摘要

2025 年 Agent 的加速来自代码模型、RFT 与 MCP 三层同时推进，融资与估值随后给出了市场信号。 Sonnet 3.5 带来代码生成质变，OpenAI 在1月、2月先后推出 Operator 与 Deep Research，Manus 3月出圈、5月获 Benchmark 领投7500万美元、估值5亿美元；录音当日另有外媒传出 OpenAI 拟以30亿美元收购 Windsurf，Cursor 母公司 Anysphere 则融资9亿美元、估值90亿美元。“Agent 真的时代来了”的底层含义，是基础组件开始组合，而非又多了几个聊天框。
这一轮范式变化不是模型更会说话，而是它开始能依据环境奖励调整行动策略。 23、24年的 Agent 依靠知识库、工具和人工 workflow，模型训练目标仍是对话；RFT 把推理模型放进编程、电脑操作等环境，允许它探索路径、失败后重试。陶芳波称之为“语言模型的 AlphaGo 的时刻”：思考能力可以根据环境反馈学习，这是新旧 Agent 之间的“big gap”。
Coding 正在成为数字世界的通用行动层，因此 Cursor、Windsurf、Devin 的上行空间可能远大于传统 IDE 插件。 Windsurf 的 context engine 能识别代码、测试、配置、命令行和技术文档；Devin 更把浏览器、IDE、测试区及可反复修改的“策略室、作战室”纳入环境。随着 MCP 接入，Cursor 甚至可能从“以代码产出为目标”转向“以完成任务为目标”。
通用 Agent 可能吞掉大量原本可独立创业的消费场景，真正可守的机会反而更偏“小而美”。 一个 Deep Research 可能覆盖过去的学术、市场研究工具，一个 Operator 可能覆盖买菜、订票、比价和旅行规划；大厂占据的单个产品边界也会比 App 时代更宽。陶芳波因此怀疑 C 端还能容纳多少服务型 Agent，却看好保险、招投标等拥有专属“武器库”、评价标准和数据环境的垂直产品，以及能表达个人独特性的“第二自我”。
Manus 的优势首先是产品化与可控感，短板则是通用定位、数据壁垒和断裂的网络效应。 Kolento 更愿意用它做进入新领域时“广而不深”的研究：过程白盒、可随时 jump to live 接管，并能把报告变成交互网站；其指令式记忆也比普通 RAG 记忆更有行为感知。但“world’s first general AI agent”既能抓住 early adopter，也意味着“通用性更等于没有第一的联想场景”，而登录、权限、小红书或 Facebook 等数据墙，远非 coding、GUI、命令行这只“八爪鱼”都能穿透。
Agent 产品真正的能力中心可能不是 prompt，而是贯穿意图、工具调用、执行和输出的 evaluation。 Kolento 的比喻是：“prompt 是那把武器，但是 evaluation 是你的准心”；只有每次改动都可量化，Demo 才能变成持续迭代的产品。若面向真实环境的 evaluation 能升级为可重复生成的 reward，Agent 就能自主探索和对齐；但据节目讨论，RFT 相比 SFT 可能只提升约25%，成本却增加数倍，商业化必须计算这部分边际收益。
行业节奏会出现明显错位：产品制作快到“甚至有点恐怖”，大众采用和生态建设却仍可能按年计算。 Kolento 已从重 PRD、重 planning 转向更快执行，却也把“做过200多个 Agent”修正为多数只是 chatbot 或 workflow；陶芳波则从“2025 是 the year of agent”转为更谨慎。MCP 目前更像“API 的 AI 化封装”，认证、隐私、数据开放和平台商业化尚无统一答案，技术通道出现不等于 Agent 已能自由进入环境。

