“字節版Manus”有多能打？量子位實測在此。

△扣子智能體生成的活動介紹網頁

我們用光了一天的對話額度，考驗了扣子空間（Coze Space）的信息整理、任務執行、工具調用等多項技能。

結果，仍處在早期測試中的扣子空間整體表現已經相當驚艷，在自主任務規劃和資料搜集方面表現不錯，已經具備解決很多真實任務的潛力。

不過在指令遵循方面，還是比較“有自己的想法”。

簡單介紹一下，扣子空間是字節在剛剛過去的周末推出的智能體協作系統，官方主打“你和AI Agent協同辦公的最佳場所”。

由于放出來的demo效果驚艷，過去幾天里還出現了擠爆服務器的場面。

而第一波拿到邀請碼的幸運兒，在體驗后也第一時間分享了使用感受：

對比智能體確實是一個大飛躍。

更適合用來分析報告，主要作用是幫助用戶搭起整體框架。

當然，作為幸運兒之一，我們也趕緊進行了一波實測。

有腦有手的通用智能體

扣子平臺的通用智能體，分成了探索和規劃兩種模式，官方的介紹是這樣的：

實際用下來的話，探索模式更注重效率，而規劃模式則會對任務進行詳細拆分，條理更加清晰。

自動整理搜集信息，一句話制作網頁/PPT

先來看探索模式，我們讓它整理了一下波音747系列飛機的發展歷程。

可以看到，智能體根據給出的話題自行擴展延伸了許多搜索詞并執行了檢索，最后形成了一份文字報告。

利用整理好的資料，可以直接制作出一個網頁（或者PPT也可以），頁面包含了比較豐富的內容，排布簡潔，美觀性也說得過去。

并且除了文字內容，生成網頁時智能體還補充了產量統計圖和關鍵時間線。

有腦還有手，自主規劃執行任務

在規劃模式下，扣子智能體不僅會整理資料，還支持在虛擬沙盒環境中操縱電腦、瀏覽網頁，執行訂票等操作。

比如我們讓它幫忙訂一張明天（23日）下午從北京到上海的高鐵票。

比較有意思的是，智能體一開始的動作是搜索高鐵票該怎么訂，不清楚是模型自己真的不知道，還是這里強制設定了檢索過程，但總之，如果真遇到不會的技能，通過檢索來彌補也不失為一種策略。

12306平臺需要登錄才能進行訂票，智能體能夠準確識別到這種狀況，并提示我們手動接管。

不過，可能是沙盒環境受到了限制，在執行檢索之后頁面并未顯示結果，因此整個流程未能順利完成。

但從智能體的操作過程來看，網頁信息識別和規劃執行能力已經很不錯了。

接入MCP，智能體不再“孤軍奮戰”

除此之外，扣子也支持MCP協議，并接入了飛書文檔、GitHub、MySQL數據庫、天氣、地圖等一系列MCP應用。

于是結合MCP，我們來整個大活。

上周，量子位中國AIGC產業峰會2025成功舉行，我們將其會議流程和嘉賓信息整理到了一份文檔當中，要求智能體將這些材料整理出一份網頁版會議指南。

并且還調用了地圖、天氣和語音合成三個MCP插件，在網頁中加入天氣預報、交通指南和嘉賓介紹語音播報。

可以看到，智能體首先利用工具從文檔中提取出文本，然后通過MCP協議調取了天氣、地圖等信息。

由于任務比較復雜，制作耗時也比較長，第一版成品長這樣：

圖片

這個版本，要求的內容都有呈現，但是活動流程沒有遵循要求的格式，天氣預報的日期也不對。

所以我們針對這兩點要求智能體進行修改，修改的過程沒有一步到位，而是經過了多輪調整。

以及到后面修改的過程才發現，扣子智能體一開始偷懶并沒有合成嘉賓介紹的語音，只是在網頁里放了按鈕，單獨指出之后才開始合成。

不過最終還是得到了符合期待的頁面，該有的內容都正常展現，滑動和點擊查看詳情的功能都成功實現，合成的音頻也能正常播放。

圖片

雖然整體經歷了不短的時間，但對于一個完全不懂網頁制作的用戶而言，扣子智能體已經很好地解決了工具有無的問題。

在時間上，一個可以改進的方向是讓可以并行進行的任務同時進行，比如這個任務當中的語音合成實際上是獨立于網頁設計的，而智能體目前采用的是串行方式，帶來了不少的額外耗時。

