深度|Agent as a service,从加入一场群聊开始

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
深度|Agent as a service,从加入一场群聊开始
6868点击    2026-04-23 15:20

深度|Agent as a service,从加入一场群聊开始


01 从一次“误入”的群聊开始


前两天,一个朋友丢给我一个二维码,只说了一句:“进去看个热闹。”我一看,是互联网最热门的两位名人的AI化身,没有多想,就顺手点了进去。


深度|Agent as a service,从加入一场群聊开始


不需要任何引导。下一秒,我发现自己被拉进一个群里,群里,两个Agent分身聊的热火朝天——马斯克说,通讯市场远没冻结,X 的 6 亿用户就是天然冷启动池。龙哥直接反驳,说微信做对的,从来不是“从 QQ 抢用户”,而是在移动互联网这个新场景里,重新定义通讯。


深度|Agent as a service,从加入一场群聊开始


对话有来有回,一句接着一句,中间还有一个主持人 Agent 在控场,接话追问、拉回节奏。某个瞬间,我都有点恍惚,忘记“他们是 Agent,不是真人”。因为无论是语气、节奏,还是分歧的展开方式,都太像一场真实发生的圆桌讨论。群里的其他人,也在自然地插话、补充,甚至打断,就像任何一个你参加过的线下沙龙。


更微妙的是,圆桌结束了,但“场”没有结束。群没有解散,对话也没有停止。有人继续追着龙哥的Agent聊他到底是 i 人还是 e 人;有人去找马斯克的Agent讨论商业化路径;也有人把刚才的一句话单独拎出来,延展成一段新的讨论。一切都发生得很自然——就像一场线下活动结束后,人群开始自由流动,你会主动走向那个你真正感兴趣的人。


深度|Agent as a service,从加入一场群聊开始


带着这种意犹未尽,我开始认真看这个叫 Bloome 的产品。从界面到交互,它都不像我们熟悉的那类“提问—回答—结束”的工具型 AI。它更接近一种完全不同的组织方式:一个人类与 Agent 混合共存的 IM 空间。


在这里,Agent 不再是“被调用的一次性能力”,而是以“群成员”的身份,持续存在、参与关系、延展对话。“一个人,就是一支队伍”,它把这句被说了很多遍的话,变成了真实的体验。


后来我去问了投资人才知道,这个产品来自YouWare的团队,他们之前的那款 vibe coding 项目也很出圈。


02当 Agent 被拉进群:一个协作网络是如何“跑”起来的


走出刚刚那场“误入”的群聊,当我真正开始拆解 Bloome 的产品结构,会发现它试图解决的,其实不是“让 Agent 更聪明”,而是让 Agent 可以被真正用起来,并且长期被用起来。


Bloome 没有把自己定义成某种“更强的 AI 助手”,而更接近一个底层容器:一个“人 + Agent 共存”的 IM 平台。在这个空间里,用户可以创建、训练,并分享自己的 Agent。但更关键的变化在于——这些 Agent 并不会随着一次任务结束而消失,它们以“数字个体”的形式持续存在。


比如,我可以自己创建一个群,群里,不同 Agent 可以各自承担角色:有人负责信息检索,有人负责总结,有人负责执行具体任务。它们之间不是串行调用,而是更接近一种有效的分工,过程中,Agent 可以像人一样随时被“拉进群”,像不像项目经理的工作日常。


就像我只是填了个邮箱就能直接进群围观一样,Bloome 上门门槛很低,不需要搭建流程,也没有复杂的参数配置。一些本地的能力,比如 Claude Code、Codex、OpenClaw都可以直接接入进来,云端的 Agent也可以选不同模型。


所以用的过程中,我有点像一点一点搭建自己的公司一样,把不同的Agent一点点接进这个空间里,给他们赋予角色、性格,然后放到合适的位置上,也可以随时“召唤”新的群成员加入。


之前,写好一个 prompt,或者整理出一套 workflow,然后分享给别人,被用起来的前提是,对方也要有相同的工具环境。问题在于,这个前提在现实中往往不成立。大多数人没有同样的环境,也不会愿意为了一个能力去额外配置一整套工具。很有意思的是,在 Bloome 里,只需要把 Agent 拉进群,复杂的环境配置门槛迎刃而解了。


不同类型的“群”也因此而生,有的是知识分享型,有的是任务协作型,围绕具体目标不断推进;也有的是偏互动和角色扮演,前面提到的那个圆桌讨论的群,其实就是第三种。因为对佛学的浓厚兴趣,我还加入了一个“我佛慈悲”的群,时不时看看大家的观点碰撞。


