【测评】主流Agent这么多，真好用的没几个

一、哪些Agent能活下来？

Karpathy 宣称：“未来十年是 Agent 的时代。”
这一论断虽有 VC 式的豪言壮语，语句流畅，富有远见，还带着几分规划感。
我却深以为然。

如今 token 价格持续走低，MCP 生态日益丰富，用户对较长时间的 AI 处理也愈发包容。
过去半年，Agent 产品从概念演示快速迈向 B/C 端应用，如 Manus、扣子空间、Lovart、Flowith Neo、Skywork 以及开源的超级麦吉。
邀请码被炒至数千元，甚至内测阶段已有企业询问私有化部署的可能性。

但在使用中，不禁让人思索，面对众多 Agent，究竟什么样的产品能在市场洗牌后屹立不倒？

产品价值 = 能力 × 信任 × 频率

• 能力：指你能为用户完成什么任务？是否能提供稳定、可交付的成果？
• 信任：用户是否愿意将任务交给你？过程是否可控、结果是否可解释？
• 频率：你是否能在用户需要的场景中，随时被便捷调用？

每个维度最高分是 3 分；分为 高中低与 0。

基础线是 8 分，超过 8 分属于好 Agent， 低于 8 分属于存疑产品。

公式融合了多位一线投资人的意见：

Reid Hoffman 曾表示，“未来每个人身边将有多个 AI 伙伴，组成一个协作的团队”，但关键在于：用户信任它、能管理它、能反复使用它。
a16z 建议创业者，Agent 的发展从辅助 Copilot 到独立 Agent，核心在于能否精准满足用户需求。
红杉资本用“Always-On Economy”描绘 Agent 的未来图景，但前提仍是：你是否具备交付能力、赢得信任，并融入用户日常操作的能力。

所以，Agent 产品不是谁跑得快、干得像人，就能活得下来。

而是谁在这三个维度上，每个都不能是零。

二、代表性 Agent

选了六款过去半年频频被提及、且在B端和C端均有实际用户使用的Agent产品：

Manus、扣子空间、Lovart、Flowith Neo、Skywork和超级麦吉。

对这些产品进行测评，基于以下公式，从三个维度分析它们的核心特点：

1. 能力：它具体能为你完成哪些任务？
2. 信任：生成结果的质量是否能一次达标？
3. 频率：它能否高频满足你的使用需求？
   评分基于个人主观感受，欢迎在评论区分享不同观点。

Manus：爆得快，掉得也很快

一句话描述任务，它就能自动拆解、规划、执行，再拼出一个完整的结果页面，甚至会自动写总结。

那一瞬间我确实动心了：这是不是已经比 Copilot 更像 Agent了！

但真正用下去之后，我看到…

• 它只能在独立网页上跑流程，入口重，没法嵌进任何我日常工作的地方；
• 流程跑一半经常上下文断掉，中间卡住一环，等好久回头就挂了；
• 它能做事，但我说不上它做得是不是我真正想要的：我给命题，他还结果。

然后…这个结果，是不是你心里那个目标？难说。

后来它限流，我就再没点开了。

它确实给了“能用”的场景，但没留下“好用”的理由。

Manus 的问题不在于交互多么牛逼，而在于我用了一次，我没有信心开第二次。

用「能力 × 信任 × 频率」的评估公式，来看看它：

• 能力一般，成功率基本上在 20% 以下，给 1 分；
• 信任也有暴露，中间步骤、引用内容都可查，给 2 分；
• 但 Manus 很难融到用户的工作环境中，满血版不支持国内网络环境，给 1 分。

最终分数是：2 分，基本上归类到玩具一类。

但是但是！

Manus 的意义，还是得单独拿出来说。

它让很多用户第一次意识到，甚至是AI 产品从业者意识到：Agent 不是更聪明的对话，而是更完整的动作链。

你可以说它只是缝合怪、demo 感太重，

但它确实让我们看见了一个新的范式。

Agent 不再是 Chat bot，而是：你说一个任务，它替你走完全流程。

就像硅谷 101 那篇文章标题写的：

Manus 不够好，但天快亮了。

扣子空间：路线对，链路完整，但还在找用户留存的理由

那时候我的判断是，它的意义不在“用起来多聪明”，而在于：

它是我第一次看到有 Agent 系统，能真的把「MCP 调用、任务编排、结果交付」稳定地跑完。

因为这件事不是谁想做就能做，MCP 接入只是门槛，更大的难题在于：

• 有没有牛逼的调度系统帮助跑完；
• 有没有工程化机制能兜住各种异常；
• 有没有敢做全链的基础架构。

它做得不完美，体验还不够顺滑，但它的路径清晰，方向可信。

但拉回现在这套「能力 × 信任 × 频率」的评估公式，再来看看它：

• 能力没问题，链路完整、MCP 体系化使用，给 3 分；
• 信任也有暴露，中间步骤、引用内容都可查，给 2 分；
• 频率稍弱，它更多是被挂在扣子空间的页面里，需要用户收藏页面，给 2 分。
  • 如果哪天扣子空间合并到了飞书中… 那就是 3 分。

