刚刚，AI 初创公司 Fellou AI 宣布了第一代 Agentic 浏览器，其搜索性能优于 OpenAI、比 Manus 快 4 倍，且具备主动智能。只需一句话指令，Fellou 就能将繁琐的在线任务自动化，无论是查找资料、生成报告、在线购物还是创建网站。
据了解，Fellou 是一种集成了具备思考和行动能力的智能代理的 Agentic Browser 行动型浏览器，不仅展示信息，更能主动替用户执行复杂任务，根据用户目标自主拆解任务、跨界操作并完成端到端任务交付。换句话说，用户只需要提出一个意图或目标，浏览器内嵌的智能代理便能自主进行信息检索、数据整合、操作执行等多步骤流程。
目前，Fellou 已开启全球内测，提供 PC Mac（Apple 芯片和 Intel 芯片） 版供下载使用（fellou.ai/download），预计在今年下半年会开放 Windows 版和移动版。
同此前爆火的 Manus 一样，Fellou 亦是由一位中国开发者创建的。Fellou AI 创始人谢扬表示，Fellou 可以大幅提升生产力，让打工人实现“上班 8 小时，摸鱼 6 小时”。
谢扬是一位连续创业者，在 2019 年创办了 Authing 身份云，为企业和开发者提供事件驱动的身份认证云服务。他本人长期从事计算机软件、云、网关、身份认证、人工智能研究，目前正在开展全球化 AI Agent 身份基础设施等工作；曾担任字节跳动公司 Serverless 开发、龙猫科技公司 CEO 、好东西传送门公司 CTO 。
我们在拿到邀请码后，第一时间去测试了多个任务。（同时，我们也给一直关注和支持 AI 前线的朋友们申请了可免费拿到邀请码的福利，文章下方附有获取方式，先到先得~）
五一假期就要到啦，我们给 Fellou 的第一个任务是：希望它能自主做一份旅游攻略。
Prompt 如下：
做一份北京出发、五一去周边 3 天游的攻略，需包含各地优劣对比（含人流情况）、出行方式（含票务情况）、3 天详细行程安排、高性价比酒店推荐以及当地特色美食。
可以看到，在 Fellou 的搜索框输入 Prompt 后，下方接连出现了两次询问：“是否需要我帮助你总结一些旅行建议和注意事项？、是否需要我为你推荐一些具体的旅行地和活动？”点击 Yes 后，该浏览器便开始自主“工作”了。
在 Tinking 里，Fellou 找出了五个推荐旅游地及活动，接着进行 Task Planning。运行任务过程中，该浏览器提示登录小红书账号，之后自主浏览内容并生成了一份名为“五一北京周边推荐指南”的报告，包含周边小众景点、高铁可达目的地、亲子游推荐、休闲度假胜地和出行数据分析。报告下方，还给出了“More Comprehensive”按钮，下方提示可以添加更多关于各景点具体交通信息、消费水平和预算建议的内容。
接着，我们将同一 Prompt 丢给了 DeepSeek。惊喜的是，DeepSeek 给出的回答更为简洁直观。可以看到，DeepSeek 生成的攻略提供了热门景点和小众路线两种行程方案，并包含优劣对比、出行方式和票务建议、详细行程安排、当地酒店及美食推荐、避坑指南。
我们给 Fellou 的第二个任务是，希望它能通过资料完成做 PPT 的工作。
Prompt 如下：
根据目前在 arXiv 上找得到的多智能体论文报告，做一个关于多智能体技术能力及发展趋势的 PPT。
输入 Prompt 后，Fellou 首先询问：“是否一键打开优质数据源？”，点击 Yes 后继续询问“是否需要我为你寻找一些相关的研究论文或资助项目？”再次点击 Yes 后开始对多智能体技术进行深入研究，接着自主生成了一份多智能体技术研究与资助项目综合报告，所有内容都以图表的形式展现。不过，Fellou 还未能输出完整版 PPT 形式文件。
在官方展示的使用案例里，包括自动将商品加购。因此，我们给 Fellou 的第三个任务是，希望它能按照要求进行自主购物。