精读

1. 2025 年的加速由三项底层变化共同触发

泓君给出的时间线很密集：1月 OpenAI 推出可自主使用浏览器的 Operator，2月推出 Deep Research，3月 Manus 以“通用 AI Agent”出圈；到5月，Manus 获 Benchmark 领投7500万美元，节目称估值达到5亿美元。
5月6日第二次录音时，节目还提到外媒传出 OpenAI 拟以30亿美元收购 Windsurf；Cursor 母公司 Anysphere 融资9亿美元、估值90亿美元。融资和估值开始成为 Agent、尤其是 coding Agent 获得市场关注的信号。
泓君总结的三股推力分别是 Sonnet 3.5 带来的代码能力质变、有限数据下仍能提升特定任务表现的 RFT，以及 Anthropic 于2024年11月底提出、开始连接网站和服务的 MCP。

2. 新 Agent 融合了通用交互与传统强化学习

陶芳波先把概念拉回机器学习：AlphaGo 在强化学习语境中就是 Agent——它依据环境反馈自主学习行动策略。大模型时代，这个词被扩展为像人一样独立完成任务、由基础或推理模型驱动，并拥有记忆和用户界面的系统。
23、24年的大模型 Agent 通常没有自主学习能力，行业知识来自开发者配置的知识库和 workflow；它更像“脚手架”，会调用工具，却不会在环境中真正学会应对变化。
推理模型与强化学习微调结合后，Agent 开始兼具两端：既能与人交流、处理复杂任务，也能在法律、编程、电脑操作等特定领域探索路径。“现在真的觉得 Agent 有智能了。”

3. 环境反馈补上了上一代 Agent 最大的缺口

陶芳波的核心解释是，早期语言模型无论预训练、post-training 还是 RLHF，训练目标都主要是跟人对话，“而不是为了跟环境互动”。把它强行当作大脑接上工具，不等于它理解工具所在的世界。
DeepSeek R1 被他用来说明变化：过去可以通过 SFT 给模型问题集、最终结果和死记硬背的知识库；R1 则在训练中调整思考策略，学会怎样更好地完成数学或编程任务。他把这称为“语言模型的 AlphaGo 的时刻”。
23年已有公司尝试用 GPT-4 操作电脑却效果不佳，因为模型“根本没有在电脑操作的环境里面待过”；Operator 则把推理模型放进电脑环境做强化学习，使失败、定位错误和调整行动成为训练的一部分。

4. 好环境不是场景描述，而是专家的完整武器库

编程环境不只是浏览器或代码文本，还包括 IDE、测试、部署、GitHub、开源项目和技术社区。创业公司的工作，是把这些专家熟悉的空间转化为 Agent 可行动的环境，再配置少量有效数据与奖励函数。
陶芳波给出的筛选标准是：现实中凡需要专家拥有“一套武器库”和特定方法论才能完成的任务，都可能形成专属 Agent 环境。法律、医疗、制作《硅谷101》，乃至 Palantir 所面对的军事和武器操作都属于此类。
这也意味着编程 Agent 需要针对环境重新训练；陶芳波不相信一家大公司只做一个模型，就能让同一个 Agent 无差别完成所有专业任务。

5. Operator 把固定 workflow 改造成动态闭环

Operator 会在服务器端开启浏览器，把目标拆成搜索、比价、选择、支付等阶段；支付或信用卡等环节仍保留人工验证。Kolento确认自己用它在 Instacart 买过菜，评价是“速度很慢，准确率也不够高”，但明显好于直接驱动 GPT-4 或原始 o1。Kolento还说 Operator 和 Deep Research 都是从 o 系列模型微调而来。
它把点击、键盘输入、打开新 tab、Google 搜索等基础操作纳入推理输出：一旦生成动作便暂停思考，执行后读取网页反馈，再继续规划。“思考、执行、反馈、继续思考”由此成为连续环节。
泓君追问这与 workflow 有何不同。陶芳波的回答是，旧 Agent 要开发者“手把手教”每一步；新 Agent 学到的是完成任务的大框架，网站打不开时可以临场换站，而不是卡死在预设路径。
Deep Research 的闭环相似，只是工具集换成公开信息检索：它会根据搜索结果修正假设、追加检索，并处理信息源冲突。两者训练方法都被归为 RFT，区别主要在行动集、数据集与奖励目标。

