機器之心發布

AI 正在學著操作電腦

過去 AI 回答問題，現在它直接開始幫你干活。填表格、錄系統、整理文件，Anthropic 的 Claude Cowork、OpenAI 的 Codex 桌面版 —— 越來越多的 Agent 開始接管真實工作流。

但當整個行業瘋狂沖向桌面時，有一個問題被忽略了：AI 越來越會干活了，但普通人該怎么把自己的工作流程交給它

目前主流 Agent 的邏輯是 “你寫 Prompt → AI 執行”，聽起來合理，現實中卻屢屢碰壁。

打開內部系統、填表單、傳附件、點提交…… 這些動作早已是員工的 “肌肉記憶”，可要用文字描述清楚，大多數人直接卡住。更別說跨系統跳轉、條件分支，很多人連 Prompt 從哪兒寫起都不知道。

如果人說不清流程，AI 還能學會嗎

有意思的是，為了解決這個難題，硅谷催出生了一個新職業 ——FDE（Forward Deployment Engineer，前沿部署工程師）

他們駐場在客戶公司，工作就是把業務人員 “說不清” 的流程，翻譯成 AI 能執行的任務。他們既要懂技術，又要熟悉真實的工作流。如今資深 FDE 的年薪中位數已高達 48.5 萬美元。

FDE 的存在說明了一件事：讓人學會教 AI，其實沒有那么容易

那如果能讓 AI 自己學會理解業務流程，而不是靠年薪數十萬美元的工程師來翻譯，會怎樣？

有人給出了答案。

不會寫 Prompt？那就演示給 AI 看

由清華大學計算機系博士團隊創立的非十科技，最近發布了一款桌面 Agent 產品 ———Agivar

與多數產品試圖優化 Prompt 不同，它選擇從另一個方向切入：讓 AI 主動學習用戶的工作流程

你可以把它理解成一個會操作電腦的 “AI 員工”

Agivar 的核心能力叫做 “錄屏教學”，使用方式非常簡單：打開電腦錄屏，像平時工作一樣把流程操作一遍。錄制結束后，剩下的事情交給 AI。

聽上去有點像早年的 “按鍵精靈”？但兩者其實完全不同。

按鍵精靈記錄的是坐標和動作—— 鼠標移動到 (300,500) 點擊，機械重復；Agivar 學習的是任務和邏輯—— 它觀察你工作的每一步，然后理解：為什么先打開這個頁面？為什么填這個數字？什么情況下跳過這一步？

Agivar 學到的不是 “下一步點哪里”，而是你的工作方法。它理解的是流程背后的規則與判斷邏輯，而不是單純復現點擊軌跡。即便界面改版、按鈕移位，它依然能識別正確目標并執行。

你教會它一次，它就能把這套流程穩定、可追溯地執行下去。

錄屏三分鐘，換回每天兩小時

廣東省某政務部門的工作人員，每天都要在內部系統處理大量表單。打開系統→選擇業務類型→填寫信息→上傳附件→提交審批，每天同樣的流程都要重復十幾次。僅這一項工作，日常就要花掉一、兩個小時。

這些系統沒有 API、沒有自動化接口，只能靠人工點擊。于是他嘗試使用 Agivar。錄制了一次完整流程，不到三分鐘，此后這套流程便實現了自動執行，不用再盯著屏幕逐步操作。

錄屏三分鐘，換回每天兩小時

這樣的場景遠非個例。政務系統、企業 ERP、CRM、財務軟件、內部 OA、采購系統…… 大量重復、無 API、只能手工操作的流程，正是成千上萬普通員工的日常。真正消耗時間的從來不是復雜工作，而是那些讓人麻木的重復。

別的 Agent 還在思考，Agivar 已經做完了

如果你試用過一些桌面 Agent，可能會有一個直觀感受：能干，但慢。

原因并不復雜。因為大多數產品是直接調用通用多模態大模型 “硬解” 桌面任務：截圖→上傳云端→推理→返回→執行，再截圖→再推理……

對于桌面任務來說，這意味著大量與任務無關的能力也被帶進了執行過程，每次點擊都伴隨五秒以上延遲。整個過程像一個剛學會電腦的新人。

而 Agivar 選擇了另一條路線。

團隊針對桌面任務場景訓練了專用的執行模型，強化了桌面操作的能力。在此基礎上，設計了 “大腦 + 小腦” 雙層架構：

• 大模型（大腦）：理解錄屏內容、拆解任務目標、規劃執行路徑、處理異常。
• 專用小模型（小腦）：界面識別、鼠標點擊、鍵盤輸入、高頻動作執行。

這與人類神經系統非常相似。當你開車時，不會每踩一次油門都重新思考交通規則。大腦負責路線規劃，小腦負責具體動作。

支撐這套架構的，是團隊基于清華大學自研深度學習框架Jittor（計圖） 開發的推理引擎，針對高吞吐、低延遲場景的桌面任務場景，團隊對模型調度和執行鏈路進行了專門優化，確保大小模型協同不等待。

