AI news

对话阶跃AI:做桌面 Agent,要比 Claude Cowork 往前一步

By Founder Park1 viewsSource: Founder Park
对话阶跃AI:做桌面 Agent,要比 Claude Cowork 往前一步

Claude Cowork 火了,基于本地的 AI Agent 产品突然成为大家关注的重点。

The full text has not been translated yet. The Chinese original is shown below.

Claude Cowork 火了,基于本地的 AI Agent 产品突然成为大家关注的重点。

但这么尝试的不止 Anthropic,25 年 9 月底阶跃发布的「阶跃 AI 桌面伙伴」也在做同样的事情。

基于桌面端而不是云端的形式,主打本地的任务执行和文件处理,尝试更主动为用户提供服务。可以帮你处理 Excel 数据、社媒信息获取,甚至主动完成一些定时任务。

为什么大家都选择了桌面端 Agent?模型公司做 Agent,又有什么不一样的策略?

在产品发布 3 个月后,我们采访了阶跃 AI 桌面伙伴的产品负责人钟经纬,聊了聊一款来自基模公司的 Agent 产品,背后的思考和尝试。

*注:采访时间为 2025 年 11 月,2026 年 1 月补采部分问题。

阶跃 AI 桌面伙伴目前 Mac、Windows 版均已发布,免费体验中。

官网下载:https://www.stepfun.com/download

01

对比 Claude Cowork,

方向一致、打法各异

Founder Park:怎么看待 Claude 最近发布的 Cowork,你们之间的区别是?算是殊途同归吗?

钟经纬:主要的区别是,我们在终端 Agent 的探索会更往前走了一点。例如,我们推出了「全局记忆」功能,尝试在上下文的可能性上进行更激进的探索,以及通过「悬浮窗」这种交互方式,提升用户体验。

他们在 Agent 本身会打磨的更精细,我们也在努力优化中。

总体上是有点殊途同归的,后面可能都是往着端云协同去,同时有本地和云端的能力,但考虑到成本,当前大家还是会先选一边,每边都有其优劣。从这个角度看,我们想到一块去了,都选择了本地端。

选择本地客户端的优势在于更大的场景拓展空间,和上下文探索的可能性。缺点是关机时无法执行,而且下载安装本地应用的渗透率低于网页应用。

我们当前关注的是多元的用户场景探索。目前,Agent 协作的方式仍处于早期阶段,我们希望与用户一起挖掘更多创新的用法。而本地客户端能够更好地激发这种想象空间,因此我们优先选择了本地方案。

在此之外,大家面临的关键问题都很类似。

第一个问题是 Agent 能力提升。核心是让 Agent 做得更多、更稳、更快、成本更低。

Skill 是其中一个重要探索——它是给模型用的 workflow,包含验证过的路径、标准和脚本,能显著提升稳定性和效果,相当于开卷考了。相比 MCP 刚推出时,现在参与 Skill 产出的人更多,实用价值也有提高。

我们在 Claude 25 年 10 月推出 Skill 之前,也上线了类似的「妙计」功能,支持加入本地文档和脚本,出发点是一致的。不过他们在上下文设计上比我们当时极致,最近我们也在优化这样的设计。

接下来,我们还会探索更多基于上下文的自主学习能力,比如把一次满意的执行一键沉淀为妙计,将文件路径、代码脚本等关键信息保存下来,下次直接复用,就不用再让 Agentic 重新整了。

另一个问题是 Agent 的渗透。基于我们这段时间对用户的观察看,无论海外还是国内,都处于很早期的阶段。海外渗透更高一点,并且有更大规模爆发的趋势。

非技术人员的工作场景中,意识到「有 Agent 可用」的人就很少,能明确知道「自己工作中哪些环节能用 Agent」的更是凤毛麟角。

我印象很深的是,当时我们调研了三位教师用户,他们的使用场景完全不同:有人用来整理教案,有人做学生成绩统计分析,有人处理其他教学事务。当我们分享彼此的用法后,他们都大受启发,发现很多场景自己也能用。

从这点也能看出,如何让大家知道能用,知道哪里能用,是很重要的事。

Founder Park:你们内部最初构思这个产品时,是如何定义它的?