6. 虚拟电脑与上下文引擎开始成为 Agent 基础设施

Kolento 提到 Scrapybara 的定位近似“a computer for your agent”：不让 Agent 直接运行在个人电脑，而是通过 API 在数秒内启动安全、可扩展的虚拟桌面，让它写代码、分析数据、浏览网页并采取具体行动。他还说这家公司是 YC 前一年刚投的。
他曾用 Scrapybara 在 Amazon 买秋裤；据 Kolento 回忆，其官网以前似乎把销售开发代表查找潜在客户作为场景，信息应该可以与 Salesforce 集成。这里卖的不是硬件，而是一个 Agent 能安全操作的虚拟环境；他推测产品后来也接入了云计算。
Windsurf 的差异则在 context engine：它知道代码、文件、配置和测试在哪里，也把命令行执行与互联网技术文档纳入行动空间。陶芳波认为，它胜出的原因并非仅是更早，而是“对于环境这件事情的理解比别人到位”。

7. Devin 把软件工程扩展成可持续思考的环境

Devin 从一开始就不把 Agent 限制在 IDE：其界面同时容纳浏览器、代码区、用户交流区和测试环境，目标是独立走完更长的软件工程闭环，而非只补全代码。
长任务会超过模型一次可理解的上下文，因此 Devin 另设可反复修改的笔记区域。陶芳波把它形容为“策略室、作战室”：Agent 有时不写代码也不搜索，而是在重构笔记中的系统设计和行动方案。
这件事令他感到“非常吓人”，因为 Agent 开始像人一样主动创造思维空间，再利用这个空间迭代。泓君还提到全球软件工程市场“好像”约为每年4.2万亿美元。

8. 更低的开发门槛未必带来更多大公司

Kolento 的直接感受是“时代变了”：知道怎样做产品之后，开发成本低得“甚至有点恐怖”。遇到 shownotes、博客生成等需求，他会立刻搭建工具，在多个平台累计做过约200个作品。
他后来修正说，这些作品多数“不够智能，也不够动态”，更准确应叫 chatbot 或 workflow。陶芳波承认 RFT 可减少数据、资本和算力依赖，却反问：如果人人都能做服务型 Agent，到底还有多少 Agent 值得单独重做？Deep Research 可能一次覆盖学术研究和市场调研，Operator 也可能把100个消费需求收进一个产品。
他的判断因此偏谨慎：大厂掌握的单个机会将比 App 时代覆盖更宽的需求与注意力，C 端创业空间可能更小；这个时代反而更适合“小而美”，而非重复构建面向所有人的服务型 Agent。
他借公众号和抖音解释可能的反转：平台机会被巨头拿住后，个体仍可通过独特表达成为自媒体或小型创业者。未来若 AI 形成网络，代表个人、释放个体性的 Agent 也许会创造新市场，但形态尚未想清楚。

9. Manus 的 aha moment 首先来自产品可见性

Kolento 是 Manus 首批试用者之一，最初的 aha moment 来自 Notion 风格的 UI，以及从临时网页逐步发展到可永久发布、进入社区的交互网站能力；但网站只是研究结果的视觉载体，并非主要任务。
他更常让 Manus 大量抓取生物、脑科学或新产品资料，快速建立领域全景。其判断很明确：早期输出“信息的量非常大，但里面的质却有点低”，所以更适合广度工作，而不是深度工作。
Manus 的记忆以“用户执行某指令时，Manus 采取某操作”的指令对保存；Kolento 要求任何任务开始前先提出尽可能多的澄清问题，它能持续遵守。相比之下，他认为 OpenAI/GPT 的 RAG 式用户记忆没有同样强的行为感知。
在 Manus 与 Deep Research 之间，他个人更偏爱前者：Deep Research 等待时间长且过程不可见，Manus 会展示浏览、写代码等步骤，还能随时中断或通过 jump to live 接管电脑，因此更“白盒”、更可溯源。

