随着AI技术的飞速发展，AI Agent（智能体）逐渐成为改变生活与工作的重要工具。本文将对四款热门的AI Agent产品——Manus、TARS、Genspark和Flowith进行全面测评，分析它们的核心功能、优点与缺点，并探讨其在企业级应用中的潜力与挑战。

2025 年涌现了一大批 Agent 产品，让 AI 从从简单的聊天工具进化成了能够改变生活与工作的“AI Agent”。AI Agent是⼀种能够感知环境、做出决策并采取⾏动以实现特定⽬标的智能系统。现代基于⼤语⾔模型的 AI Agent 通常具备以下” 四件套” 特点：

这四项核心能力相互配合，使 AI Agent 能够处理各种复杂任务，从简单的信息检索到复杂的决策分析，甚至是跨领域的创造性工作。与传统的对话式AI助手相比，AI Agent 具有更强的自主性和目标导向性，能够主动规划并执行任务，而不仅仅是被动地回应用户请求。

01 Manus

产品介绍

Manus 是由中国团队 Monica.im 开发的通用型自主AI Agent（智能体），他的工作原理是基于底层 AI 大模型的能力基础，通过自主任务分解将复杂任务拆解为多个子任务，并动态调用不同的 Agent 或工具来执行每个子任务，最终完成整体任务。Manus采用Multiple Agent架构，运行在独立虚拟机中，能够调用多种工具执行任务。其核心是”知行合一”的理念，不仅能思考，还能直接执行任务并交付结果。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

Manus 在 GAIA Benchmark 上评分高于 openai 的 Deep Research（GAIA Benchmark是由 Meta AI、Hugging face 等机构制定的一个包含 466 道问题的一个通用人工智能助手的基准测试）

核心功能

• 自主规划能力：能够自主理解任务，拆分为子任务并规划执行步骤
• 代码执行：可以编写和执行代码，解决编程和数据分析问题
• 网络搜索：能够自主进行网络搜索，获取最新信息
• 数据分析与可视化：处理数据并生成图表和报告
• 内容创作：撰写文章、报告和营销材料等

优点

• 自主性极高，能够独立完成复杂任务
• 工具调用能力强，支持多种外部工具
• 执行过程透明，可以通过虚拟机观察其每一步的操作流程
• 交付成果质量高，接近专业人员水平

缺点

• 不开源，技术细节不透明
• 缺乏官方API，难以集成到企业系统
• 多模态交互能力有待提升
• 任务执行速度较慢

实际使用示例

AI Agent产品对比分析与结论 – Manus

02 TARS

产品介绍

Agent TARS是字节跳动开源的多模态AI Agent框架，基于UI-TARS(视觉语言模型)构建，支持通过自然语言控制计算机。它采用开放架构，支持模型上下文协议(MCP)，使其具有良好的扩展性。

核心功能

• 浏览器操作：执行深度研究和网页操作，如表单填写、点击等
• 命令行集成：与终端交互，执行系统命令
• 文件编辑：创建、修改和管理文件系统中的文档
• 视觉理解：理解屏幕内容，进行基于GUI的操作
• 支持MCP：可以灵活切换使用不同的 MCP 工具来提升工作效率。

优点

• 完全开源，可自由修改和部署
• 多模态交互能力强，尤其是视觉理解
• 扩展性好，支持自定义功能
• 与操作系统深度集成，可控制任何GUI应用

缺点

• 稳定性和性能不如商业闭源产品，经常出现不执行任务的情况
• 目前很多网页有反爬机制，导致其经常会卡在真人校验中
• 最终输出内容质量较低，对于复杂任务无法直接应用
• 需要本地计算资源并且会操控本地电脑，存在一定的合规风险

03 Genspark

产品介绍

GenSpark 是由创始人景鲲打造的一款 Agent 产品。这款产品最初以AI驱动的搜索工具起家，如今已升级为“全能型AI代理”，目标是通过速度、精准性和用户可控性，解决从日常琐事到复杂需求的各种任务。它不仅能快速响应用户指令，还能主动执行现实世界的操作，例如拨打电话预订服务，展现出强大的实用性。

Genspark Super Agent采用多智能体混合系统架构，整合了8个不同规模的大型语言模型(LLMs)，每个模型针对特定任务进行了优化。系统还集成了超过80种内部工具和多个精选数据集，实现了高度自主性。在GAIA基准测试中表现优异，超过了行业标杆Manus。

核心功能

• AI电话功能：这是GenSpark最具创新性的特性之一。它内置语音合成技术，能模拟人类与服务提供商沟通，处理预订、查询甚至退换货等任务，堪称“现实世界的代言人”
• 多模态输出：GenSpark不仅限于文本生成，还能输出PPT演示文稿、短视频甚至南派风格的动画。例如，它可以根据指令制作一段科技新闻短视频，配上字幕和配音，直接用于社交媒体发布
• Sparkpage页面：类似维基百科的结构化页面，将零散信息整合为清晰的概览，方便用户快速获取重点

优点

• 功能全面，覆盖从规划到执行的全流程
• 电话功能是独特优势，弥补了纯文本交互的局限
• 执行速度快，效率高
• 相较于其他产品，Genspark可支持更多任务，适应不同业务需求

