机器之心发布
AI 正在学着操作电脑。
往常 AI 答谢问题，目下它平直开动帮你干活。填表格、录系统、整理文献，Anthropic 的 Claude Cowork、OpenAI 的 Codex 桌面版 —— 越来越多的 Agent 开动接受实在职责流。
但当扫数行业豪恣冲向桌面时，有一个问题被忽略了：AI 越来越会干活了，但凡俗东谈主该如何把我方的职责过程交给它？
目下主流 Agent 的逻辑是 “你写 Prompt → AI 奉行”，听起来合理，履行中却屡屡碰壁。
掀开里面系统、填表单、传附件、点提交…… 这些当作早已是职工的 “肌肉顾忌”，可要用笔墨描画明晰，大多数东谈主平直卡住。更别说跨系统跳转、条款分支，好多东谈主连 Prompt 从哪儿写起齐不知谈。
要是东谈主说不清过程，AI 还能学会吗？
故真理的是，为了处分这个贫窭，硅谷催出身了一个新管事 ——FDE（Forward Deployment Engineer，前沿部署工程师）。
他们驻场在客户公司，职责等于把业务东谈主员 “说不清” 的过程，翻译成 AI 能奉行的任务。他们既要懂工夫，又要熟悉实在的职责流。如今资深 FDE 的年薪中位数已高达 48.5 万好意思元。
FDE 的存在评释了一件事：让东谈主学会教 AI，其实莫得那么容易。
那要是能让 AI 我方学会清爽业务过程，而不是靠年薪数十万好意思元的工程师来翻译，会若何？
有东谈主给出了谜底。
不会写 Prompt？那就演示给 AI 看
由清华大学计较机系博士团队创立的非十科技，最近发布了一款桌面 Agent 家具 ———Agivar。
与多数家具试图优化 Prompt 不同，它聘请从另一个主义切入：让 AI 主动学惯用户的职责过程。
你不错把它清爽成一个会操作电脑的 “AI 职工”。
Agivar 的中枢才能叫作念 “录屏教养”，使用格式非常浅薄：掀开电脑录屏，像通俗职责一样把过程操作一遍。录制终端后，剩下的事情交给 AI。
听上去有点像早年的 “按键精灵”？但两者其实完全不同。
按键精灵记载的是坐标和当作 —— 鼠标转移到 (300，500) 点击，机械访佛；Agivar 学习的是任务和逻辑 —— 它不雅察你职责的每一步，然后清爽：为什么先掀开这个页面？为什么填这个数字？什么情况下跳过这一步？
Agivar 学到的不是 “下一步点那处”，而是你的职责顺次。它清爽的是过程背后的限定与判断逻辑，而不是单纯复现点击轨迹。即便界面改版、按钮移位，它依然能识别正确方针并奉行。
你训导它一次，它就能把这套过程自由、可追溯地奉行下去。
录屏三分钟，换回每天两小时
广东省某政务部门的职责主谈主员，每天齐要在里面系统处理大批表单。掀开系统→聘请业务类型→填写信息→上传附件→提交审批，每天相同的过程齐要访佛十几次。仅这一项职责，日常就要花掉一、两个小时。
这些系统莫得 API、莫得自动化接口，只可靠东谈主工点击。于是他尝试使用 Agivar。录制了一次完满过程，不到三分钟，尔后这套过程便兑现了自动奉行，无用再盯着屏幕慢慢操作。
录屏三分钟，换回每天两小时。
这么的场景远非个例。政务系统、企业 ERP、CRM、财务软件、里面 OA、采购系统…… 大批访佛、无 API、只高手工操作的过程，恰是成千上万凡俗职工的日常。实在蹧跶时候的从来不是复杂职责，而是那些让东谈主麻痹的访佛。
别的 Agent 还在念念考，Agivar 也曾作念罢了
要是你试用过一些桌面 Agent，可能会有一个直不雅感受：颖悟，但慢。
原因并不复杂。因为大多数家具是平直调用通用多模态大模子 “硬解” 桌面任务：截图→上传云霄→推理→复返→奉行，再截图→再推理……
对于桌面任务来说，这意味着大批与任务无关的才能也被带进了奉行过程，每次点击齐随同五秒以上蔓延。扫数过程像一个刚学会电脑的新东谈主。
而 Agivar 聘请了另一条门道。
米兰体育2026世界杯指定中国官网团队针对桌面任务场景熟习了专用的奉行模子，强化了桌面操作的才能。在此基础上，谋略了 “大脑 + 小脑” 双层架构：