钟经纬:我们认为它是一个「探索型」产品,具备几个特点。

第一,它是我们在 AI+终端战略下的一次创新尝试;

第二,用于验证我们关于用户场景、技术实现等方面的假设;

第三,它会为我们的长期目标积累底层能力。

我们在探索,通过端云协同,让 agent 在不同终端上为大家服务是什么样的。

我个人的一种理解是:在现有的Web、App 和数据库之上,叠加一层「Agent 加工层」。这一层由以用户为中心的 Agent 们组成,它们的目标不是复刻服务商既有的流程,而是围绕用户需求,构建「新结果」和「新状态」。

所谓「新结果」,包括三类:

  • 新信息:比如 Deep Research,是对互联网信息的再加工;

  • 新媒介:比如 NotebookLM 实现的视频自动生成 PPT;

  • 新操作界面:比如有人将爱泼斯坦泄露的 PDF 邮件整理成仿 Gmail 界面,大幅提升「吃瓜」的体验;B 站的个性装扮也是一种个性化界面。这方面新的 AI 形态供给还比较少,但潜力比较大;

而「新状态」,则是指那些改变用户与世界关系的行为,比如自动填表、给人发消息、预约他人会议等。

在上述框架下,体验可以拆解为两种基本形态:

  • 任务执行:像贾维斯一样,用户下达指令或 agent 主动识别需求后完成任务;

  • 浏览操作:类似钢铁侠的智能工作台,界面随需求动态调整,提供沉浸式交互。

从目标来看,这两种体验我们都希望实现。但在当下,阶跃桌面伙伴做了一定取舍,更聚焦在任务执行上,因为我们觉得当前 AI 对浏览体验的提升虽然有,但还不够痛。

Founder Park:你们打算怎么切入「任务执行」这个场景?

钟经纬:首先是倒推的视角。要实现上面说的那些,agent 不仅需要更多的三方执行和数据权限,还需要更多的个人上下文信息。

第一,终端选择。

考虑到是先做独立 APP 的话,当前选择电脑端会更容易满足这些条件——既能深度集成浏览器和本地工具,又能安全获取用户资产。直接做硬件也是一种方式,不过需要更长时间一点。车机相关的也会更快一点,阶跃也已经在布局车机方向了。

一方面,车机系统的数据开放度相对较高,操作系统能获取的信息更丰富,而且与现有 APP 生态的竞争关系没那么激烈。另一方面,车机交互对用户手动操作不友好——比如出行途中想点杯饮品,用语音让 agent 代劳远比手动点击更自然高效。

第二是应用场景的选择。

当前 AI agent 的任务完成率还不够理想,失败率高、耗时长、成本也不低。在生活场景中,这种不稳定性容易劝退用户——比如点外卖十次失败两次,大家宁愿自己动手。但办公场景不一样,任务往往复杂、链路长、手动成本高,即便成功率只有六七成,用户也愿意反复尝试。而且办公也能更好的体现 Agent 的智能。所以我们优先从办公场景切入。

这样一交叉,先在电脑端做办公场景的探索,就比较顺理成章了。不过这是一个中间路径,最终我们也希望取代电脑。之前在大厂的时候印象很深,很多职级很高的同学都不带电脑,有手机就够了,因为他们有很多成熟的 Agent 帮他们交付结果,他们只需要做决策就好了,未来可能人人都能实现这种状态。

在「倒推逻辑」外,还有「正推逻辑」:我们最初的产品形态,也源于真实痛点。

我从 24 年底开始用 Cursor 做数据分析,来帮助我做模型优化的策略。我经常要处理各种数据,它能帮我快速写脚本,非常方便。但很快就发现,大量非技术人员,比如数据分析师、产品经理、运营,甚至传统行业的合同风控人员同样面临大量类似的文件处理需求:数据分析、格式转换、批量整合等。

虽然像 Cursor 或 Claude 具备部分能力,但它们藏在 IDE 或命令行里,学习门槛非常高。很多人光是下载安装就很折腾,更别说使用了。

所以,我判断这里存在一个机会:用更产品化、低门槛的方式去满足这个场景的需求。

第二个机会是信息获取。我们在做 Deep Research 项目时观察到,它能满足用户很多跨领域学习的需求,但在垂直领域内如何更好地获取信息和数据,满足得还不够好——大家要的不是报告,是批量的数据。