最终 12 分，属于后续更新了新版本，我会愿意积极尝试的程度。

我甚至觉得，如果今年内会出现一款杀手级 All In One 的 Agent 应用，

扣子空间的胜率很大。

因为…豆包模型 + 火山 MCP + 豆包的体量 + 扣子的Agent 调度能力；

天时地利人和几乎占尽…

如果扣子空间的运营看到，请给我打钱谢谢…

而且，在架构上，扣子空间是系统最完整、迭代路径最清晰的 Agent 产品之一。

虽然迭代路径清晰，架构完整，但它要留下来，可能还得回答一个问题：

由于扣子空间是通用 Agent，那么…

在哪个任务场景里，用户能第一时间想起你？
至少现在，我还没建立起这个直觉。

Lovart：直接给你交稿

Lovart 是为数不多，我真正当做生产力工具的 Agent。

也是我真的用钱投票的产品。

因为它实实在在做到直接交稿的事情：

• 我提需求，它自己拆成任务；
• 中间怎么画、用什么风格、怎么配色、怎么分层，它全程自己决定；

这真·是生产力工具。

他带来的价值，是我不具备的 “关于设计的 Know How”。

我不需要再思考 prompt 写得够不够好，反正我没有它好，我只要习惯只表达目标。

如果用「能力 × 信任 × 频率」这个公式来看：

• 能力，几乎是“以交付为核心的整合型能力”，不是拼拼图而是真能做成事，我给 3 分；
• 信任，在于你知道它交得出来，哪怕你点“生成”前会犹豫，但点完后大概率会满意，同样给 3 分；
• 频率，目前还是偏工具型，入口依赖用户主动保存并打开，我给 2 分。

总分 18 分，属于优秀 Agent。

我很喜欢 Lovart，它几乎能满足我的大部分设计场景，我只需要发起多次任务，然后收割结果。

很多人说它是个缝合怪，但我觉得它是缝合得特别好的缝合怪。

Flowith Neo：交互非常独特的 Agent

在没出 Agent 的时候，我就很喜欢这样的交互了。

我和 Chat bot 对话的过程中，会基于某个节点进行新提问， Flowith 将这部分具象化了。

Neo 发布之后，我觉得是真的遵循好 Planning 、Action 范式的 Agent。

比如，我让他分析股票

它没有二次确认，上手自己开始拆：

• 筛选股票、抓市场新闻、汇总分析；
• 一步步走工作流、结构化生成、分模块输出。

页面上每个流程节点都能看到内容，生成速度很不错，最后结果汇总成报告。

很大程度上缓解了我对AI 掌控的焦虑。

但仔细拆了之后，我发现它有两个关键能力特别牛逼：

• 一个是并发。不是并行调几次这种Level，而是它可以在一个任务里同时起N个执行链，互不冲突、稳定输出；
• 另一个是并发之后的串联机制。并发带来的超长上下文，要怎么不超 模型 Token 上限？

这个是很令人头痛的工程化瓶颈，而 Neo 在这一步做得很好，能把并发节点自动组织、排序、压缩甚至推给下一步模型继续用。

它能把推理结构具象化，这是一种很酷的 AI 设计，我很喜欢。

不过，我不能代表所有用户，这个酷酷的交互，对大部分基础用户来说…

很多用户并不需要一个画布，他们只要一个开始，一个结束。
因为画布的交互，不是所有普通用户都能玩明白，自由的画布反而会让人无所适从。

所以如果你真有任务需要 Agent 跑流程，那它值得一试。

但如果你想找一个每天都能给你干活的搭子，它可能还不够顺手。

如果用「能力 × 信任 × 频率」来拆：

• 能力没得说，它能拆能跑、执行链完整、支持高并发，后处理能力也在线，给 3 分；
• 信任也可以，流程透明、失败可查、输出有状态，给 3 分；
• 频率偏低，太开放的命题让我不知道他能做哪些，给 1 分。

