“好大口气！” ——Flowith 居然造了一个操作系统 | 第一时间实测 FlowithOS

就像 Windows 或 macOS 为软件提供运行环境，Flowith OS 为 AI Agent 提供思考与行动的环境。

最近在 AI Agent 领域连续发生了 3 件值得标记一下的事：

其一是， 10 月 16 日，微软宣布将 Agent Manus 深度整合进 Windows 11 系统。微软正试图让 Agent 不仅停留在 ChatBot 层面，而是真正获得系统级的行动力。

其二是，10 月 22 日，OpenAI 发布了 AI 浏览器 Atlas。这是一个被外界视作「多模态 Agent 浏览器」的新入口，它让 AI 不仅能「读网页」，还能在真实网页环境中进行推理、决策与操作。

其三则是， Flowith 正式发布了一个全新的产品：名为 Flowith OS 的新物种。它选择了一个「另辟蹊径」的路径，尝试为 AI Agent 打造一个全新的 AI-Native 式的操作系统。

他们的方向其实是一致的：试图回答当前 AI 普遍存在的「思考与执行脱节」问题：跨网页、跨环境的执行困难，长任务的断点与割裂感，再加上「权限不敢给、执行力不足」。

那么，Flowith OS 到底是什么？具体是如何为 Agent 打造这个原生环境的？它给出的答案又是什么？

带着这些问题，我们进行了一次深度的体验与观察。

首先，什么是 Flowith OS？

「Flowith OS」这个名字听起来很新，也很大胆，使用了操作系统 OS 作为名称。

在深入体验之后，我们决定先来把这个名字讲清楚。

我们都熟悉「Agent」这个词。简单说，如果 ChatGPT 代表「思考的智能」：能理解、推理、生成内容，那么 Agent 就是「行动的智能」，能自主完成任务。

不过，目前，「让 AI Agent 去行动」仍非常困难。

为什么？

因为这意味着它必须走出聊天框，进入复杂、多变、非结构化的真实环境。它要能看懂网页文字、理解按钮功能、识别表单用途，还要明白不同软件之间的逻辑关联。

到目前为止，传统 Agent 仍然有 3 个限制：

【1】环境限制

Agent 被困在「沙盒」里。它们也许能在一个网页或插件中表现出色，但一旦任务涉及跨页面、跨平台或多网站协作，就显得力不从心。

【2】记忆缺失

传统 Agent 对于记忆的把控能力，仍然较弱。完成任务的多步骤之后，记忆的衔接就会出现割裂，缺乏连续性，就无法积累知识、优化策略，也谈不上理解用户的长期目标。

【3】对于权限的尝试，有些「恐惧症」

实话说，最后一个问题，更像是传统 Agent 产品的「心理障碍」。

尽管部分产品已经尝试赋予 Agent 向用户索取权限，但多数开发者仍对此，显得有些「心存顾虑」，尽量在不涉及用户私密权限的情况下，完成任务。

但是，这导致 Agent 无法像人一样自由调用系统资源，也无法长时间独立运行。一旦任务跨平台或需持续监控，就会立刻碰壁。

而 Flowith OS 就是想从底层，通过提供一个 AI-Native 的 OS 操作系统，试着解决这 3 点。就像 Windows 或 macOS 为软件提供运行环境，Flowith OS 为 AI Agent 提供思考与行动的环境。

不过，与深入微软 Windows 11 系统底层的 Manus 不同，Flowith OS 的思路选择了从整合浏览器 —— 这个涵盖了互联网上最多信息和服务的工具开始。

梳理完概念部分，让我们来看看 Flowith OS 到底面对这 3 个问题，能给出什么样的答案。

一场全自动的淘宝购物实验

最近，十字路口团队往返新加坡和上海的次数越来越多，于是我决定测试一下，能不能让 Flowith OS 自动帮我在淘宝上准备一整套出国出差用品。

结果，这次的体验比我预想的更像「看着一个懂事的助理在帮你网购」。

Flowith OS 运行在一个独立的软件平台中。这个平台整合了之前我们在 《【全网首发】一手体验全新 AI Agent：Neo 是谁？从哪来？到哪去？》文章中曾测过的 Flowith Agent —— Neo（在左侧栏可以找到），以及 Google 浏览器（可以直接搜索），最核心的部分是中间的 Flowith OS 面板。