10. Manus 的通用行动栈很强，数据墙却更硬

陶芳波认为 Manus 做对的是把 coding、GUI 和命令行组合成中间行动层，像“八爪鱼一样”渗透不同工具，避免逐一集成网站。但真实使用仍集中在网页、Deep Research、简单 PPT 和办公素材，尚未扩展到广泛人群。
更大的限制未必来自模型或工程，而是数据壁垒。人可以凭自己这个“验证的 token”登录各种环境，AI 却未必能进入小红书、Facebook 或用户账户；关键节点一旦断开，所谓通用能力便被截断。
Sonnet 的意义不只是智力更高，而是它率先“crack the coding problem”。数字世界本就为代码适配，coding 因而成为操作数据和环境的通用 layer；但“凡是 coding 都接触不到的壁垒”，Manus 和其他 Agent 同样无能为力。

11. 模型依赖要求产品建立自己的评估飞轮

Kolento希望出现“模型越强反而我越强，而不是模型越强，然后我就没了”的产品。他说 Manus 的智能能力基本托管给大语言模型，并推测任务理解、工具调用等依赖会使模型升级、API 波动、延迟、成本和幻觉成为产品层不可控变量。
他援引姚顺雨的框架：强化学习涉及算法、环境和先验知识，而 evaluation 甚至可能比 training 更重要。过去他会过度关注 prompt 工程或最新模型，如今更重视系统效果能否被持续衡量。
“Prompt 是那把武器，但是 evaluation 是你的准心。”Human evaluation 最贴近偏好却稀疏、昂贵且不精准；code-based evaluation 快而便宜，却难处理复杂语义；LLM-based evaluation 则试图让模型自动评估自身表现。
对 Manus 一类产品，意图识别、工具与 API 调用、执行、生成都应有独立评估逻辑。Kolento设想类似 evaluation operations 的机制，并用 Phoenix 等框架抽象 summary、RAG、code generation 模板；陶芳波进一步提出，把 evaluation 变成可重复 reward，Agent 才能自主优化。

12. RFT 的能力增益必须接受成本检验

泓君提出的商业问题是：一些从业者认为 RFT 效果可能比 SFT 高约25%，成本却增加数倍；面对大规模用户，是否值得为这25%持续付费，还是先用更便宜的 SFT？
陶芳波判断技术圈会逐步迁移至 RFT。泓君则说自己听说 Manus 团队内部采用 SFT；节目随后以 Manus 当时未用 RFT 为前提讨论其原因。
OpenAI 到2024年12月底才公开 RFT 流程与技术细节，因此陶芳波认为当时采用其他方法并不奇怪。更具体地说，如果选择 Claude Sonnet，因 Sonnet 不允许微调，SFT 不能直接调整承担思维链的核心模型；他的推测是，Manus 调的是 computer-use model：“其实是在调他们的手，而不是在调他们的脑子。”

13. “通用”既能抢心智，也会消除使用理由

Kolento认为 Manus 自称“world’s first general AI agent”是一把双刃剑：它能吸引 early adopter 并制造 hype，但“你能做任何事情”不等于用户知道何时想起你。“通用性更等于没有第一的联想场景，等于没有心智位置。”
通用 Agent 还抬高认知启动成本。用户不仅要学会表达需求，还要理解能力边界；许多人面对 LUI 根本不知道该说什么，因此 Kolento宁愿由 Agent 主动澄清，再逐步完成对齐。
他以 Google Wave 为前车之鉴：2009年的产品同时集成邮件、IM、协作文档和发布能力，却因用户不知道它是什么而失败；后来功能被拆入 Gmail、Docs 和 Chat。Manus、Cursor 全球办社区活动，可能正是为了沉淀垂直 use case。
在高风险节点，Fellou 和 Replit 的体验更符合他的预期：先可视化对齐，遇到登录、密码等操作便让 human in the loop。Manus 若未提前识别权限问题，可能耗尽 credits 后仍卡住。