一个很典型的 case 是,我们之前做娱乐产品时,运营同学每天都要联系大量创作者,并且在创作者发完笔记后,要人工一个个去看,把笔记数据更新到表格里,非常痛苦。如果有一个能自动使用浏览器工具的 agent,就能帮她完成这件事。

所以,我们产品一上来主要就打这两个场景:一是文件处理,二是批量信息获取。

对话阶跃AI:做桌面 Agent,要比 Claude Cowork 往前一步

02

「妙计」是对提升渗透的一种尝试

Founder Park:现阶段你们的典型案例演示,主要是为了帮助用户建立认知——「原来这类场景 AI 能快速完成」或「原来这样写指令效果更好」。这是否和「妙计」功能是相配合的?

钟经纬:是的。「妙计」是一个非常关键的探索方向。它具备多个价值:

简化操作:把常用指令或流程保存下来,避免每次从零输入,使用成本更低、效率更高。

降低门槛:一方面解决「不会写复杂指令」的问题,另一方面把行业经验直接封装进去。比如麦肯锡报告格式、公司内部常用模板等,都可以被直接复用。

沉淀脚本资产:比如在处理 Excel 时写过一段脚本,可以把它保存为「妙计」,下次直接调用——相当于把一次性的操作,变成可复用的小工具或小程序。

自主学习的可能性:如果 Agent 能够自己意识到,什么时候应该自动创建「妙计」,并在执行类似任务时参考,某种程度上也就具备了自主学习的能力。

Founder Park:现阶段,用户在使用「妙计」这块,无论是自己写还是用官方推荐的,符合你们最初设计这个功能的预期吗?

钟经纬:一部分符合,一部分不太符合。

符合预期的是,「妙计」本身也扮演着一种playbook(操作指南)的角色。现阶段我们并没有真正意义上实现一个通用 agent,但用户面对一个「桌面伙伴」时,很容易产生过高期待,觉得它什么都能解决。

因此,我们需要通过「妙计」来告诉用户:哪些事情现在能做好,哪些场景值得用。这既能帮助用户建立合理预期,也让我们在对外沟通时有更具体、可感知的价值锚点。有了「妙计」,用户会更清楚「我可以用它来干什么」。

对话阶跃AI:做桌面 Agent,要比 Claude Cowork 往前一步

另外,也有不少用户分享了非常高质量的「妙计」,给了我们很多启发。

不符合预期的地方主要在于:当前的创建和使用引导还不够强。

比如,当前悬浮窗形态对「妙计」的展示不够友好。用户可能根本注意不到输入框上方那句「输入 / 即可使用妙计」,甚至不知道「妙计」是什么。

后面我们也会做更多优化,比如加强露出(最新的更新中已经做了加强),增加预设推荐、优化引导路径,并通过运营手段鼓励用户创作和分享,形成正向循环。

03

「主动服务」应该是所有 Agent 的能力

Founder Park:你们看具体用户行为时,有什么跟之前想的不一样的事?

钟经纬:比较好的地方在于,有些功能意外地受到了很多人的喜欢。比如「喝水提醒」「久坐提醒」这类功能,发现用户的接受度和使用意愿都很高。

同时,我们也看到了很多意料之外的长尾需求,比如有人会每天定时检测并自动关闭 VPN。

不太符合预期的地方在于,Agent 的整体渗透率并不高。很多用户并不会主动去联想到更多使用场景,往往只解决了一两个明确的问题,就停下来了,并没有意识到它还能做更多事。

在用户访谈中,这一点表现得尤为明显。很多时候我们只要稍微提示一下,用户就会恍然大悟:「原来还能这样用?」而这种「被点醒」的情况,这种情况的比例比我想象中高很多。

也正因为如此,我越来越觉得,「主动」的能力,以及通过「妙计」这种方式去更清晰地传达能力,变得格外重要。如果未来能进一步培养出一种心智——「这个事情,是不是也可以让阶跃试试?」——那我觉得就更好了。

