内容丨特工女巫
审核丨特工少女
2025 年，AI Agent 高歌猛进。从海外大厂如 OpenAI、Google、Grok 纷纷下场做 DeepResearch，到国内前段时间 Manus 一炮而红，Agent 呈现出更强的推理能力和更高的自主性特点，能代理人们完成任务，交付结果。
但要么由于功能付费不便宜，要么由于体验资源稀缺，国内大多数用户目前还是需要一款能轻松无门槛用起来的通用 Agent 产品。还好，智谱 AutoGLM 沉思，这不就来了！
摄于智谱 OpenDay 现场
智谱的 AutoGLM 大家已经不陌生了，可以根据用户一句话的指令，AI 自主帮用户操作手机，之前我们也有文章体验分析过。
这次的 AutoGLM 沉思，是智谱在 AI Agent 方面的重磅升级。AutoGLM 沉思，是一个能探究开放式问题，并根据模型推理分析的结果，执行操作的自主 Agent。它能够模拟人类的思维过程，完成从数据检索、内容分析、到生成和执行结果。
产品能力方面，尤其亮眼的两大核心点是推理能力和执行能力。基于智谱推理模型 GLM-Z1-Air 训练，融入 AutoGLM 的动手操作能力，AutoGLM 沉思会深思熟虑，还能动手做事。
面对用户的开放式深度问题，AutoGLM 沉思可自主思考解答步骤，规划任务，像人类一样自动操作和浏览网页（通过浏览器操作，以页面截图形式获取如知网、小红书、公众号、京东等优质但不对外开放 API 的网页信源，同时利用多模态模型对网页上的图文信息理解），最后生成研究报告或直接执行任务。
技术能力方面，所用到的模型都是智谱自研的纯国产大模型。AutoGLM 沉思用到的大模型，从基础模型 GLM-4-Air0414，到推理模型 GLM-Z1-Air，再到 AutoGLM，每个模型都是智谱团队的自研，并且据了解即将全部开源。AI Agent的核心是自主性，能够自主进行规划、推理、记忆、调用工具行动。
智谱做 Agent 就体现出技术优势了，他们端到端布局了行业第一梯队的全栈 Agent 技术，包括推理模型、多模态感知模型、工具调用模型等。
AutoGLM 沉思即日就发布上线到智谱清言桌面端（可通过官网下载），还是无需邀请码全民可立即就用起来的那种。
相比 OpenAI 的 Deep Research 200 美元/月的会员价格还只能提问 120 个问题，智谱的 AutoGLM 沉思则是免费不限量使用，可以说十分大方，真有技术普惠那味了👍
在 AutoGLM 沉思首页，看到官方封装了学术、攻略、金融、生活、创作这大场景。特工们也第一时间上手实测，给大家看看效果，也欢迎读者在评论区分享下你们觉得有意思的 case～
总结来说，AutoGLM 沉思适合的场景任务有这样 4 类共性特征：
-
搜索提炼场景：搜索调研海量网页
-
深度研究场景：撰写深度研究报告
-
网页浏览场景：操作浏览网页信源
-
网站操作场景：操作网站任务如邮箱、购物、视频等
以演唱会攻略推荐为例。
首先，特工女巫输入这样的简单提示词：“我在今年五一假期时，要从广州去佛山看华晨宇的演唱会，要求你根演唱会的时间、地点等因素，为我安排合理的出行行程，以及告诉我抢票攻略建议。你需要多看一看微博、小红书、公众号等相关度高的内容，尤其要注意华晨宇官方账号的信息”。
过程中可以看到：
AutoGLM 沉思，首先进行了推理分析，联网搜索，信息总结，然后自主规划需要浏览器操作，于是自己打开了 Chrome 浏览器，自动操作浏览微博、知乎、小红书等网页。
过程中除了登录，几乎不需要用户介入，AutoGLM 沉思在自己打开浏览器目标页面后，会首先理解当前页面内容，然后根据需要，能自主点击完成搜索、点击、筛选等操作。
更厉害的是，AutoGLM 还会基于大目标自己拆解多步骤子任务，根据之前步骤的已知结果自我反思，继续规划下一步行动，直到认为任务完成为止。
此外，在等待过程中，用户也可以把正在执行的浏览器窗口最小化，继续做自己其他的事情，解放双手奴役 AI 干活。
最后，AutoGLM 沉思在经历将近 15 分钟 20 步的推理、分析、执行后，给我输出了一份内容真实准确、丰富全面、逻辑清晰、格式美观的最终答案。
不仅有演唱会时间地点基本信息，还向我提供了抢票指南，交通、住宿建议，行程安排建议，甚至景点和美食推荐。
本女巫五一假期可以美美参考 AutoGLM 沉思的攻略冲演唱会了😊
此外，AutoGLM 沉思还能去 B 站搜索视频，浏览视频，知道怎么选优质视频，看了几个还要看几个，推理规划拆解任务分步执行，基于已完成任务的结果反思和调整接下来的行动，直到完成为止。
比如让它找 5 条优质的自由泳教学视频，然后总结提炼出可信可靠的自由泳进阶练习提升方法。
整体操作过程和结果让本女巫直呼牛逼。不过还有一些美中不足，比如不支持点赞等操作，在测试“进入小红书上特工少女这个账号主页，给最近十篇图文点赞，然后分析他们内容的选题方向和写作风格”时便失败了。
以及目前 AutoGLM 的 Browser Use 会存在我们之前提到的这个问题：“AI 在跟用户抢夺控制权，当你下达任务之后，只能在一旁欣赏 AI 的表演，如果误触，流程就可能被打断。”
虽然业界当前对 Agent 的概念还没有唯一共识，但我们可以抽象出一些标准的理解。AI Agent 具备自主性、适应性、交互性、功能性这四大特征。
-
自主性：更根据自身的知识和经验，独立做出决策和执行行动
-
适应性：能够学习和适应环境，不断提高自己的能力
-
交互性：能够与人类互动，提供信息和服务
-
功能性：可以在特定领域内执行特定的任务
自主 Agent 与 ChatBot 或 Workflow 最大的差异就是自主性和适应性。自主 Agent 由模型自己决策操作过程，能够通过连续、多步推理，实现模型自主规划，执行任务，并通过反思实现动态调整。在模型的 Intelligence 进一步升级后，未来自主 Agent 可能将不再需要现有的工作流编排。
AutoGLM 沉思是自主 Agent 的 “Preview 版本”。从技术角度，基础模型是智谱自研的推理模型 GLM-Z1-Air，这是一个能力比肩 DS R1 的模型，训练过程与 Deep Research 基于 o3 模型的训练过程相似。
从用户角度，AutoGLM 产品，也是首个 toC 免费不限量使用的拥有强反思能力的 Agent。从效果角度，目前 AutoGLM 沉思的平均思考步骤在 20 步以上，再加上结合浏览器进行深度信息检索、操作执行，拥有处理复杂问题的能力。
不论是大模型公司、AI 创业公司、还是成熟大厂，各家都在或激进或谨慎地跃跃欲试结合大模型将 AI Agent 应用落地。今年，我们持续看好和期待国内外出现更多更加智能和有用的 AI Agent。
（文：特工宇宙）