14. 通用潜力与垂直现金流形成两条下注路径

陶芳波最看好 Cursor 一类产品：它已从技术人员切入，并积极通过 MCP 连接 Notion 等数据和应用；未来界面或许会分成两种模式——一种以 IDE 和代码产出为中心，另一种仅把代码当作完成任务的辅助。
泓君追问为何不是 Windsurf。陶芳波承认两者接近，但 Cursor 更早形成产品、市场渗透率更高；独立团队也可能拥有更大探索自由。对于传闻中的 Windsurf 收购，他保留判断，认为 OpenAI 同样可能注入通用 Agent 意志。
他也没有否定 Manus：从办公研究、文件处理切入，再逐层拓展能力集仍是正确路径；只是“通用 Agent 的建设是一个很长期的、持续积累的过程”，无法靠一次出圈完成。

15. 最具体的垂直 Agent 已经展示可量化价值

Kolento举出的 Vantel 专做商业保险经纪人工作流：他称很多保险从业者约80%的时间耗在保单分析和数据录入上；Vantel声称每周可节省10多个小时，并能在5分钟内比较长达数百页、包含大量因素的保单。
The Sweet Spot 服务企业、NPO、NGO 与 SMB，搜索 grants、解读 contract、分析并协助招投标。Kolento为绕过每次48小时试用曾换八九个邮箱，最终直接联系 CEO 要会员；这个细节比抽象评价更能说明产品黏性。
泓君与 Kolento 都长期使用 Gamma。它的壁垒不只是一键生成 PPT，而是疫情期间便形成的模块化页面、拖拽组件、视频效果、精细微调和图片商用标记；陶芳波说即使不付费也只能使用10张，这已覆盖多数常见需求。

16. 制作速度在加快，大众 Agent 采用却可能更慢

Kolento两个月内最大的变化是执行优先级上升：竞争对手在开源、闭源两端都快速发布，传统产品经理式的长篇 PRD 和细拆 planning 被压缩，产品需求到工程实施需要更短链路。“所有的事情都在加速。”
他也修正了第一次录音的说法：那约200个作品多数“不够智能，也不够动态”，更准确应叫 chatbot 或 workflow。真正商业化较好的，是23年为东非中大型 NGO、NPO 搭建的 grants pipeline：搜索、展开答案、对文件问答、编辑文书，再由人工逐步确认和提交。
陶芳波的心态则反向降温：年初相信“the year of agent”，Manus 和 MCP 出现后反而发现问题更多。聊天机器人已能进入父母辈日常，但 Agent 无论由垂直群落还是一两个通用产品组成，离普通人每天使用仍很远。
Second Me 已作为开源“第二自我”平台发布，节目称约有92K stars；实践却暴露出根本问题：Agent 是连接用户需求与环境行动的双向转换器，除了环境要可访问，人也必须拥有高质量表达偏好和意图的输出通道。

17. MCP 打开了门，但还没有解决谁愿意开门

泓君把 MCP 理解为多智能体协作协议，陶芳波当场纠正：它不是 AI 与 AI 之间的协议，而是 Agent 访问外部信息源或 service 的协议。
他预计 MCP 的渗透以年而非月、周计算，首要瓶颈甚至不是协议缺陷，而是平台是否愿意开放数据。接口和数据本是商业化基础；认证、隐私保护和商业化保障若无行业标准，技术可用也不会自动带来 adoption。
陶芳波最后的定性很克制：当前 MCP 更多是“对于 API 的 AI 化的一个封装”，尚未成为真正 AI-native 的入口。Agent 可以敲门，却还不能经由这扇门自由进入对方环境并完成操作。

Alphabet CEO Sundar Pichai｜All-In 专访 Titans：LLM 的神经长期记忆，与作者 Ali Behrouz 对谈