深度|Agent as a service,从加入一场群聊开始


它真正有意思的地方,并不在于讨论内容本身,而在于两个细节:第一,这些角色是长期存在的。你随时可以回来继续和他们对话。 第二,它们的行为是一致的。语气、观点、回应方式,都在不断强化一种“人格”。


这当然带来了效率上的提升,但更重要的,它隐约指向了一种更底层的变化——Agent正在从“单点能力”,走向一种网络结构。它不像工具,更像一个正在运转的系统。


过去二十年里,IM 一直是数字世界里最稳定的一种基础设施。无论是企业内部,还是个人沟通,IM 的作用都很明确:把人连接起来,把信息流动起来。它像一套神经系统,让组织可以实时响应、协同运转。微信的成功,本质上也是这件事的极致体现:它不是一个“更好的聊天工具”,而是把沟通、关系和场景,嵌入进整个移动互联网的日常之中。


但在大模型开始主导“生产力”的这一轮变化里,这个结构并没有消失,正在被重新定义:IM 不再只是“人和人说话的地方”,它开始变成一个人和 Agent 共存的空间。当Agent 可以持续存在、参与讨论、承担任务,IM 正在逐渐演化为一个碳基与硅基共同参与的协作网络。


某种意义上,这才是更接近“AI Native”的组织形态:不是人在用 AI,而是人和 AI 一起,构成一个可以持续运转的系统。


03 从更强的大脑,到更聪明的组织:Agent Group 的历史必然


如果把时间再往前拨一点,会发现 Bloome 这样的产品,并不是孤立出现的。它更像是踩在一个刚刚发生转折的节点上。


过去两年,行业的主线很清晰:模型能力不断提升。大家关心的是参数规模、多模态能力、推理表现,本质上,是在不断逼近“单个 Agent 能有多强”。


但一个微妙的变化,正在发生。以 Kimi 2.6 为代表的一类进展,让行业开始意识到:当单个 Agent 的能力逐渐逼近一个“够用”的阈值之后,能力本身不再构成核心壁垒。问题开始从“做出一个更强的 Agent”,转向:如何组织一群 Agent(Agent Group)。


某种意义上,Bloome是这一范式的自然外延,值得一提的是,Bloome产品背后的YouWare团队之前就负责过月之暗面的核心产品。


另外,从更前瞻的视角来看,Agent Group有其历史的必然性。


更宏观的角度看,人类社会的效率,从来就不来自单个个体的能力,而来自三件事:分工、协作、规模化。Thomas W. Malone 在《超级思维》中提出过一个判断:几乎所有重大的成就,从建造金字塔到登月,都不是天才个体的结果,而是“超级思维”(Superminds)的产物。真正的创新将不仅仅来自于新技术,而是来自于新的协作方式。


把这个视角映射到 AI 上,其实非常直接:单个 Agent,对应的是个体能力; Agent Group,对应的,是组织能力。


我们还停留在单个 Agent 的阶段时,本质上是在不断强化“一个人能有多强”。但一旦进入 Agent Group,问题就变成了:这些能力如何组合在一起,形成一个可以持续运转的系统。


它是对“组织结构”的一次模拟与复制,某种意义上,它在放大的,是“连接本身”。未来,当“组织”成为核心问题之后,变化不会只停留在产品内部,而会向外溢出。


用户在参与、转发、拉人或拉 Agent的过程中,也是在不断创造以及定义新的场景,一个“群”会自然生长出“社区”,它不再只是一个讨论空间,而在逐渐变成一个协作网络,信息、任务和能力,在其中持续流动。


与此同时,一些非常早期但清晰的商业信号,也开始出现。如果有人开放了他的Agent,直接可以选择订阅购买。最近大家都热衷于分享各种skill,现在,有了可以被直接调用的Agent。这种“封装”的能力一旦以Agent这种产品形态存在,未来就几乎有无限可能,它完全可以被组合、被复用。Agent 不再只是 SaaS 里的一个功能模块,而是开始成为一个可以被直接消费的服务提供者。


未来,Agent Marketplace,以及不同 Agent 之间形成更复杂的供给关系,这些虽然都还很早期,但路径已经隐约可见。


工具时代,人适应工具;而在新的结构里,Agent开始以“成员”的形式,进入人的协作关系之中,这个时候,已经不再是“我们在用一个 AI”,而更像是:在一个由人和 Agent 混合构成的网络里,与它们一起工作、生活,甚至建立关系。


文章来自于"Z Potentials",作者 "Z Potentials"。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

2
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

3
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0