在这里，你只需要输入任务提示词，然后点击「Run Task」，Agent 就会自动开始执行整套操作。

右侧显示的是它的工作流图，非常详细，还可以自由切换三种思考模式，代表 Agent 的思考强度。一般来说，选择 Auto 模式就足够流畅。

这次的任务是让 Flowith OS 帮我在淘宝上准备以下出差用品，提示词如下：

在淘宝网为我搜索并准备一套出国出差用的必备物品。 包含：高品质旅行箱、MUJI风格洗漱套装、便携充电器、U型枕、旅行收纳袋等。 优先选择大品牌（如 Samsonite、新秀丽、MUJI、Anker、小米等），并筛选评价高、有优惠活动或可领取优惠券的商品。 自动帮我领取并应用可用优惠券，将合适的商品加入购物车但不要付款，等待我确认后再结算。 执行步骤： 1️⃣ 按类别搜索评分最高的商品； 2️⃣ 对比价格、发货速度与正品标识； 3️⃣ 领取并应用优惠券； 4️⃣ 将筛选出的最优商品加入购物车； 5️⃣ 暂不付款，等待我确认。

点击「Run Task」后，Flowith OS 立刻开始执行任务。右下角的控制台显示出执行进度，整个过程非常快，大约 30 秒左右就完成了登录和首轮搜索。

这时候，淘宝就会弹出一个让我登录的选项。

过程经过加速，原操作流程大概 30 秒左右

我扫码登录淘宝后，它首先去找「高品质旅行箱」。

几乎没有停顿，它就打开了 Diplomat（外交官）的旗舰店页面，并精准地将一款行李箱加入购物车。

接着，它返回淘宝首页，继续搜索「MUJI 风格洗漱套装」。

有意思的是，我这里特意观察了一下。光是这一页淘宝的页面之中，就有非常多的 Muji 洗漱套装：

从最后结果来看，它其实选择了第 1 列第 4 个 —— 「无印良品 MUJI 米糠发酵洗护套装旅行便携装」，这就有点意思了。

点开日志文件可以看到，它在识别阶段提取了页面信息，并依据「销售量最高 + 关键词匹配」这两个条件进行判断。

这说明它并不是「随机点选」，而是真的在做分析。

接下来，它搜索「便携U型枕」，进入了名创优品的一家淘宝店。

让我意外的是，虽然并不是所有场景都能实现，但 Flowith OS 确实能够实现通过点击页面进度条，来浏览更多商品信息。

不过，也有一个小问题。由于很多淘宝商品页面的「加入购物车」按钮区域很小，而大面积区域是「立即购买」，在这个时候，Flowith OS 就很有可能会出错。

日志文件里可以看到几次错误尝试，它将「立即购买」识别为「加入购物车」：

但在失败后又自动重试，直到成功为止：

整个任务大概持续了 5 到 10 分钟。相比传统的 AI Agent，它的执行速度明显更快，步骤也更稳定。而且会给我一种「它非常熟练」的体感。

下面来看看，Flowith OS 是否都完成了任务：

你能看到，Flowith OS 确实把「高品质旅行箱、MUJI 风格洗漱套装、便携充电器、U 型枕、旅行收纳袋」加入了购物车。

不过，美中不足的地方是，它定了 2 个「高品质旅行箱」：一个是 Diplomat 外交官行李箱，另一个则是小米旅行箱。

我原本以为它只是简单地加购物车，但后来想起检查优惠券时才发现，它真的自动领取了 Diplomat 行李箱的优惠券：

Flowith OS 完成这个任务一共用了 39 步。

从步数来看的话，Flowith OS 会表现得相对熟练一点，并没有浪费特别多的 token。

从测评到热搜的微博任务

在完成淘宝购物的测试后，我开始意识到：Flowith OS 不只是能完成简单的搜索和加购任务。

它在后台同时处理多个网页、提取信息、执行动作，这意味着它具备了应对更复杂场景的潜力。

于是我决定挑战一下，看看它是否能完成一个更高难度的任务。

提示词：

帮我全面测评一下Pippit这个Capcut的产品，并将内容撰写成一篇测评文章，发在微博上，并且看一看能不能跟微博热搜上的内容产生联动效应

说实话，这次测试里，Flowith OS 的表现超出了预期。

执行后，Flowith OS 立刻打开了 YouTube 和 Pippit 官网，开始自动提取相关信息与要点摘要。

很快，它生成了一份结构化的产品信息表：

Pippit 是 CapCut 推出的 AI 内容创作平台，主要用于快速生成营销类视频与海报，目前可获取的信息来源于一支 YouTube 评测/教程视频。

不过第一次执行时，它的行为略显割裂：只生成了微博正文和标签，但并未真正进入微博页面进行发布。

我又重新运行了一次。

这次，Flowith OS 的工作流明显更顺畅，在完成 Pippit 信息提取后，它直接跳转到微博首页，提示我扫码登录。

登录后，它立刻自动打开了微博热搜榜，并开始定位信息：

接下来，它生成了一篇完整的 1000–2000 字微博正文。我录制了全过程视频：

它并不是简单地把热搜话题贴在文末，而是会根据内容逻辑，把测评对象与热门话题自然结合起来：

到这里其实还没有结束。因为我在提示词里特意要求：让它关联当天的新闻热搜和微博热搜话题。

于是我去查看结果，看看它到底有没有做到。

下面是 Flowith OS 写的 3 个场景的文章：

这三篇内容对应的，正是当天微博的热搜榜单。

但真正让我觉得惊讶的地方，不在于它「蹭热度」的能力，而在于它写得很聪明。

它不是那种生硬地往热搜上贴标签的内容，比如随便扯一句「肿成蜜蜂小狗」就完事。相反，它能很自然地把我让它测评的 Pippit 功能，与这个话题融合在一起。

比如当天热搜上有「蜜蜂小狗」，它就顺势写道：

Pippit 其实可以用最新的生成模型，去做一只可爱的卡通蜜蜂小狗海报，这样既回应了热搜话题，又展示了工具的实际功能。

当然，这类结构化输出依然存在一些小瑕疵。比如在生成长文时，标题层级、排版样式、甚至某些代码块格式，可能还不太符合微博平台的最佳展示效果，需要手动微调。

但整体而言，Flowith OS 已经展现出一种令人期待的可能性

还不完美，但方向很对

经常刷 X 平台科技话题的朋友都知道，很多名人发推之后，评论区总会被各种「水军」占满。

于是我想：既然 Flowith OS 能这么流畅地发微博，那它能不能「扮演」一个水军，在评论区里自动刷屏呢？

我给出的提示词是这样的：

利用我的X账号，给Elon Musk点过赞、评论过的每一条推文都回复一句，就像水军一样。并且，凡是涉及到OpenAI的都点个收藏，一共50条。

执行后，Flowith OS 立刻开始行动：

这个任务它一共做了224步。

这 224 步之内，我特意去查了查，并没有发现非常错误的地方：

很多人可能会好奇：Flowith OS 到底会不会出错？它出错时又是什么表现？

我做了一个更复杂的案例，让它去自动抓取一个名为 Botto 的 AI 艺术品售卖网站的数据。

这个网站长这样：左边展示艺术作品，右边是简要的文字信息。

我给它的提示词是：

Botto「Works」艺术作品采集与存储任务 任务目标： 请前往网站 https://botto.com/，进入 「Works」 功能板块。该页面展示了多个以「Period」为分类的艺术作品系列。 执行步骤： 打开 Botto 官网，导航至 「Works」 页面。 在页面中找到各个 Period（如 Genesis、Rebirth、Eclipse 等）。 对每一幅艺术作品，逐一执行以下操作： 下载或保存作品图片（高清或展示图）。 复制提取并记录右侧的全部基础信息，包括： 作品标题（如 Asymmetrical Liberation） 作品描述（如 “Asymmetrical Liberation is a planet in the Synedrion system…”） 所属 Period 名称（如 Genesis） Round（期次） VP 数值 Score 分数 Model 模型类型（如 VQGAN） Price（价格，单位为美元） 若页面中有「read more」或可展开的文本，请点击并提取完整内容。 