大模子（大脑）：清爽录屏实质、拆罢黜务方针、权术奉行旅途、处理极端。
专用小模子（小脑）：界面识别、鼠标点击、键盘输入、高频当作奉行。
这与东谈主类神经系统非常相似。当你开车时，不会每踩一次油门齐再行念念考交通限定。大脑认真门道权术，小脑认真具体当作。
撑捏这套架构的，是团队基于清华大学自研深度学习框架 Jittor（计图） 开采的推理引擎，针对高隐约、低蔓延场景的桌面任务场景，团队对模子调遣和奉行链路进行了专门优化，确保大小模子协同不恭候。
速率差距平直体目下数据上：
吞并台电脑奉行吞并个后台信息录入的任务，云开体育某主流家具耗时 2 分 12 秒，Agivar 仅 57 秒，速率普及一倍以上。
单个任务差一分钟，差距约略不显著。但当任务造成 100 份报销单、300 条客户信息，或者一天的批量审批时，分钟级差距很快被放大成小时级资本。
比速率更难的，是深信性
速率虽然垂死，但企业是否能让 Agent 走进坐褥环境，良善的不是快，而是稳。
大模子是概率系统。第一次点 A，第二次可能点 B，第三次换个按钮 —— 这在写诗时是创意，在财务录入、契约存档里却是风险。
AI 能否参加坐褥环境，拼的从来不是上限，而是下限。
为了处分深信性，Agivar 作念了三层谋略：
熟习管理。用海量桌面任务数据，强化 “界面气象→用户意图→奉活当作” 之间的自由映射，减少 “发散”。
多重校验。里面多个 Agent 交叉考证 —— 权术、奉行、不雅察、复核，不同扮装各司其职，每一步齐有东谈主问：“点对了吗？界面还在预期气象吗？”
限定管理。高频过程的关节操作节点、统共不成出错的当作，平直写成圭臬铁心的 “铁律”。奉行中枢设施时，系统会优先慑服预设旅途，不随意推崇。
最终方针只消一个：吞并任务访佛奉行，走相同旅途，得到相同闭幕。
毕竟，对于企业来说，坐褥环境不需要惊喜，只需要自由。
全栈自研，清华团队的硬核底牌
Agivar 的模子熟习到奉行框架，一谈由非十科技自研完成。团队的中枢成员来自清华大学计较机系，同期亦然清华自研的深度学习框架 Jittor（计图）的主要开采者。
Jittor 以其易用性和成果上风，早已成为国内主流深度学习框架之一，这意味着 Agivar 对底层推理调遣的优化，并非树立在第三方才能之上，而是具备从框架层到模子层的完满掌控才能。
Agivar 并非团队的第一个 “爆款”，此前团队推出的 AI 编程助手 Fitten Code，累计下载量向上 150 万，在多个主流插件平台评分第一。
同期领有大模子自研才能、深度学习框架研发才能以及百万级家具落地陶冶，这么的组合，在国表里同类赛谈中并未几见。
让每个东谈主齐领有我方的 “AI FDE”
往常两年，AI 行业追赶的是更大、更强的模子。但时候走到今天，一个更履行的问题浮出水面：
AI 到底能不成实在参加凡俗东谈主的职责流？
FDE 模式曾是谜底，但腾贵的资本让大多数东谈主望而生畏。
今天，Agivar 聘请了一条更朴素、也更普惠的旅途：把 “翻译” 和 “界说职责流” 的才能，交还给用户我方。无用祸害地学 Prompt，不必改造俗例。一次录屏演示，就能熟习属于我方的桌面 Agent。
目下，Agivar 已开启公测，支捏 Windows 与 macOS。录一遍，让 AI 替你干活。
下载地址请拜访：https://agivar.fittentech.com
从某种真理上说，“录屏教养” 实在改造的并不是交互格式，而是东谈主与 AI 之间的衔尾联系。
它让桌面 Agent 第一次有契机解脱复杂成立和专科门槛，实在参加凡俗东谈主的职责流。要是说往常的软件是在要求东谈主妥贴系统，那么下一代的 Agent 正在反过来妥贴东谈主。
而当每个东谈主齐领有一个能够清爽我方职责过程的 “AI FDE” 时，这场对于成果的变革，约略才刚刚开动。
© THE END
转载请关联本公众号赢得授权
投稿或寻求报谈：liyazhou@jiqizhixin.com云开体育
备案号: