近日开启了一款操作系统层AI助手的内测，这款取名Marvis致敬贾维斯的产品，把每个Agent都做成了带围脖的黑色小马，闲时还会摸鱼打盹。很多人把它看作腾讯版贾维斯，正在从“帮你生成内容”转向“替你完成操作”，这一步真的能走通吗？

范式转移

你有没有发现，你让它写方案它能写，你让它写代码它也能写，但写完之后呢？保存到哪个文件夹？转换成什么格式？要不要发到同事邮箱？这些收尾工作还得你自己来。

Marvis走的完全是另一条路：它直接钻进了操作系统底层，能自己动手完成从接任务到交付结果的全流程。这个变化本质上是把AI从“内容生产者”变成了“任务执行者”，用户只需要说清楚目标，剩下的操作环节全部交给AI完成，这才是真的“效率解放”。

举个最简单的例子，你想找一张含元素的本地图片，一般的AI只能帮你生成，文件名搜不到就换图像内容搜，找到后直接把结果给你。

再比如你想梳理今年硅谷大厂的裁员信息做成报告，Marvis会自己做网页搜索收集数据，然后分章节撰写内容，全程不需要你动手点一下鼠标。

不应该只帮你想，还要帮你做。

而是整个产品逻辑的重构：以前是“你操作，现在是“你说目标，AI操作”。

多Agent分工协作 把职场分工搬进了AI里

要让AI完成复杂操作，单个模型肯定hold不住，Marvis用了多Agent协作的思路，还把这个过程做成了可视化的虚拟办公室。你分配任务后，会有Agent主管出来分配任务，不同的Agent负责不同模块，完成后再逐级汇报，和真实的职场分工几乎一模一样。这种分工模式，其实解决了大模型“贪多嚼不烂”的痛点，每个Agent只需要专精一个领域，任务完成质量反而比单一大模型更高。

有意思的是，Marvis还给每个Agent做了拟人化的状态：接到任务的Agent坐在工位“搬砖”，没任务的Agent会打盹、闲逛、健身甚至上厕所，这种设计不止是好玩，更能让用户直观看到任务进度，哪个环节卡了一眼就能看见。

在开发本地知识管理系统的实测中，Marvis可以完成目录创建、代码编写、API配置全流程，用户只需要选择切换到外部API模式，全程不需要用户碰一行代码。

腾讯应用宝团队十几年积累的跨端引擎技术，在这里发挥了关键作用。Marvis不仅能操作电脑上的EXE软件，还能通过应用宝直接在电脑上操控已经的安卓手机App，比如完成微超话自动签到，这种跨端操作能力是很多同类产品不具备的。

云端本地双模式 兼顾效率和安全

很多用户担心，让AI操作自己的本地文件，会不会泄露？Marvis做了一个非常实用的设计：提供云端效率和本地两种运行模式。这种分模式设计，本质上是把选择权交还给了用户——敏感数据用本地模式，非敏感任务用云端模式，平衡了能力和的矛盾。

在本地模式下，用户所有的对话和请求都不会出本地设备，真正做到“一句话都不出电脑”。同时它还支持本地知识库自动索引，不管是文档还是图片都能识别，用户搜索的时候既可以按标题匹配，也可以按内容匹配，找文件的效率比系统自带搜索高了不止一个档次。

为了提升端侧模型的运行速度，腾讯团队还做了芯片级优化，最终实现跑端侧模型速度提升20%，这个优化幅度在当前的端侧AI产品里已经相当亮眼。

更值得注意的是，Marvis在涉及风险操作时保持了足够的谨慎：批量删除文件、修改核心配置这类操作，一定会先请求用户确认，用户点击同意后才会执行，从设计上避免了AI误操作带来的损失。

现在的短板恰恰是未来的方向

从目前的内测体验来看，Marvis已经具备了“AI打工人”的雏形，但也确实存在不少需要打磨的地方。比如批量图片搜索会消耗大量token，操作App的时候每一步都要截图分析，完成一个签到任务就要花三分多钟，还有部分受安全机制保护的App暂时无法操作。

这些问题其实都不是方向错误，更多是产品初期必然会遇到的成长烦恼。恰恰是这些待优化的细节，指明了AI操作助手接下来的演化方向：如何降低token消耗、如何提升操作速度、如何在安全框架内兼容更多应用，这些问题解决之日，就是AI操作助手真正普及之时。

给电脑做硬件检测和升级建议的时候，Marvis能准确找出配置短板，给出升级内存价比的判断，只是对当前内存的市场价格不够了解，这个问题其实很好解决，只要后续联网更新价格数据就能完善。

从行业层面看，国内已经有不少厂商开始在多Agent方向探索，跨端协同操作也逐渐成为新的行业共识。腾讯这次率先把产品做到内测阶段，相当于给整个行业扔了一块探路石，就算遇到问题，也能给后来者留下足够的经验。

我们已经习惯了AI帮我们写文案、做PPT，但AI什么时候能真正替我们把全流程工作做完？Marvis给出了一个清晰的答案：这个时代已经在路上了。它现在还不够完美，但它走的方向，当AI真的能帮你处理完所有杂活，你会把多少工作放心交给它呢？