話它只會(huì)在你剛好需要的時(shí)候把最對(duì)的東西遞到你手邊。