摘要

ChatGPT Agent把Deep Research、Operator与虚拟机串成端到端流程，但首轮体验更像抢占通用Agent入口的工程整合，而非成熟的技术跃迁。 朱哲清测试“先研究、再做幻灯片”需35分钟至1小时，旅行任务也要二三十分钟；他认为主要与Deep Research和Operator原有的速度有关，两者结合后更慢。优势是依靠较强的vision在网页上执行，但整体效果低于预期，速度也比想象中慢很多。
消费级Agent当前最难跨越的并非点击网页，而是个性化、支付信任与任务本身是否值得代理。 ChatGPT Agent选出的新加坡航班和酒店最终都被推翻，因为它没记住用户偏好凯悦、直飞和低价；到支付又必须由人接管。泓君提醒人类秘书同样需要沟通，朱哲清承认这一点，但认为复杂偏好的记忆仍不完整，冷启动没有解决。
通用Agent的四条架构路线，本质是在万能性、速度、可靠性和权限覆盖之间做取舍。 浏览器路线“确实是万能的”，代价是高token与网络延迟；开放虚拟机适合代码和数据分析，却难处理登录授权；受限环境靠模板换速度；Pokee式第三方API/SDK集成更快、更可靠，却只能执行平台正式开放的动作。
产品分化已经从“谁更通用”转向“谁能在目标工作流里稳定复用”。 Manus以浏览器加虚拟机覆盖面取胜，但可能受长上下文、幻觉与小时级耗时拖累；JSBox把超级智能体拆成幻灯片、表格、AI电话等模板，速度更快却趋向垂直平台；朱哲清称Pokee速度可达同类的4至10倍、单次工具调用成本可降50%至60%，代价是放弃部分个人账户场景。
真正更清晰的商业市场是专业用户的重复工作流，而非普通消费者的一次性“万能助手”。 朱哲清观察到许多消费Agent留存差，是因为任务“用一次就结束了”；相反，Pokee用户会每周重复跑同一流程。标准化出差适合API型Agent，变量众多的休闲旅行则更适合浏览器型Agent，这一分界直接决定留存与单位经济性。
未来一到两年若Agent成为入口，门户流量、协议控制权和内容付费方式都可能被重写。 朱哲清判断电商、搜索、视频等门户流量会快速下降；他以Google推出A to A为例，并认为ChatGPT、Cloud及Pokee推出协议，同样是在争夺Agent入口。他同时估计近2万个MCP中可用者不到200个，维护与可靠性仍是协议生态的硬约束。
创作者经济未必消失，但广告和推荐可能从“页面排名”迁移到“对话时序”。 面对泓君关于AI摘要侵蚀播客广告的质疑，朱哲清设想Agent按调用向内容方付费，再在没有唯一答案的节点插入商业推荐；传统一次展示5至10条内容的排序机制，则可能被五至十轮、每轮争取下一次交互的推荐逻辑替代。他明确保留不确定性：“我也不是100%确定说，这个一定是未来的方向。”

精读

1. ChatGPT Agent的浏览器执行领先，但分钟级任务仍难证明实用性

朱哲清在发布当天下午试用后的判断偏冷：ChatGPT Agent总体效果低于预期，速度也比想象中慢很多；“先做深度研究，然后再去创建一个幻灯片”通常需要35分钟至1小时。他认为主要原因与Deep Research和Operator原有的速度有关，两者结合后延迟进一步叠加。
新加坡三日行展示了它相对突出的部分：先规划，再搜索往返航班与酒店，依靠vision language model理解页面并获得反馈。相较只抓取HTML组件的方案，这种接近机器人架构的视觉导航更能处理真实网页，朱哲清认为其点击能力超过多数浏览器Agent。
但任务耗时二三十分钟，最终只推进到支付前；朱哲清直言：“我宁可说自己花点时间，十几分钟全部搞定。”支付不是技术上卡死，而是“产品上卡死”——用户尚不信任Agent动用资金，Pokee已集成的相关能力也因此没有开放。