这项任务里，我们准备的第一个 Prompt 是：打开淘宝网站，找到“2025 年最值得入手”的 5000 元以内手机 ，按功能配置和评分进行筛选，并将综合性价比最高的三个手机型号添加到我的购物车。但由于 Fellou 目前还未适配完全国内网站，所以只得到了一份“2025 年国补后手机选购指南”的报告，内容也十分详尽，包含性能和配置对比、国家补贴政策解读、性价比分析以及推荐和即将发布的手机。
成功的 Prompt 如下：
打开亚马逊，搜索 NVIDIA RTX 4060 显卡，按可用性和客户评分进行筛选，然后将评分最高的型号添加到我的购物车。
相比其他 AI 浏览器，
Fellou 特殊在哪里？
据官方介绍，Fellou 整合了浏览器、Agent、工作流自动化，这种全新架构使得 Fellou 从传统的信息展示工具转变为真正“帮人工作”的智能生产力平台，实现从意图到结果的一站式交付。此外，Fellou 还在传统浏览器的基础之上增加了对本地电脑的控制能力，在处理用户任务时同时可以拥有 Web 应用与本地的 Context，在数字世界内拥有无限行动空间和跨平台任务处理能力。
具体来说，Fellou 主要由四大核心能力组成：
-
深度行动（Deep Action）: 使 LLM 从“问什么都会”到“干什么都行”；
-
主动智能（Proactive Intelligence）：使 Agent 从被动响应需求到主动为用户提供行动推荐和结果建议；
-
混合影子空间（Hybird Shadow Workspace）：不抢占用户电脑，且能根据不同任务类型获取用户上下文、了解用户、增强用户体验和与 Agent 协作体验；
-
智能体网络（Agent Store）: 用户能享受到更多垂直 Agent 能力的关键生态网络，使有垂直 Know-how 的 Agent 创作者可以向全网用户开发、共享自己的经验、知识和工作流。
其中， Deep Action 功能包括 Search 和 Workflow 两方面。用户通过浏览海量网页来收集信息、分析数据，获取所需知识，Fellou 可以批量并行化一次性辅助用户阅读大量网页信息；用户需要依靠一系列序列化操作完成具体任务，如在线购物、预订会议、填写报告、交互提交等，Fellou 可根据用户需求自行规划任务并自主行动。
主动智能使得用户不需要写出非常明确的需求，Fellou 仅通过用户的行为就可预测用户想要完成的事情，最终将结果交付给用户：当它察觉到用户即将进行某项重复性操作，或发出一个隐晦的需求信号时，Fellou 会主动发出询问，提醒用户是否需要提前介入或直接接管任务。
并且，这种主动智能还会为用户形成个人知识库（Personal Knowledge Base），从而强化用户个性化体验，增强知识自动化整合。在该能力背后，Fellou 利用先进的深度语义理解和上下文记忆技术，实时捕捉用户在各个网页上的操作轨迹，并不断积累用户的行为数据和操作习惯——从常访问的网站到重复执行的任务，都成为其“数字记忆”的一部分。
Fellou 团队认为，Agent 的执行环境需要划分为本地、本地虚拟化和云桌面的方式，用以处理不同的任务，包括以下情况：
-
一是单步骤 20s 以内就可以执行完成的任务，可以放在本地执行，用户能容忍短暂的电脑被抢占；
-
二是既依赖本地上下文又是长程的任务，适合放到本地的虚拟化环境中执行，Fellou 将这种环境称作“影子空间”，它可以做到在 Agent 执行任务时不干扰用户使用电脑，同时用户还可以看到 Agent 的执行进程并在适当时刻加以干预；
-
三是不依赖本地上下文，又是长程的任务，则适合放在云桌面中运行，这样就能做到用户关掉电脑外出后还可以在手机上与 Fellou 交互。
此外，谢扬表示，人与智能的关系应当建立在相互选择、深度互动与彼此支持之上。Fellou 试图让每个用户都能将自身的经验和能力沉淀为一个独立的垂直 Agent，这些 Agent 不仅可以帮助自己，更能在社区中共享、相互学习。