Founder Park:这感觉像是当前模型和 agent 产品普遍面临的共性问题——能力其实已经到了,但用户不知道能这么用,或者有需求却不会表达。就像最近 Nano Banana 的出圈,也是靠一个具体、有趣、可传播的案例才被大众感知到。

钟经纬:对。而且对更广泛的用户来说,大家大多是「懒」的,也讨厌学习。这种「懒」并不是不想解决问题,而是很多时候,宁愿用自己熟悉的方式花 30 分钟,也不愿意花 5 分钟去学一个新方法。

所以我们特别重视对话的自然性,以及「妙计」的易用性,目的就是让用户以最低成本上手。而「主动服务」的探索,也是为了解决用户的认知和使用门槛的问题。

Founder Park:「主动」在你们产品里定义的是什么样的场景?是真正的 AI 主动,还是说你们设定了某个场景,类似 if/else,监测到用户可能有什么行为,就通过预设让 AI 出来跟用户对话?

钟经纬:最终的想象比较科幻:它检测到你有什么事就自动帮你做了。比如,我们俩今天要聊 agent,它可能在昨天就自动帮你把这个产品下载了,说「你今天要聊这个,要不要体验一下?」; 或者你还想看同类产品的数据,它就自动帮你做了一份 Manus、Genspark 这类产品的研究报告给你参考。

但要实现这个状态,还需要一段时间。所以在当前阶段,我们选择分两方面探索。

一方面是先从一些我们拿得准的场景切入,并且这些场景能和我们 agent 当前的核心能力挂钩。比如识别屏幕内容,自动生成待办事项、每日复盘,或推荐任务给「小跃」。

另一方面是,把探索权交给用户,给用户设定「当模型发现 X 时,执行 Y」的开放性功能。例如当前就有人设置「每天晚上 9 点总结 Obsidian 日记」,未来还可能变成「当发现我不专注的时候提醒我」。这些长尾场景空间很大,我们觉得可以更多把能力交给用户,看他们想做什么,我们也能从中发现用户的需求。

同时,「主动」这件事,隐私安全特别重要。当前的本地模型还没有那么成熟,在这个过程中也要把本地模型打磨得更好。

Founder Park:「主动」是不是可以更好地解决所谓的用户教育问题?在用户没有意识到 agent 能解决他任务的时候,主动出来,让他意识到。

钟经纬:是的。它有点像是在「跨越鸿沟」——把早期用户探索出来的好用法,用一种几乎无感的方式,传递给更广泛的用户群体,从而进一步提升 AI 的整体渗透率。

我有个印象很深的事。我经常会去看 Excel 求助帖,底下会有人说「你可以用 AI 啊」,然后就会有人回「居然可以用 AI 么」。说明能力有了,但触达和引导没跟上。「主动」是解决这个问题的方法之一。

Founder Park:现在一个本地安装的 agent 能不能做到主动,一方面是模型能力,另一方面是很多产品还无法获取用户更长的上下文,因为它不确定什么时候介入是合适的。所以要做得更主动,还是要在获取用户屏幕信息或者更多介入用户流程上下功夫。

钟经纬:现在可能是两条线:一条线是怎么让 agent 变得更智能,或者说能完成更复杂、更难的任务;另一条线是怎么让 AI 更懂你。这个「更懂你」不只是对话上更懂你,而是真的知道你什么时候可能需要什么。

这靠 chatbot 很难解决,它一定得跟你当前的现实生活、手机或电脑的系统环境有比较强的结合。

Founder Park:这就需要更多地在终端层面去介入用户的实际工作和生活流程中?

钟经纬:终端肯定是重要的,这也是我们后面一直跟很多终端厂商合作的原因。但也不是只有终端能做。比如,浏览器其实也是一种小 OS,使用频率比较高,我记得海外数据是人均使用时长 5.5 小时。很多人办公全在浏览器里完成。微信、抖音、甚至游戏也都有上下文,同样可以尝试「主动」服务,所以应用层面也有空间。

还有些别的方法,比如豆包最近营销的另一个 case 也很好:开着视频通话,让豆包「看着」孩子学习,一旦注意力不集中就提醒一下,坐姿不对也会提示。这也是一个主动场景。

04

用户的主要场景是「文件处理」

Founder Park:最初上线的功能是一开始就计划好的吗?

钟经纬:不完全是。整体要打的核心场景和用户价值,其实从一开始就很清楚,主要集中在文件处理和信息获取这两个点上。

但初期设想的功能规模,比现在实际做出来的要多出三到四倍。随着推进,我们不断砍需求、调优先级,同时也根据真实用户反馈,补充了一些更关键的能力。

从开发到正式上线,整个周期不到一个半月。这期间,视觉和交互也在持续迭代——悬浮窗的样式中途改过一次;后来被大家夸「好看」的 IP 形象、登录页和新手引导 UI,甚至是在上线前两周才最终敲定的。

某种程度上,时间压力倒逼了团队聚焦,也激发了不少创造力。

Founder Park:从目前用户反馈来看,日常最高频的任务是哪些?反馈最好的任务又是什么?

钟经纬:最主要的场景有三块,基本是 4:3:3 的比例。文件处理占 40% 左右,信息获取大概 30%,剩下 30% 是一些更长尾的,比如快问快答和一些零散需求。

文件处理这一块,其实出现了很多很有意思的用法。比如在数据处理上,有 HR 用户用它自动汇总多张出勤 Excel 表,基本省掉了原来大量的手动统计工作。

在文件管理上,我们有不少算法同学每天要看大量论文,就让 agent 自动下载论文,并根据文件内容自动重命名。因为很多论文从 arXiv 下下来,文件名通常只是一串编号,根本看不出来内容是什么。现在 agent 可以直接读取文件内容,理解主题后自动改名,发票整理之类的场景也是类似的逻辑。

还有一个和文件相关、我觉得特别有意思的案例,是一位家长分享的,他在给孩子用这个产品。

他给孩子整理了一个错题本,里面是各种单词,然后设置了一个定时任务:每天早上 9 点,让 AI 从文件里随机抽几个单词提问。当孩子连续回答正确几次后,系统就会自动把这些单词从错题本里删掉,相当于一个「会自己更新的学习文件」。

05

模型现阶段依然非常重要

Founder Park:你怎么看「模型即产品」的说法?

钟经纬:我觉得可以从两个层面来看。

首先,模型本身依然非常重要。目前国内 agentic 模型整体上仍然弱于海外,并且模型能力的突破还在持续发生。比如像 Gemini 3 仍在不断解锁新的应用场景。同时,强模型天然自带「流量」。在 AI 圈子里,一旦出现一个更聪明的模型,大家会主动去测试、讨论和传播,很快就会形成「这是一个很强模型」的心智,这本身就是一种势能。

但从真正落地的角度看,模型之外的因素也在变得越来越重要。比如个人数据接入、场景教育。还有经验沉淀:像 Agent 执行过一次文件检索了,是不是可以有个地方把目录记录下来,下次就可以直接找到了。此外,工具的细节设计和反馈也越来越重要,它决定了模型在这些场景上能不能发挥得更好。

所以我的总体看法是:模型依然重要,但模型之外的东西的重要性也在提升,两者需要一起进化。

Founder Park:也就是说,模型本身的 agent 能力是一个长线持续提升的东西。但现阶段把 agent 产品的上下游补足,也能做出表现不错的产品?

钟经纬:对。2023–2025 年,大家其实都在做「功能点」——模型本身也像是一种「功能」。但随着基础能力趋同,整合能力会越来越重要:哪些功能保留、如何串联、怎样嵌入用户工作流,这些很关键。

Founder Park:这两个月(202511-202601),产品主要更新了哪些新功能?

钟经纬:这两个月,我们的重点仍然放在 Agent 核心能力的持续优化上,同时也相对激进地探索了一些新的方向,比如全局记忆。基于全局记忆,我们在内部还尝试构建了主动推荐小跃 Query 等功能 Demo,可以看作是在「主动」方向上的一次探索。

我们最近还打算将我们与用户以及公司内,共同打磨的 Agent 使用方式和具体案例,分享给大家,帮助大家理解,如何真正将 Agent 融入到自己的工作流里。用了后,真的会很爽。

Founder Park:这款产品会反哺阶跃本身的模型研发吗?

