Z Potentials 2025-07-17 10:54 北京
AI办公工具越出越多、自动化与多模态生成也越来越强，但团队协作的混乱与低效，依然如旧？
你有没有发现，AI办公工具越出越多、自动化与多模态生成也越来越强，但团队协作的混乱与低效，依然如旧？除了初稿阶段，AI能起点作用，团队后续还是需要应对多轮手动的数据整合、跨职能协同审阅、意见汇总、风格统一等各种复杂需求。
问题不在于一个AI聪不聪明，生成结果是不是足够好，而是办公协作这个环节它就少不了，毕竟工作大多数都是一项团体活动。可是AI都已经重构那么多环节了，让AI融入办公协作流程这件事真的处理不了吗？
最近刷Product Hunt，笔者就意外发现了一款叫Agnes的AI办公协作产品，出自一群新加坡顶尖大学博士之手，创始人Bruce Yang新加坡国立大学博士在读，本科来自加州大学伯克利分校，还在微软和领英做过工程管理。
对于让AI融入办公协作这件事，他提出的核心理念是：AI不该只是工具，而应该成为团队中的“智能中枢”。换句话来说，Agnes要做的并不是Office Copilot这种增强Office，而是直接推翻Office的底层逻辑，以AI原生的方式重构整个协作，将AI嵌入到每个操作步骤和环节中。
Office Copilot这类工具之所以缺少良好的团队协作体验，是因为它们仍然依附于传统的Office软件，软件割裂，缺乏上下文记忆，一些AI原生的办公平台开发又默认关注“单人提效”。而Agnes的出发点就是“多人协作”，它从底层设计就考虑了任务分工、版本管理、上下文记忆、多角色参与等真实团队需求。不是输出个PPT或者报告就结束了，而是从起草初稿、团队讨论、意见整合、修改到最终版本输出，整个环节都有AI协助。
比如说，如果你平时经常写方案、做报告，下面这个流程你可能很熟：ChatGPT或者其他AI帮你写大纲→ Genspark/manus帮你生成PPT→浏览器搜索资料和数据，验证修改，形成初稿→传给同事审阅→ 拉群讨论 → 各种版本多轮修改，整体依然靠人工。AI解决了一部分内容生产问题，但协作流程依旧割裂，AI无法处理，沟通成本依旧高。
Agnes的不同之处在于，它将所有任务、内容、反馈和版本整合在一个“AI原生协作工作空间”中，理解的是一个完整的任务链。团队不再需要切换多个工具，信息流转也不再靠“人工接力”。Agnes不是另一个“写稿助手”或“AI PPT生成器”，而是一个基于多智能体架构的AI原生的协作办公平台，不仅负责初稿生成，还能在后续版本整合、风格统一、多部门反馈中始终保持上下文不丢失，AI会追踪修改，理解每次反馈背后的目标变化，并在过程中持续优化输出。
总结来说，它的三大核心特性包括：
真正的协作型AI工作空间：Agnes构建了一个深度适配团队协作场景的AI工作中台，融合了团队记忆、智能体分工和一体化内容生成。这使得任务推进和信息传递能够围绕实际协作流程展开，而非零散的输入输出。
多人实时协作编辑：Agnes支持团队成员实时编辑文档、报告和演示内容，所有修改即时可见，提供接近Google Docs的流畅协作体验，显著优于传统Office的单一文件版本管理模式。
一体化内容生产能力：Agnes不仅仅是辅助优化某个环节，而是通过调度多智能体完成专业文档与幻灯片的全流程生成，底层就是以多Agent架构构建，具备完整的一体化内容生产能力。
Agnes产品主要定位白领、学生与内容创作者，在新加坡本地已经积累了一批种子用户，并赢得了不错的口碑，被当地媒体称之为新加坡的“DeepSeek”。
Agnes总部就位于新加坡，核心团队不少来自新加坡国立大学和新加坡南洋理工大学的博士。一直以来，Agnes与新加坡国立大学保持着密切和深度的合作，包括AI信任协议，多智能体框架研究，模型训练等。
Agnes 的底层核心结构也来自于新加坡国立大学团队的研究成果，Agnes创始人更是直接担当了多篇论文的一作，堪称技术派创业者。平台底层核心主要是团队自研的Agnes-R1推理模型和Code Agents多智能体框架。
Agnes-R1模型是一个自研的推理大模型，专为多人协作背景下多智能体的复杂任务编排与上下文保持而设计。
Code Agents框架的主要作用是以结构化伪代码取代传统自然语言的多Agent沟通方式，将任务拆解、角色分工、工具调用转为模块化流程，避免了token爆炸和推理失控的问题。
架构大致分为三层：
结构化流程管理：对全流程、动作和反馈状态进行结构化管理，精准定位关键失败点和状态变化。
模块化任务拆分：将任务分解为乐高积木式标准化模块，每个模块的目标、分工、工具、反馈均明确细化，组合形成完整的协作任务流。
复杂流程控制能力：支持循环、条件分支、多轮任务自动回滚，以适应复杂工程和多轮协作场景。
比较值得一提的是，采用这种架构能够让最终token消耗大大降低，同时准确率提升。根据多项公开基准测试结果，在GAIA、HotpotQA等多步骤推理和跨工具协作任务中，相比自然语言提示，CodeAgents token成本显著降低，准确率反而更高。在VirtualHome长链路仿真环境下，CodeAgents任务成功率则提升近20%，token消耗减少约40%，大幅降低了成本和算力压力。
这也意味着，Agnes 在运行成本上更有优势——这一点对所有做AI Agent产品的人来说有重大意义。感兴趣的人可以通过下方地址查看他们的论文，创始人Bruce担当论文一作，另外五名共同作者分别来自新加坡国立大学和南洋理工大学。
Bruce曾在路透社Reuters NEXT大会上透露，模型训练成本不是最大负担，推理成本才是，推理阶段的成本几乎占据公司70-80%的年度开销。消费级AI应用要落地，必须在推理阶段又快又省又稳。
Agnes团队还在与新加坡国立大学研究一种“AI信任协议机制”。Bruce在Reuters NEXT大会发言，希望能够推动AI的“可信任进化”，提升AI的透明性和可解释性。
Agnes产品还在持续打磨，体验也仍在调优，虽然不够完美，但它代表的是一个明确的方向：不是让AI更像助手，而是让AI成为组织的“智能中枢”。
AI插件、自动化工具、智能助手，大多还在“打磨旧流程旧环节”。而 Agnes 选择了最难的一条路：从底层架构、模型训练到Agent框架全部自研，重新建构协作流程，让AI融入内容生成、反馈整合、信息沉淀的每一步。
过去20年，我们一直在用Office 的方式工作——不论工具再怎么升级，本质都是“一人一份文档”的思路。Agnes为我们开拓了新的想象空间：面对问题复杂、协作密集、信息高度流转的工作流程，AI 应该如何参与？
Agnes已经给出了自己的答案，是一个集AI、记忆、分工、内容生成于一体的全新协作操作系统。这是一场从底层开始的范式革命，可能不够性感，却非常扎实。这个来自狮城的挑战者，已经悄然站在了下一代办公工具的大门口。
-----------END-----------
🚀 我们正在招募新一期的实习生
🚀 我们正在寻找有创造力的00后创业
关于Z Potentials
