|
年前AI圈混战，热闹程度不亚于23年3月，一个个都卷麻了。 OpenAI半泄漏半预热搞了半天的Agent产品Operator还没来。 智谱的新版Agent GLM-PC悄无声息的憋了个大的，直接先来了。 昨天夜里，智谱突然让我帮忙试一下他们的Agent。 ![]() ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.034em;width: 100%;height: auto !important;" src="https://api.ibos.cn/v4/weapparticle/accesswximg?aid=100113&url=aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9PamdLRVhtTFVSbzV3NGVVenZwSExpY0dvRGF1ZzVpY1ppY3J5WlRjcVlEaHhNTVBOaGZ3cVpmbWpRb0lmcWoyb01tYWJwbWwyaWNpYTV6eTd4aWFWb1JFU3V2US82NDA/d3hfZm10PXBuZyZhbXA=;from=appmsg"/>
真的是夜里。。。 AI圈好热闹，但是作为一个自媒体，我的肝好想说： 求求了，大过年的，放过我吧。。。 没办法，为了首发，咋办呢，只能熬夜一个通宵，肝他娘的。
还好，在体验了一夜后，GLM-PC 1.1版本，没有让我失望。
虽然小问题还是有一些，但，前路已明。 可以说，如今AI领域，最让我兴奋、最让我觉得科幻的，也只有Agent了。
也给大家简单过一下他们Agent的历史。
2024年10月25日，智谱在CNCC发布了第一款手机自主人工智能，AutoGLM，直接在行业内和金融市场上掀起了风暴。 2024年11月29日，智谱在Agent OpenDay上，宣布升级版的AutoGLM，还有电脑版本的自主人工智能，GLM-PC 1.0内测版。 但是那时候，GLM-PC还是非常不成熟的，我也在当时的发布会现场写到： 
终于，两个月以后，GLM-PC 1.1正式版，来了。 复杂任务拆解能力大幅强化，任务成功率比1.0高太多太多了，操作速度直逼人类，每步操作几乎都在1.5s以内，虽然别看只是0.1版本的升级，但我觉得他们内部对比版本号命名还是保守了，其实完全可以叫2.0的，再不济1.5也是可以的。。。 而且，Mac和Windows，全都都可用了。 跨越时空，智谱AI也完成了7年前，老罗在鸟巢那个“理解万岁”的梦。 也不知道，老罗看着如今的GLM-PC 1.1版本，会不会也摇着扇子，感慨到：我当年那个TNT也是很酷的啊，就是这么想的啊...如果我们晚做7年...可惜啊，没有如果。 网址在此：https://cogagent.aminer.cn/home 
下载注册以后，就会来到首页。 
虽然我也不知道智谱他们为啥要给GLM-PC取名叫牛牛，可能，是因为GLM-PC作为新时代的Agent代表，可以堪称赛博牛马？... 这次最大的功能更新，是他们加入的深度思考。
类似于OpenAI o1那种做法，你给GLM-PC发一个任务，他会给你先生成一套非常详细的思维链，自己给自己想明白以后，再去执行。 比如说给微信上的“熬夜测试”群的所有群成员发送2025年新春祝福语。 
他会一步一步思考、拆解、返回结果，即使失败了也会自己PUA自己来进行重新反思。 而且最特别的是，跟手机端的AutoGLM不一样，这次更新明显不只是纯视觉方案了，还引入了代码机制。 生成的内容，是函数，在上图中，能看到两个GLM-PC定义的函数LAUNCH_APP和CogAgent。 这个点非常有意思，代码是极度严谨、规范、正确率高的方式，他们抛弃了传统的思维链，而是使用代码式的思维链，在我几个小时的体验里，明显能感觉到，在这套逻辑的加持下，GLM-PC对复杂任务的规划、推理、和反思的能力，得到了明显的强化。 之前GLM-PC 1.0版本的模型，是智谱在2023年就开始做的多模态GUI Agent - CogAgent，去年12月20他们也直接开源出去了，能感知和理解交互界面中的视觉元素与布局，模拟人类做出任意元操作，就比如点击、键盘输入、悬浮、拖拽那些。
而这次加入代码后，通过代码思维框架和图形界面的结合，有点像神经心理学理论中的左右脑，为右脑补齐了理性的左脑，成了一个真正完整的智能。
看看上面这个case的实际运行效果。视频为了大家观感，我都做了2倍速处理。
整体上，一气呵成，直接给我测试群里四个人，全部发了一个新春祝贺，甚至还是定制化的，每个人都写了名字，内容还不一样。真的，玩AI这么久，体验了几百款AI产品，我已经很久没有被AI所震撼了。但是当这种任务，在电脑上，AI理解我的意图后，自动化完美的处理完成的时候，我才真真切切的感受到。除了单纯的发微信文字消息，你还可以让AI，给你制作图片和视频，自动发送过去。比如，我想让GLM-PC，给微信上的“鲜虾包”发送2025年新春祝福语，再给他制作一个新春图片和一个新春祝贺视频，发送给他。不止发文字，GLM-PC还直接调用智谱自己的接口，创作了图和视频，发给了鲜虾包。这个图片和视频的美感虽然确实有点不太好看，但是不妨碍作为Agent的这个能力，直接酷到爆炸好吧。虽然最后出现了BUG，一直卡死在时间循环那了，因为调用错了时间，且飞书日历只有半点和整点，时间匹配不上，所以没能成功。
整体测试上，在多步任务上表现还算是比较稳定的。 比如马上春节了，我们可以让它：打开小红书，在小红书搜索春节习俗，获取前三篇的图片和文字介绍，扩写成一篇文章，保存到桌面Word文件。可以看到，这些任务都执行的很好，把前三篇的文章都保存下来了，还能扩写，word文件也保存的很好。
你什么都不需要干，只需要一句话，一篇word就完事了。我穿越回到了1976年，在加州那个著名的车库里，我面前站着乔布斯和沃兹尼亚克，看着他们正在焊那个具有革命意义的Apple I，我拉着他们走到旁边，说：你看，我也见证了一个新的时代，见证了人机交互的又一次变革。
GLM-PC 1.1的出现，固然还有很多不足之处，比如任务成功率不是百分百，有时候也会陷入死循环。还会对着屏幕乱点，屏幕尺寸的支持也不是很好，我的带鱼屏直接没法用，只能拔了外接屏幕用我的笔记本标准分辨率的屏幕。甚至，在我们的幻想里，真正的Agent，应该是可以打开剪映给我们自动剪个片子，打开Blendr自动建个模，它应该是个无所不能的超人。 | 
