从大模型到Agent：百度GenFlow2.0，定义新赛点

文 | 佘宗明

PC互联网时代的技术主要呈现界面是Web（网页），移动互联网时代的是App（客户端），那AI时代的呢？

比尔·盖茨两年前的预言，就给出了答案：AI Agent将是AI最大的赛道，“Agent（智能体）不仅将改变人们与计算机的互动方式，还将颠覆软件行业，引发自键入命令到点击图标以来计算机领域最大的革命。”

如果说彼时他的这番断言还有些超前，那如今“AI Agent时代已来”渐成共识的现实，就是跟他打了个响指。

3个月前，微软CEO纳德拉就在微软2025年Build大会上表示：“我们已经进入了AI Agent时代，正在见证AI系统如何以全新方式帮助我们解决问题。”

有意思的是，当时还跟纳德拉进行了连线的马斯克，旗下AI公司xAI前不久还准备筹建名字内涵微软（Microsoft）的子公司巨硬（MacroHard），定位于打造AI Agent生态。

在硅谷掀起“最炫Agent风”之际，大洋彼岸的中国科技企业也正以前瞻的技术布局与独特的技术路径，在这场决定未来若干年AI应用生态格局的赛道上积极卡位，努力将身位从追赶者变为领跑者。

01

回顾现代技术演进史，技术发展总是遵循着“技术突破-产业聚焦-场景落地”的路径，AI也不例外。

2023年初，ChatGPT出圈揭开了AI大模型军备竞赛的序幕，两年多过去了，在“Agent元年”说法的掩映下，全球科技巨头竞争焦点正从大模型参数转向Agent。

原因很简单：随着大模型参数规模扩大带来的边际效益递减，如何让AI从“被动响应工具”变成“主动规划执行者”，已成行业新命题。而Agent就是AI从“感知智能”迈向“认知智能”的关键载体，也是连接大模型技术与真实场景的核心桥梁。

作为能自主理解任务、规划步骤、调用工具的AI应用形态，Agent可以让AI不再是孤立的技术模块，而是能深度嵌入企业运营系统的“生产力单元”，解决传统AI应用场景碎片化、投入产出比低等问题，推动AI技术在产业侧的应用落地。

在硅谷，OpenAI在GPT-4之后，迅速推出GPT-4o

Agent，试图通过连接代码解释器、网页浏览器等工具，打破大模型“只能对话不能行动”的局限；微软则将Copilot深度集成于Windows系统与Office全家桶，提出“Agent
for Everyone”战略；谷歌则押注“多智能体协作”，发布了Gemini Agent Suite。

▲国内外科技巨头们都在发力AI Agent。

在国内，科技企业也在加码发力。动作最大的，当数百度：从2024年发布文心智能体平台AgentBuilder，到今年4月推出全球首个内容操作系统“沧舟OS”、先发在行业内率先实现全场景满足、全链路覆盖的AI
Agent GenFlow1.0、上线通用超级智能体App心响，百度在Agent赛道的深耕轨迹清晰可见。

8月18日的百度AIDAY上，百度文库与百度网盘又联合发布了全球首个全端通用AI Agent GenFlow2.0，以“全端通用”“并行任务”“记忆可溯”等突破性进展，为国产AI在全球Agent领域的竞争注入了强劲动力。

这极具默契的转向背后，是AI产业对AI价值的认知再校准：AI的价值不在于炫技，而在于应用。AI时代，企业需要的是能自动生成财报、拆解项目计划的AI助手，个人需要的是能同步处理邮件、整理资料的AI助力，这些都在倒逼AI从“能说会道”向“能做会干”进化。

02

尽管被寄予厚望之下，AI Agent迎来了爆发之势，但不得不说，当前行业仍面临着理想与现实的鸿沟：市面上多数Agent产品还停留在“单轮对话+插件”阶段，并没迈过从实验室玩具到生产力工具的那道门槛。

今年4月，Gartner就发布报告称，市场上正充斥着所谓的“智能体洗牌”现象，即厂商将普通AI助手或ChatBot重新包装为“智能体”，但这些产品实际缺乏真正的自主智能能力。

揆诸现实，当下很多Agent跟用户现实期待仍有不小差距，这具体反映在几个方面：

1，任务拆解能力不足。许多Agent在处理复杂任务时，会出现逻辑断裂。

你让它“生成新能源汽车市场季度分析报告，需包含政策分析、竞品数据和趋势预测”，它可能要么遗漏“政策分析”等关键模块，要么将“竞品数据”局限于单一品牌，最终产出的结果经常需要人工大幅修改。