2. 消费Agent首先败在偏好记忆，而非缺少更多操作能力

旅行结果暴露了执行正确与决策正确的差别：Agent推荐的酒店和航班都未被采用。朱哲清习惯住Hyatt，航班偏好直飞中的较低价格，但系统只在高层问三四个问题，之后缺少反馈循环，最后交付的是“笼统的这么一个解决方案”。
泓君的反驳值得保留：人类秘书也需要先知道酒店、时间、价格和舱位偏好，而且Agent理论上“告诉它一次”便可长期复用。朱哲清承认沟通不可避免，问题在于ChatGPT只较好记住行文偏好，复杂旅行反馈并未从早期对话延续到本次任务，“冷启动问题”仍未解决。
电商也未必是高价值突破口。朱哲清认为购物从明确需求到下单通常只有三四步，人点几次即可；真正费时的是形成偏好的选择阶段，而现有Agent既慢，也未必能替用户做出满意选择，不像调研、幻灯片或电子表格那样能节省显著工时。

3. ChatGPT Agent是检索、执行与虚拟机的工程合流

朱哲清把新产品概括为Deep Research负责“从哪里得到更完整的信息”，Operator负责“基于这些信息怎么执行”。过去前者交付一份巨大报告、后者要求用户已经知道自己要什么；合并后的价值，是把信息获取到网页执行做成端到端体验。
其路由逻辑在他看来并不神秘：复杂信息需求先进入Deep Research，再携带结果执行；简单需求则直接执行。虚拟机补上第三条路径，可用Python或Bash脚本生成PPTX、处理任务，因此整体是“从深度研究到浏览器，到虚拟机的一个结合体”。
这也是朱哲清对发布时机的保留意见：整合难度“其实没有很大”，更像OpenAI看到Manus、Genspark等通用Agent后争夺市场的动作。发布演示和产品状态都不算成熟，部分任务甚至比现有产品更慢、效果更差。

4. 四种架构没有全胜路线，只有不同的失败方式

第一类纯浏览器Agent相信所有互联网服务最终都呈现在网页上，因此只要能“看见并操作”便近乎万能，过程也对用户可见。代价是每一步都可能重新读取HTML与JavaScript，token消耗高；单次网页下载本身就可能花三四秒，network call成为无法消除的瓶颈。
第二类浏览器加开放虚拟机，可临时安装包、运行Python或Bash，尤其适合表格等数据分析。它在线下计算上灵活，却常无法访问需要完整身份验证的服务，例如登录个人Facebook账户。
第三类以语言模型写代码、在受限环境运行；以JSBox为例，环境可能只预置少量包，不能临时下载图像处理工具。能力边界更窄，却能通过幻灯片、表格等标准模板降低token和等待时间。
第四类沿Zapier、n8n、UiPath的集成路线，由第三方API或SDK完成每个节点。其交付更可靠，因为权限直接来自平台；限制也同样清楚——Facebook、Instagram若只允许创作者或商业账户自动发帖，Agent便不能替个人账户绕过规则。

5. OpenAI、Manus、JSBox与Pokee押注不同的产品边界

在朱哲清的比较中，OpenAI目前应该仍拥有最强的浏览器操作能力，尤其是在把Deep Research和浏览器操作放在一起以后。比如在最新的browsing camp中，它们能够达到50%多的基准测试分数，其他最高目前也只有20多分，而且是在开源环境下。问题是它“什么东西都想往浏览器里面塞”，能力增加的同时也把速度拖慢。
Manus用规划模型、独立Browser Agent和虚拟机搭出近乎万能的环境：浏览器获取信息，汇总后再进虚拟机执行。理论覆盖面很大，却会因上下文过长出现幻觉，也难在复杂页面完成上传、格式调整等细粒度动作。泓君认为三十多分钟已经比早期一两个小时快；朱哲清回应，基础设施虽已搭起，但浏览器和network call的瓶颈仍在，下载网页本身可能需要三四秒。
Perplexity的浏览器产品走的是另一条路线：不是让Agent自主导航整个浏览器，而是在用户浏览时提供sidebar，让用户说明要在当前页面完成什么，再由它执行。
JSBox则从“超级智能体”逐步拆成幻灯片、AI电话、表格、浏览器等模板，以固定工具和标准工作流改善体验与速度。朱哲清猜测它想随着应用场景逐一完善，成为承载很多小任务的大平台；泓君将此类比为微信小程序。由于浏览器导航和虚拟机都受到限制，它的速度也比Manus和ChatGPT快一些。
Pokee主动放弃部分万能性，依靠第三方SDK、工具集成和上下文工程提速；朱哲清预计加入自研Deep Research后，整体速度应该可比市场产品快4至10倍，工具调用成本可能削减50%至60%，整体成本相对OpenAI的ChatGPT Agent及原话所称的“Manner”有数量级差距，和Verticalize JSBox这类产品相比则可能有几倍差距。这些均是其团队口径，且个人社交账户等未开放权限的任务明确做不到。