總結一下，作為一個通用智能體，扣子智能體的任務規劃比較合理，資料搜集能力也表現不錯，不過在指令遵循方面，還是比較“有自己的想法”。

當然作為通用智能體，優先考量是提升技能的豐富度，盡可能覆蓋更多的任務，所以在具體任務細節上，也還有不少提升空間。

更懂行的專家智能體

所以，在通用Agent之外，扣子空間還提供了「專家模式」。

Beta測試版首頁，目前有兩個專家Agent：

• 用戶研究專家：模型學習了字節資深用研專家、產品經理等分享的用研工作技巧；
• 華泰A股觀察助手：扣子團隊與華泰證券聯合孵化的Agent，讓模型學習了如何分析上市公司和發展潛力等專業知識。

我們實測下來發現，吸收了更多私人數據和第三方數據的專家Agent，在實用性方面確實大有提升，尤其在面對復雜任務過程中易出錯的問題，它總是能自主發現錯誤并不斷嘗試更正。

不過由于涉及的領域確實比較專業，任務耗時也大大增加，類似股票分析的任務往往需要運行幾十分鐘。

以下為具體實測過程。

0產品經驗也能做出完整用戶調研

假如有一個新入行的產品經理，想要設計一個北京地區的戶外活動APP，需要對用戶需求進行調研。

盡管沒有工作經驗，也可以使用簡單描述來生成一份用戶訪談提綱。

實測不到1分鐘，這個Agent就生成了一份可下載的Markdown文檔，10個問題基本覆蓋了我們想要調研的需求。

然后我們又繼續在輸入框中下達新指令：

再幫我生成一份調研問卷。

從思考過程可以看到，面對一個比較模糊的需求，它能通過自主規劃（設計約30個問題的調研問卷）進一步明確任務。

而且評估其生成效果，從一名資深戶外運動愛好者的角度來看，這份調研報告可謂非常完整——

7個大類、30個小問題，從用戶基本信息到戶外運動參與情況、活動信息與獲取等等，均考慮到了。

接下來，鑒于我們目前缺少真實問卷結果，所以又給它扔了個“麻煩”：

能直接幫我生成一份虛擬完整用戶調研數據，并最終生成一份用戶分析報告嗎？

大約幾分鐘后，這個Agent自己生成了一份虛擬用戶數據：

橫向標準項需要長時間拖動才能看完整，豎向共有100條數據：

當然，過程中Agent也自己發現了錯誤，并多次嘗試更正。

最終，基于虛擬數據，Agent確實生成了一份可下載的完整用戶畫像報告。

整體而言，這個用戶研究Agent具備問卷數據分析、訪談紀要總結、調研問卷生成、訪談提綱生成這四大能力，即使零產品經驗也能通過持續對話實現自己的調研需求。

每天都能收到專屬股票早報

而另一個股票專家Agent，由于涉及的領域比較復雜，官網顯示平均任務耗時為42分鐘。

能做的事兒包括下面這些：

這里我們簡單測試了其早報生成功能。

支持選定3支關注的股票（這里就不具體展示選了哪些了），以及三個關注的板塊，然后給出當日A股早報。

有意思的是，相比之前的用戶調研Agent，這個智能體則更加謹慎了，過程中還需要用戶手動確認其階段性完成情況，然后才繼續執行。

而且整個過程搜集了大量數據：

不過比較遺憾的是，截至發稿前（已經跑了一個多小時），可能由于服務器資源問題，暫時沒有跑出最終結果。

然而，從其他網友對該智能體的測試來看，據稱效果驚艷。

（股票功能）實測蠻驚艷的

小結一下，相比通用Agent，專家Agent在實用性方面確實更勝一籌。

就產品的初步設計來看，和“扣子空間”這個名字相呼應，扣子團隊希望打造一個“通用Agent和專家Agent協作的系統”。

不過按照扣子團隊的長期設想，最終目標則還是打造一個開放的Agent系統——

當用戶提出需求時，系統能自動調度最合適的一位或多位專家Agent協同完成任務。

而拋開長遠不談，僅就當下這個測試版扣子空間而言，得益于它在自主規劃和任務驅動方面的加強，對于絕大多數實際情況，它已經是一個可以上手、能用的Agent系統了。

One More Thing

這一次，字節在扣子空間上還搞了一波“裂變玩法”。

我們實測過程中發現，在執行完第一個任務之后，還可以得到五個邀請碼。

并且當五個邀請碼全部用完后，還能獲得更多邀請資格。

所以相比其他家那種完全封閉的測試，扣子空間的體驗資格也更容易獲得。

最后，有獲得邀請碼的童鞋來說說你的使用體驗嗎？