这是因为当前很多Agent的任务规划算法仍依赖简单的规则匹配，缺乏对复杂需求的深度理解与动态调整能力，无法像人那样将复杂目标拆解为“数据采集—分析建模—内容生成—格式转换”等有序子任务。

2，结果质量不可控。不少Agent生成的内容，动辄存在低级错误。

我曾用某教育类Agent帮我生成讲座课件，结果PPT中出现了“媒介即讯息是尼尔·波兹曼提出”的结论。

根源在于，这些Agent缺乏专业知识库，无法安全访问私域资源（导致内容片面），只能依赖自身大模型训练数据（导致信息滞后）。

3，效率与协作存在瓶颈。有些Agent处理跨领域复杂任务，非但耗时久还易卡壳，有些还无法与用户现有工具（如文档、云盘、专业软件）无缝对接，俨然成了信息孤岛。

说白了，是因为这些Agent太依赖单个模型能力和串行工作模式，难以应对多任务并行、动态调整等需求。

▲市面上的大多数Agent都存在诸多能力的不足。

理论上讲，Agent应该像拥有超能力的AI管家，接到任务后会先画思维导图（规划），再检查步骤对不对（验证），然后有条不紊地执行。它长着数字眼睛，能“认路避障”（环境感知），带着AI大脑，能权衡利弊（自主决策），揣着工具百宝箱，能“订票叫车”（工具调用），还能有始有终（完成任务闭环）。

可太多Agent不是视障就是智障，可用性、稳定性都不如人意。这就导致，企业将核心业务、重要任务交给Agent处理的意愿不足。

诸如此类的痛点，对应的其实是行业的机会窗口。在Agent竞速进入深水区的背景下，谁能率先解决可用性、稳定性、资源整合等问题，谁就能在Agent时代建立起技术与生态的双重壁垒，掌握定义行业标准的主动权。而GenFlow2.0的解决痛点导向，就来得很明晰。

03

跟时下那些只能跑在网页或客户端上，还得有邀请码或内测资格才能用的Agent有别，百度文库GenFlow2.0有两个典型特征：一是全端通用；二是现货可用。

目前它已同步上线百度文库网页端、百度文库APP，用户无需排队等待，就能开箱即用。

我在移动端试用时，发现它还有个很人性化的地方——将传统“瀑布流”任务展示改为“并列式”进度可视化，我下达指令后，能直观看到每个Agent的分工（如A Agent负责数据搜索、B Agent负责PPT生成）。

我体验完后的内心os是：百度该给产品经理加鸡腿了。比起滚动条没完没了地下拉，这样操作才更切合普通用户日常习惯吧？

值得注意的是，全球“首个全端通用Agent”并非GenFlow2.0的唯一优点——它直接来了几个行业首发，包括并行模式、记忆模式和全程可干预模式。

▲我使用GenFlow分析2024年至2025年Agent市场格局演变时，中途就暂停补充了新要求。

先说并行模式。我让GenFlow2.0分析2025年Agent市场格局，生成对比表格并制作竞品分析PPT，它会自动调度“市场分析Agent”“数据可视化Agent”“PPT生成Agent”“网盘检索Agent”等多个专家级Agent并行工作，而非逐一处理。

据了解，GenFlow2.0依托百度文库、网盘自研的Multi-Agent基础架构，可开启“100+专家Agent并行处理”式的多智能体协同作战，让AI执行任务从得慢慢等变成立等可取，实现了分钟级交付（多项复杂任务3分钟就可完成），提升了效率天花板。

再说记忆模式。我前几天就让GenFlow2.0帮我生成过Agent技术发展路径分析，今天又要求它“分析2025年Agent市场格局”，它会自动调用历史数据，无需再次阐述问题背景，避免重复劳动。

这背后是GenFlow2.0首创了“长-短-临”三级记忆中枢，可在多轮任务中记住用户对话、操作偏好、文件交互记录、修改痕迹等，实现“越用越懂你”。

接着说全程可干预模式。我在GenFlow2.0生成内容时，中途提出“加入2024年Agent市场格局情况”，它会立即调整，把我说的“听”进去。

这也是文库GenFlow2.0跟其他Agent的区别所在：一般Agent都是“写
Prompt（提示词）→漫长等待→发现不对→重写
Prompt→新一轮等待”，它是“说一句→看着它干→随时改→立等可取”，其实时干预功能允许用户在任务流任何节点暂停、回退、补充指令或追加文件。