6. 重复性工作流把专业Agent与消费Agent分开

朱哲清不把市场简单切成To B与To C，而是锁定“专业用户及以上”：普通用户需要高频省时Agent的概率不高，许多通用Agent留存差，根因是工作流没有重复性；Pokee看到的有效信号，则是用户每周反复执行相同流程。
出差与旅游的对比把边界说得最清楚：每两周飞一次湾区、入住同一家酒店，适合标准化自动执行；普通游客可能换目的地、探索酒店，甚至因刚发奖金临时改坐商务舱，变量太多，更适合让浏览器Agent边探索边确认。
平台开放程度决定这条路线的天花板。美国科技公司普遍重视开发者生态，国内接口相对少一些，但企业微信、创作者级别的微信等专业场景已有自动回复能力；朱哲清以高德地图为例，认为MCP浪潮正在迫使更多公司开放API和SDK。

7. Agent入口之争将门户流量与协议变成同一场战争

朱哲清给出的未来工作流是：用户只需让Agent抓取Replit CEO的YouTube演讲、生成增长策略报告，全程不打开YouTube；购物也可能从理解身材、试穿正装到发现折扣都在ChatGPT内完成。由此他判断，未来一到两年电商、搜索、视频门户流量“会非常快速地下降”。
协议的战略意义因此不是技术整齐，而是控制入口。他以Google推出A to A为例，设想如果某家公司占据这一协议并率先在Gemini中部署，就可能成为智能体入口的赢家；ChatGPT、Cloud和Pokee推出协议，同样是在争夺专业化或通用化场景下的入口。
泓君追问为何不直接加入统一MCP生态。朱哲清的回答是维护质量：市面上应该快有2万个MCP，但他认为真正可用的不到200个，且多数无人维护；Pokee希望服务商只交出API，由平台承担封装与维护，并换取额外流量入口。

8. 广告不会消失，但创作者付费与推荐目标可能被重写

泓君从创作者立场提出关键反例：若听众只看AI总结，播客中的口播广告便失去曝光，免费内容的商业循环可能断裂；而Agent每次可能只引用少量精准来源，也不像推荐页面能同时给10条或12条播客、视频内容分配流量。
朱哲清的设想是把付费责任从创作者转给Agent：Agent每次调用或访问播客知识产权时直接付款，再在工作流中没有唯一答案的节点引入商业排序，例如推荐用户尝试哪个Agent并向相关公司收费。“广告这个行业会永远存在，但是它的发生形式会发生改变。”
他甚至认为这可能改善创作者与SaaS生态：内容方不必免费交给YouTube换广告分成，支持API、第三方插件的产品或知识产权本身也可以按调用获得收入。不过这仍是未来机制设想，如何定价、归因以及覆盖被遗漏的内容，节目没有给出确定方案。
推荐系统本身也可能由空间排名转向时间序列：不再一次呈现第1至第10名，而是在五至十轮对话中，每轮给出基本上“一定会去点击”的最精确结果，并以促成下一轮交互为目标；只有相关性相当时才选择收入更高的内容。朱哲清最后保留了边界：“我也不是100%确定说，这个一定是未来的方向。”

AI 伤害责任：古老法律如何治理前沿技术风险——与 Gabriel Weil 教授对谈 E201｜下一个AI前沿方向：强化学习预训练与AGI的转点时刻（下）