钟经纬:会有的,这是主要目的之一。产品还是在帮助牵引方向。比如「妙计」就是一个很好的 benchmark。一个很火的「妙计」,有一千多人点赞,一万多人因为这个「妙计」下载了产品,那就说明这个任务是大家需要的,就值得我们去考核模型能不能在这道题上做得越来越好。所以它是一个很好牵引模型方向的事。

此外,也能帮模型积累数据。现在 agent 任务的数据不那么好造,因为它中间有很多步骤,纯人写的 pattern 有时跟模型本身的 pattern 还有差异,反而可能干扰数据。通过产品,我们能沉淀出不错的合成数据,也是一种比较好的方式。以及 agent 依赖于环境的反馈信号,能让用户参与进来反馈很重要。

06

用对话的形式解决任务,

对用户来说成本最低

Founder Park:从 Manus 到现在,你印象里有哪些觉得有意思的通用或垂直 agent?

钟经纬:最近有好几个(25 年 11 月底)。

第一个是 Hero AI(Hero Assistant)。他们最近发布了一个 SDK,我已经申请了,但还没拿到邀请码。这个产品在输入框层面的交互上做了一个很有意思的创新。

对话阶跃AI:做桌面 Agent,要比 Claude Cowork 往前一步

Hero AI 的创新点在于:不先问问题,而是在你输入的过程中自动判断维度。比如你在描述生图需求时,输入到一半,输入框就会主动浮出「人物」「环境」「动作」等可选块;再比如你输入「买一杯咖啡」,系统会自动识别出「品牌」这个维度,并给出「星巴克」「瑞幸」等候选。

它还有一个挺有意思的商业化想象:当系统判断你「并不知道该买什么咖啡」时,会在浮层里给你一些轻量的推荐,甚至是广告。

还有一个是 OpenAI 收购的Sky.app*,我很喜欢他们在悬浮窗形态上的探索。

注:一款专为 Mac 打造的 AI 助手,Workflow 和 Shortcuts 的原开发者 Ari Weinstein 和 Conrad Kramer 领衔开发。

再比如 MineContext(字节出品的上下文感知工具)我也很喜欢,他们的很多理念跟我们很像,也在全局记忆、围绕特定人群(比如 ADHD 用户)做场景探索。整体来看,他们同样是在围绕上下文理解和人–AI 交互体验做持续优化,这个方向本身还有非常大的探索空间。

Founder Park:像今年出现的 Macaron、MuleRun 这种偏向 agent 工具或商店的产品,你怎么看?

钟经纬:关键还是要回到帮用户解决的问题是什么。工具的价值在于能被沉淀下来、反复调用,帮助提升效率和可靠性,以及有些场景下 GUI 更直观和便捷。但这和面向大众做 coding 产品,有些区别。难点是,有很多用户连需求是什么都不知道,更别说描述工具是什么了。

我们的体感是:在自然对话中调用,成本最低。你只需说出任务目标,agent 自动生成或匹配「妙计」,这比去应用商店找工具、下载、再学习使用要顺畅得多。

我之前看过一些 Vibe Coding 的例子,发现确实有很多长尾需求。比如有老师用它做课表签到,帮助很大。但在手机上,这些场景有没有已经被小程序满足得比较好?以及为了一堆很低频的工具需求,用户愿不愿意下载一个 APP,并且之后还能想起来用它?如果有高频的,是不是已经有别人做了?小程序在微信里能成立,一个很重要原因是微信本身是大流量入口。

所以,我觉得从用户价值上是有的,但从实际落地形态上要再看看。在电脑端,我们后面围绕「妙计」也会有类似的设计。不过更符合我想象的是,从 Agent 这样的形态切入,传达用户的是完成某个任务的心智,Coding 在里面更多是手段。

Founder Park:确实,如果某个痛点是真的痛,可能已经有其他产品在解决了。

钟经纬:对。它很像浏览器插件,到底是个供给问题还是个分发问题,大家可能要想一想。

Founder Park:但可能还有另一个逻辑,如果用户想要的功能能即时生成,可能比他花时间寻找现有方案成本更低,毕竟现在「发现成本」本身就很高的。

钟经纬:对,对于用户来说,只需要说任务是什么,是最简单的。

文章来自于“Founder Park”,作者 “Founder Park”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)