这些突破，显然不只是单点技术升级。

04

AI技术进步固然不是线性化的，而是指数级的，但绝不会是平地起高楼。GenFlow2.0能揽下Agent领域的很多“首个”，离不开“专项积累+生态协同+全栈布局”三个维度的支撑。

从专项积累看，百度对Agent的探索早已形成累进式突破。

百度文库中PPT、绘本、生图、研究报告等单一Agent在垂直场景的成功，为沧舟OS和GenFlow1.0首次实现多Agent基础调度做了铺垫，也让GenFlow2.0实现“从可用到好用”的跨越有了支点。

可以说，GenFlow2.0 的发布并非“从 0 到 1”，而是“从 100 到 1”——把上百个经过市场验证的成熟 Agent 装进同一个“航母战斗群”，“专项突破—系统整合—体验升级”的路径也由此成型。

从生态协同看，GenFlow2.0构建起“百度自有生态+第三方合作生态”的双循环。

在百度体系内，它跟文库网盘的“三库（文库公域专业资料库+经用户授权的网盘私域数据库+用户记忆库）一平台（百度学术平台）三器（阅读器、编辑器、播放器）”充分打通，跟萝卜快跑（智能出行）、数字人直播（内容创作）、秒哒（无代码开发）等产品深度联动。

你让它生成“十一假期出游计划”，系统可自动调用百度地图生成可交互的行程H5，同步通过萝卜快跑预约接送机服务。

▲FenFlow2.0离不开百度AI全栈布局的支撑，又跟百度其他AI产品形成了联动。

在外部生态上，GenFlow2.0兼容MCP协议，荣耀 MagicOS 已原生接入，用户可在手机负一屏一键调用其能力，实现“手机端生成PPT—平板端编辑—电脑端演示”的全场景流转；WPS、钉钉、飞书也在灰度测试。

MCP协议的开放性，让 GenFlow2.0 能像乐高积木那样被嵌入任何应用，让其多重能力不再局限于单一应用，而是渗透到用户的生活与工作全场景中。

从全栈布局看，百度的全栈AI能力为GenFlow2.0提供了底部支撑。

从芯片层的昆仑芯（能提供算力支持），到框架层的飞桨（保障多Agent调度效率），再到模型层的文心大模型（有混合专家模型架构、有多模态理解能力），百度是全球少数实现AI全栈自研的企业。全栈技术沉淀，托起了“端到端优化”的闭环。

05

历史不会重复，但总会押韵。二十多年前，Windows把DOS从命令行变成图标；十多年前，iOS/Android把键盘变成触控；而在今天，Agent又带来了新人机交互方式与任务执行模式。

接下来，谁能用兼具可用性、稳定性的Agent产品更好地解决用户需求、占领用户心智，谁就能拿到下个十年的门票。

而今，GenFlow2.0就有了Android昔日的模样：Android早些年就把硬件、应用、服务统一在 Linux 内核之上，形成了深厚生态壁垒，GenFlow2.0现在则是把算力、模型、数据、Agent、人统一在自然语言这个最朴素接口之上。

对用户而言，当办成很多任务只用一句语音而非复杂操作，那AI的实用价值也就能得到最大化发掘。这里的实用性，本是立足于对用户需求的深刻洞悉，最终会落脚于对用户体验的深层革新。

▲AI Agent，最重要的是实用好用。

这类革新，既会形塑用户对Agent的新期待，也会重塑中国在Agent领域的竞争力。

全球Agent竞争已陷入白热化境地，硅谷巨头们就在试图将PC、移动互联网时代的卡位优势复制到Agent中。

在此形势下，GenFlow2.0多重突破的价值已超出技术升级本身，为国产AI在Agent领域实现能力赶超、标准引领提供了参照系，也积攒了筹码。

跟OpenAI的Agent生态侧重于通用能力、微软的侧重于办公体系不同，百度GenFlow2.0全端通用带来的多场景无缝切换便利+公私域知识融合带来的数据安全可控特点+并行处理、记忆可溯、全程可干预带来的效率提升效果，证明了国产Agent可以有自己的创新引领点和差异化优势，具备变成跟OpenAI、微软和谷歌们抗衡的全球生产力平台。

可以预见，在不久的将来，超级好用的Agent在改变那块名叫“AI应用”的大洋地壳弹性后，AI的潮汐会以新节奏漫过每一道我们习以为常的堤岸。让我们且看，且期待。