速度差距直接體現在數據上：

同一臺電腦執行同一個后臺信息錄入的任務，某主流產品耗時 2 分 12 秒，Agivar 僅 57 秒，速度提升一倍以上。

單個任務差一分鐘，差距或許不明顯。但當任務變成 100 份報銷單、300 條客戶信息，或者一天的批量審批時，分鐘級差距很快被放大成小時級成本。

比速度更難的，是確定性

速度固然重要，但企業是否能讓 Agent 走進生產環境，關注的不是快，而是穩。

大模型是概率系統。第一次點 A，第二次可能點 B，第三次換個按鈕 —— 這在寫詩時是創意，在財務錄入、合同歸檔里卻是風險。

AI 能否進入生產環境，拼的從來不是上限，而是下限

為了解決確定性，Agivar 做了三層設計：

1. 訓練收斂。用海量桌面任務數據，強化 “界面狀態→用戶意圖→執行動作” 之間的穩定映射，減少 “發散”。
2. 多重校驗。內部多個 Agent 交叉驗證 —— 規劃、執行、觀察、復核，不同角色各司其職，每一步都有人問：“點對了嗎？界面還在預期狀態嗎？”
3. 規則約束。高頻流程的關鍵操作節點、絕對不能出錯的動作，直接寫成程序控制的 “鐵律”。執行核心步驟時，系統會優先遵循預設路徑，不隨意發揮。

最終目標只有一個：同一任務重復執行，走同樣路徑，得到同樣結果。

畢竟，對于企業來說，生產環境不需要驚喜，只需要穩定。

全棧自研，清華團隊的硬核底牌

Agivar 的模型訓練到執行框架，全部由非十科技自研完成。團隊的核心成員來自清華大學計算機系，同時也是清華自研的深度學習框架 Jittor（計圖）的主要開發者。

Jittor 以其易用性和效率優勢，早已成為國內主流深度學習框架之一，這意味著 Agivar 對底層推理調度的優化，并非建立在第三方能力之上，而是具備從框架層到模型層的完整掌控能力。

Agivar 并非團隊的第一個 “爆款”，此前團隊推出的AI 編程助手 Fitten Code，累計下載量超過 150 萬，在多個主流插件平臺評分第一。

同時擁有大模型自研能力、深度學習框架研發能力以及百萬級產品落地經驗，這樣的組合，在國內外同類賽道中并不多見。

讓每個人都擁有自己的 “AI FDE”

過去兩年，AI 行業追逐的是更大、更強的模型。但時間走到今天，一個更現實的問題浮出水面：

AI 到底能不能真正進入普通人的工作流

FDE 模式曾是答案，但高昂的成本讓大多數人望而卻步。

今天，Agivar 選擇了一條更樸素、也更普惠的路徑：把 “翻譯” 和 “定義工作流” 的能力，交還給用戶自己。不用痛苦地學 Prompt，不必改變習慣。一次錄屏演示，就能訓練屬于自己的桌面 Agent。

目前，Agivar 已開啟公測，支持 Windows 與 macOS。錄一遍，讓 AI 替你干活。

下載地址請訪問：https://agivar.fittentech.com

從某種意義上說，“錄屏教學” 真正改變的并不是交互方式，而是人與 AI 之間的協作關系。

它讓桌面 Agent 第一次有機會擺脫復雜配置和專業門檻，真正進入普通人的工作流。如果說過去的軟件是在要求人適應系統，那么下一代的 Agent 正在反過來適應人。

而當每個人都擁有一個能夠理解自己工作流程的 “AI FDE” 時，這場關于效率的變革，或許才剛剛開始。

文中視頻鏈接：https://mp.weixin.qq.com/s/c8xIwgeulISyyuQee7cwnA