不只是聊天机器人,AI 助手正在走向哪里?

Builder X

Peter Yang

Peter 分享了自己使用 Grok Bot 的方式。他认为，Grok Bot 是基于不同的「角色」构建的，而不是聊天线程，因此用起来很像是在雇佣员工为你工作。每个角色都负责一项具体任务：负责客户支持的增长助手、负责资料研究和前期准备的 YouTube Producer、帮助处理家庭琐事的管家，以及监督并跟进锻炼计划的健康教练。

这种设计让 Agent 从一个需要不断对话的工具，变成了可以被分配任务、长期协作的数字员工。Peter Yang 还提到，Grok Bot 的新功能包括免费访问 X、独立邮箱，以及使用 Opus 模型等。

Guillermo Rauch（Vercel）

Guillermo 注意到，很多编程 CLI 正变得越来越复杂：后台守护进程、多个 TUI 层、客户端与服务端架构逐渐叠加。与此同时，他认为 CLI 的核心目标仍然应该是以尽可能低的摩擦提供智能能力，并保留类似 Unix 工具的简洁感。

他推荐了一款体积约 6MB、启动速度很快、与模型无关的 CLI，并内置 MCP、Skills、Subagents 和 ACP 等能力。

Guillermo 还表示，Muse Wonder 已经可以通过 Vercel AI Gateway 调用，使用方式是 fx --model meta/muse-wonder-1.0。这意味着 Muse Wonder 开始进入更实际的开发者调用场景，而不只是作为一个独立产品被体验。

Aaron Levie（Box）

Aaron Levie 分享了一种关于 Agent 架构的判断：未来的 Agent 可能不是由人类提前决定“应该使用哪套工具、哪种 Harness”，而是在理解任务之后，自己选择最适合的工作方式。

换句话说，Agent 的关键能力将不只是执行流程，而是先判断任务性质，再决定需要哪些工具、上下文和协作结构。Agent 可能会从“固定工作流执行器”转变成“能够动态设计工作流的系统”。

他还表示，Meta 正在全面进入前沿模型竞争。更多公司同时推进能力边界，会加速模型进步，并进一步降低高能力模型的 Token 成本。

在企业应用方面，Aaron Levie 认为 Agent Swarm 会成为重要基础设施。多个 Agent 可以并行处理任务，尤其适合网络安全场景：它们能够同时测试大量攻击路径、组合不同风险因素，并持续检查企业的 IT 系统、软件、物理基础设施和数据资产。

网络安全可能会成为企业中最早大规模消耗 Agent Token 的领域之一。

Ryo Lu（Cursor）

Ryo Lu 展示了 ryOS 的两个新功能：Dictionary 和 Fitness。Dictionary 可以帮助用户学习单词、发音和日文汉字；Fitness 则可以制定训练计划，并通过 AI 记录身体状况、饮食和锻炼情况。

这两个功能都通过 Cursor 和 AI 完成开发，并且能够同步到 ryOS Account。

Zara Zhang

Zara Zhang 分享了一个很有代表性的案例：一位朋友小时候住在有蟑螂的房子里，母亲曾把“打蟑螂”变成一种游戏。后来，另一位朋友根据这个故事，用 Vibe Coding 做了一个抓蟑螂的小游戏，让玩家和这位母亲进行比赛。

游戏的技术并不复杂，几乎任何主流模型都能在很短时间内完成。但当这位朋友真正玩到游戏时，却感动得流下了眼泪。Zara Zhang 认为，游戏真正打动人的地方并不在代码，而在其中包含了真实的经历、情感和人与人之间的记忆。

代码正在成为一种新的故事表达媒介。

Peter Steinberger（OpenAI）

Peter Steinberger 简短比较了 6.1 Sol 和 6 Astra，认为 Sol 6.1 的速度表现非常突出，在相近成本下带来了完全不同的使用体验。

Dan Shipper（Every）

Dan Shipper 使用 Muse Wonder Standard 制作了一段解释个人 Benchmark 的视频。他表示，目前生成结果仍然比较粗糙，而且视频中的旁白都带有澳大利亚口音。

但是目前 API 中还无法使用 Wonder Full，自己使用的是 Muse Wonder Standard。Wonder Full 暂时没有开放 API，后续还会继续测试。

Aditya Agarwal（SPC / Bevel Health）

Aditya Agarwal 认为，前沿 AI 实验室员工与普通企业之间的 AI 使用方式，已经出现了非常大的差距。即使是排名前 1% 的 AI 组织，在实际工作中也可能远远落后于模型公司内部的使用水平。

他判断，这种差距不会很快消失，因此市场上可能出现一种新的“横向加速器”：帮助企业学习先进组织如何使用 AI，并将这些方法转化为可复制的工作流、工具和组织能力。