缺点

• 自主型较弱，复杂任务需要用户的引导下执行
• 文生图、文生视频任务直接调用第三方接口实现，与平台能力关联性不大
• 开放程度低于完全开源产品

实际使用示例

https://www.genspark.ai/agents?id=e3cce956-6481-43c4-b3dc-1a715e0cba49

04 Flowith

Flowith 是一个画布式 AI 创作平台，2024 年初开始布局 agent 方向，2024 年 8 月正式上线了 agent 框架——Flowith Oracle，这比 OpenAI 的 o1 模型还要早。至今，Oracle 已经解决了超过 2000 万次复杂问题。

Flowith Oracle mode 采用独特的agenic knowledge management框架。它能自动将用户上传的信息拆分为knowledge seed，并实现知识的循环系统。核心是自主规划引擎，支持任务分解和无限工具调用。

核心功能

• 任务自主规划与分解：将复杂需求拆解为有序子任务(Recipe)，设计系统性工作流
• 无限制工具调用：调用丰富工具库完成子任务
• 知识花园：构建个性化知识库，管理和应用知识（类似 ima）
• 多线程画布：在一个画布中与多个AI模型同时交互，用户可以在Agent运行过程中添加/删除任务

优点

• 创新的画布式界面，交互体验优秀
• 知识管理能力强，支持知识循环系统
• 任务执行中可定制化程度极高，适应各种创意场景
• 工具调用能力出色，支持复杂任务

缺点

• 运行模式与常规 Agent 产品有差异，新用户适应需要时间
• 多模态支持相对较弱
• 开放性不如完全开源产品

实际使用示例

https://flowith.io/conv/b904a02a-6253-4115-a6bd-45b30c5fd379?U2FsdGVkX19DcSHIWDq4dvaFdJ9ygn7/PCHjQBDnkynUdkAMguCXA5YwLtgtespdT8IGXj7qKTw4wsgJ07oOHw==

05 产品对比

B端应用场景分析

在企业应用方面，Agent 有望在以下领域率先落地：

研究表明，AI Agent在B端最有可能率先落地的是部门级应用，而非公司级应用。这是因为部门级工作相对灵活，存在大量未被固化的业务流程，而这恰恰是AI Agent能够发挥优势的地方。

落地挑战与制约因素

尽管Agent在B端市场有巨大潜力，但当前仍面临一系列挑战：

技术层面

• 幻觉问题：AI生成的内容存在事实错误的风险
• 复杂任务处理能力有限，常需人工介入
• 安全与隐私保障机制不足
• 系统集成困难，与企业现有系统兼容性问题

非技术层面

• 缺乏明确的监管框架和合规标准
• 投资回报率(ROI)不明确
• 责任归属不清晰，出错时责任界定困难

结论与建议

1）对Agent市场不要过于FOMO

尽管AI Agent市场展现出强劲的增长潜力和广阔的应用前景，但目前的产品还不足以在B端市场中大规模应用。从技术成熟度、稳定性、安全性以及与现有企业系统的集成能力来看，当前的AI Agent产品仍处于早期阶段。

建议企业保持理性，避免因”错失恐惧”(FOMO)而仓促决策。可以采取试点项目和小规模实验的方式，逐步引入Agent技术，评估其在特定业务场景下的实际效果，为未来更大规模的部署积累经验。

2）相信”壳”的力量

即使没有能力优化底层模型算法，企业也可以通过打造优秀的产品”壳”来创造价值。在当前阶段，基础大模型能力正在迅速成为通用化服务，真正的差异化竞争优势将来自于：

• 用户友好的交互界面设计
• 针对特定场景的工作流程优化
• 与企业现有系统的无缝集成
• 垂直领域的专业知识积累
• 安全合规的数据处理机制

企业应将重点放在应用层面的创新上，通过深入理解用户需求，设计出符合特定场景的AI Agent解决方案，而非过度关注底层技术的迭代。

3）AI能力没有壁垒，方向比技术更重要

在AI快速发展的今天，技术正在以前所未有的速度被开源和共享。基础AI能力不再是核心竞争力，而是找准方向和应用场景的能力变得更为关键。

企业应该培养对市场趋势的敏感性，找到AI Agent技术与自身业务的最佳结合点。即使是小团队，只要找准方向，也有可能开发出成功的产品。不要被技术复杂性而被恐吓住，关注解决实际问题的能力。

展望未来

展望未来，我们预计AI Agent技术将在以下几个方向快速发展：

• 多智能体协作：从单一Agent向多Agent协作系统演进，处理更复杂的任务
• 垂直领域专精：针对特定行业的专业化Agent将出现，具备深度专业知识
• 人机协作模式优化：更自然、高效的人机交互方式，提高协作效率
• 安全与隐私保障机制完善：更强的安全机制和隐私保护功能
• 标准化与互操作性提升：不同Agent系统之间的标准接口和协作机制

AI Agent技术正处于从概念验证到实际应用的关键转折点。企业需要理性看待其潜力和局限，在保持技术敏感性的同时，着眼于解决实际业务问题，才能真正从这一技术浪潮中受益。