总分 9 分；我对它的评价可能更多是一个玩具。

Skywork：Manus Pro Ultra，办公界的 Lovart

Skywork 是我目前看到“办公场景最强 Agent”的产品。

虽然它长得像 Manus，但我得说一句公道话：

它比 Manus 强太多了。

其实很多 Agent 产品的基本形态都像 Manus，可见：Manus 还是走得挺超前。

但 Skywork 不是简单的模板，它是把 Manus 产品框架理解、吃透，

再结合用户的真实需求，重新做了一遍。

在用户交互、任务结构、执行逻辑这几件事上，彻底补上了“能用”与“好用”之间的Gap。

我测试它的时候，是让它分析「金山办公股票值不值得买」，给我做个 PPT。

一句话输入之后，它并不会立刻开跑，而是先确认任务范围：

• 明确分析维度（财务、行业、风险、时间跨度）；

• 分模块列出任务计划：公司概况、主营业务、行业对比、竞争格局、投资建议；

• 接着通过 MCP 工具访问证券网、年报、同花顺 F10 页面，自动抓数；

• 最后通过 HTML 生成一组完整的页面，然后再把 HTML 转成完整的 PPT。

• 更离谱的是，它加了溯源功能！
  

  

  没有废话、不炫技，没有找点资料糊弄我一脸，老老实实查数据、跑引用、出图表、做 PPT。

  虽然中间因为访问来源太多，被反爬挂了一两个链接，但对最终结果几乎没影响。

  我觉得，这也是 Skywork 的真正价值所在：

  它不是 ChatBot，不是 CoPilot，也不是 Flowith 那种玩流程自由的系统。
  它就是这是一个班味很重的牛马 Agent，知道我要啥的 Agent。

  如果说 Lovart 是最懂设计的 AI ，那 Skywork 就是最懂写 PPT 的 AI。

  接下来， 我想说：它强调的不是充满个性，而是稳定 & 可信。

  因为：

  • PPT 是有架构的；
  • 推荐理由是清楚的，甚至每段带引用；
  • 执行链是可查的，数据来源可回溯；
  • 输出文件是能直接用的，而不是那种表演型的 Agent。

  这也是我用完它之后，特别认同红杉资本那句判断：

  “你最好给客户一个端到端的解决方案，而不是把工具怼到他脸上。”

Skywork 给的就是一个完整、能交、能解释、能改的结果。

如果按「能力 × 信任 × 频率」来拆：

• 能力不在多，而在准。它知道你要一份什么样的稿子，也知道怎么分步骤完成它，我给 3 分；
• 信任值很高，每一段都有出处、有结构、不跑题、能兜底，我给 3 分；
• 频率不算日常，但凡你要做个材料，天工肯定是我首选的外包对象，我给 2 分。

天工在我心里是 18 分，很优秀。

超级麦吉：融入到 OA 里的 Agent

麦吉是我特地加入的一个 Agent。

它代表着另一类我们平时看不到的，真正跑在 B 端系统里的 Agent。

如果你是创业团队，需要协作软件，推荐你试试麦吉，它很接近我理想中 AI 驱动产品的形态。

甚至… 它也有深度研究 & 生成 HTML 或者 PPTX。

它的界面和天工很像，只不过它开源得更早。

开源的结果，就是：如果一些闭源产品的产品力赶不上他，那闭源产品对于小团队而言的吸引力会降低。

不同于 Flowith、Lovart 那样强调 AIGC ，麦吉关注的是：

OA 里那些没人愿意干、但又天天得人干的事情，谁来替你干？

比如：

• 发票识别、校验、归档；我每次都在Q快结束的时候，匆匆报销…
• 审批流程的权限路径判断，不需要你手动添加审批人；
• 企业内报表的匹配、统计、还有解读以及可视化；
• 供应链表单的结构化填写、字段关联与表单转化…

所以，麦吉产品和AIGC Agent 不一样在于，

Agent 不是一定要交付内容才能成立，有时候它是替你跑流程的 Agent。

所以如果按「能力 × 信任 × 频率」来拆：

• 能力是流程执行能力，而不是 基模的 AIGC 能力， 产品团队做好了转换，我给 3 分；
• 信任必须是系统级的，它必须极度可靠、权限明确，否则是公司级的弃用，我给 2 分；
• 频率极高，只要公司流程在，麦吉就要在，不需要员工主动点开；这种在 OA 环境里，妥妥的 3 分。

同样的 18 分。

通用模型在变，基模越来越强，现在已经能深度思考、调MCP、结构化输出、甚至还是多模态N 合一。

那如果再往前走一步，是不是这些专才 Agent 做的事，也很快能被通用模型升级之后顺手一锅端？