核心观点与关键数据
- 产品分析：新推出的个人助理产品“minus”在处理复杂任务和数据收集方面展现出潜力，与微软Copilot相似，但在执行具体行动方面能力有限。工程化实施取得进展，提高了功能多样性和场景适用性，但将模型能力转化为实际产品应用仍是主要难题。
- 技术架构：“minus”定位为通用型个人助理，专注于C端，具备信息检索和数据分析能力，技术架构类似多智能体系统编排器，通过不同模型协作提供服务，计划开源部分模型。
- Agent技术应用：讨论了Agent技术在菜单自动化中的应用，通过自动编码开发接口或爬虫助手解决网页访问权限和动态数据抓取问题，强调Agent技术进入工程化阶段的重要性，涉及模型路由、编排器、可观测性等。
- 产品演进：公司产品从浏览器插件到桌面、移动端应用，再到模型API平台和聊天机器人开发工具，最终形成多智能体代理产品。创始人团队早期围绕微信生态开发产品，逐步发展到当前阶段。
- 测评数据：测评数据显示，“minus”在三类复杂任务上的得分超越了OpenAI的MapReduce功能，尤其在level 1和level 3任务上表现突出。
研究结论
- 大模型Agent能力与产品化挑战：当前大模型的核心关注点在于Agent能力实现，模型在定量复杂推理方面表现强劲，但在定性推理上存在挑战，主要因为奖励函数难以设置。模型具备执行复杂任务的能力，但在产品化落地时面临工程能力不足的问题。
- Multi Agents概念：关注Multi Agents概念，即多个智能体协同工作执行任务，这与工程化能力紧密相关，而非模型能力本身。未来需要关注哪些厂商能够实现这类产品，特别是在C端和B端市场中。
- 数据权限：在大模型时代，数据权限将成为区分竞争的关键点。C端通过编程技术解决了数据访问的单一属性问题，而在企业场景中，私有数据壁垒的价值将得到更显著体现。
- 未来趋势：未来需要关注Multi Agents概念和基于现有模型能力开发出具有Multi Action功能的产品，并观察哪些厂商能成功推出这样的产品。