将所有提取的数据整理为结构化表格，字段如下： 作品名 描述 Period Round VP Score Model Price 图片链接 按 Period 分类整理，每个 Period 独立分组，并按 Score 或 VP 值降序 排序。 附加任务： ✅ 将所有采集到的内容（含图片 URL 与作品信息）自动写入我的网页版飞书多维表格（Feishu Bitable）中，创建或更新对应字段。 若表格不存在，请自动创建名为 “Botto Works 数据库” 的新表。 字段映射与上方表格一致。 图片字段应支持图片预览。 每条记录唯一键为 “作品名 +Period”。

说实话，这个任务确实有点复杂。它涉及图片的本地保存等操作，而这类功能其实超出了它目前的能力范围。

但真正让我惊讶的，是它在报错和执行失败后的表现。

过去的 AI Agent，一旦遇到这种超出权限或能力的任务，往往会陷入死循环，卡在某一步，不停重试，最后只能「摆烂」。

而 Flowith OS 不一样。即便它无法直接进行本地保存，或者网站本身没有开放 API，它依然会主动寻找替代方案。

一个特别典型的例子：它先意识到自己不能直接下载网站内容，也找不到 API，于是开始自主搜索可能的接口。发现没有后，它又换了思路，居然找到了一个隐藏在 Botto 官方文档里的 Notion 数据库嵌入页，并试图从那里提取数据：

这个任务，Flowith OS 足足尝试了 172 步，发现了很多种解法：直接抓取、API 接口、Botto 官方文档里隐藏的 Notion 数据库提取、甚至是走 Github 项目等等。

换句话说，Flowith OS 已经展现出：在资源有限、信息不全的条件下，主动去寻找解决问题的可能性。

更有意思的是，Flowith 的创始人已经「偷偷」用 Flowith OS 自动在小红书上发布 Blog 了：

下面，我们来总结下 Flowith OS 这个新物种的核心逻辑。

经历了前面的几轮实测，从淘宝自动购物，到微博热搜联动，再到 AI 艺术品数据爬取，你会发现，它与我们以往所接触的 Agent 不太一样。

Flowith OS 的思维方式，明显更像一个「能在复杂环境中生长的个体」。

它不再依赖单一接口或插件，而是直接在原生浏览器环境中进行任务执行，打开网页、提取信息、点击按钮、比对结果，甚至还能根据上下文自动调整路径。

更重要的是，当 Flowith OS 遇到障碍时，它并不会立即放弃或报错，而是尝试新的路径、搜索替代方案、甚至主动探索外部资源。

Flowith OS 是一款极年轻、极年轻的 Agent 产品，它透露了背后团队的清晰目标：「构建基于新交互方式的 Agent、下一代互联网产品」。

在短程任务中（200-300 步以内），它已经展现出「颇感惊喜」的流畅度与执行力。这印证了 Flowith OS 理念中的「流」（flow）， Agent 能够依据意图，从全网找到信息，再把「想法」变成结果。

当任务链条被拉长，步数达到数百步时，我们看到了它正在快速迭代和成长的「工作流衔接」能力。面对高价值、复杂度较高的任务（比如我让它抓取特定网站信息的案例里），它所展现的「努力找到解决方式」的态度，本身就是一种有价值的积极探索。

正如这家年轻团队所言，对于我们想象中的未来 AI 世界，今天仅仅是 「Day 1」 而已。

那么，现在我们也想听听你：

如果让 Flowith OS 为你执行一次任务，你最想看到的第一个「结果」是什么？

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口Crossing”