在平台上，用户不仅能打造个性化的对话智能体；同时，也可以将自己在执行某项任务过程中形成的操作序列封装为一个完整的工作流，供其他用户直接调用。
总的来说，相比起其他 AI 浏览器，Fellou 的核心优势包括：
-
支持安全地访问需登录的网站（如论坛、职业社交网等）并进行搜索；
-
能够捕捉用户操作的标签页作为任务处理的上下文，实现跨网站信息连续性处理；
-
通过独立的沙箱虚拟化环境同时操作多个网页，确保任务执行之间、智能体和用户之间不互相干扰；
-
内置 Agent 模块不仅解析用户指令，还能自动拆解任务、规划操作路径，优化多步骤工作流，并行化执行；
-
集成智能分析报告功能，可以将多网页信息整合并以直观图表和摘要形式呈现，方便一键共享和决策。
对于高代码开发者，Fellou 提供了一套通过自然语言设计和部署高效 Agentic Workflow 的开发框架 Eko Framework ，同时是开源框架 Browser use 的生产级进阶版本。
Eko 允许开发者以自然语句编写、调试和优化工作流程，将创意迅速转化为智能化操作模型。在 Eko 的支持下，开发者不仅可以自定义工具，实现全新的行为模式，还能通过 Hook 机制在 Agent 执行过程中动态干预和调整，从而保证每一个工作流都足够灵活、精准并符合实际生产需求。
据介绍，Eko 由 Fellou 团队自研 ，其以生产级可干预特性、更快的执行速度、更低的执行成本（Fellou 单次任务的执行费用在 3 毛到 3 元之间）显著优于同类产品。
同时，Fellou 团队还提出了一种混合反馈经验学习（Hybird Feedback Experience Learning）框架，能让智能体不仅依赖环境交互来持续优化行为，还能从结构化的失败反馈中获得改进。
据称，当基于浏览器的智能体在执行任务过程中失败—，会触发一个次级分析机制。在这一阶段，人类监督者或大型语言模型（LLM）将对失败的执行轨迹进行回顾性分析，从中提取出可操作的经验，例如误解、次优决策点或被忽视的交互机会。
这些提炼出的经验随后被注入至结构化的经验库中，形成一个不断扩展的“失败感知型示范语料库”。当智能体未来再次遇到类似查询或情境时，基于检索的泛化机制使其能够主动调用此前的纠正策略，从而降低重复失败的概率，加速任务掌握过程。
此外，Fellou 团队称，为验证浏览器生成的报告效果，他们找了 60 个用户测评，分准确性、描述清晰性、思考深度和广度、可读性五大维度，和 OpenAI 的 Deep Research、Manus、Perplexity 做了打分比较，结果是 Fellou 的综合评分为最高，其中可读性 > 表述清晰性 > 准确性 > 思考深度和广度。
“从执行速度层面来看，Fellou 也优于其他相似产品。”据介绍，在 49 个任务中，Fellou 的平均耗时仅为 3.7 分钟，相比较 Manus 的 18.6 分钟和 Deep Research 的 11.5 分钟皆有显著的速度优势。
据悉，Fellou 不久后将开源 Agentic Browser 的评估 Benchmark，以用户的实际生产场景和用户体验为中心，构建跨环境、跨应用、跨设备的 Agent 任务集，用以评估 Agentic Browser 提高用户在真实生产环境下生产力的表现。
邀请码获取方式：
关注 【AI 前线】 公众号，回复关键字 “Fellou”，扫码进群免费获得测试码，数量有限，先到先得。
AICon 2025 强势来袭，5 月上海站、6 月北京站，双城联动，全览 AI 技术前沿和行业落地。大会聚焦技术与应用深度融合，汇聚 AI Agent、多模态、场景应用、大模型架构创新、智能数据基建、AI 产品设计和出海策略等话题。即刻扫码购票，一同探索 AI 应用边界！
今日荐文
（文：AI前线）