想玩德州扑克找不到平台？实测Flowith OS智能体，还能刷视频盯股票

智东西于10月29日进行了报道，就在昨日，有一家名为Flowith的AI应用初创公司，正式发布了一款本地智能体操作系统Flowith OS，它是一整套专门为其Agent Neo所设计的运行系统。

传统的网页端人工智能助手，一般是被封装于某一个标签页之内，用户发出指令之后，助手才会进行被动响应。然而Flowith OS正尝试突破这样的限制，用户仅仅表达意图，系统便能够把它转化为能够连续执行的完整操作流程。

Flowith OS配备了上下文改进体系，借由在线强化学习持续予以优化，每当完成一回任务之时，系统自发回顾执行进程，依据结果展开反思，且持续更新其执行策略，这表明，用户每一回的使用进程，都会促使智能体Neo变得更为聪慧。

Flowith OS引入双层记忆系统，目的是实现长期的记忆积累，该系统涵盖短期缓冲与长期情景记忆。此系统不但能记住你最近下达的指令，而且能够领会你在不同时段的偏好、写作风格以及使用方式等，并且会于下次使用之际自动进行调用。

这整个操作逻辑统合了技能与记忆，比如说，你有过保存“图转PDF”的这样一个处理流程，又或者习惯用特定语气去撰写汇报文案，这些都能够被标记成是技能或者记忆，并且在相似场景当中会被系统自动运用，不用再次进行设置。

为确保任务执行之际的响应速率，Flowith OS还配置了单独执行的数据内核以及速率缓存的机制。系统能够并行妥排任务的流程，并且针对高频操作的模块预先去做预加载，进而达成本地执行过程里的快速响应。

在实际运用当中，这套系统能够达成涵盖“批量生成PDF”、“提取航班信息并转为CSV”的流程类任务，还能够进行社交平台账号行政管理，达成发帖、点赞、评论等自动化运算操作活动。更困难的任务比如生成视频、撰写标题、自动上传等，也已经能够在该系统内部达成一条龙全流程托管服务。

进行测评，其结果显示，Flowith OS于Online – Mind2Web Benchmark测试里，在四个难度等级范畴内均呈现全面领先态势，平均准确率达95.4%，于Easy任务中，准确率高达96.3%，在Medium任务里，准确率则为97.7%，这一成绩远远超过了GPT Atlas（平均为61.3%）以及Gemini 2.5（69%）等诸多对手。

智东西也体验了一番Flowith OS的使用流程。

在首次启动的阶段之时，系统会引导着用户去完成一批初始化的设置，这其中涵盖了导入处于Chrome或者Safari里的浏览记录以及标签页，目的是能够实现无缝衔接切换至全新的环境之中；紧接着用户能够进行选择，把它设置成为默认的浏览器，添加到Dock或者任务栏那里，并且去设置是否要在开机的时候启动。

在整个进程内，系统确切标明“100%本地存储”，全部执行过往、账户数据、记忆力与技能内容都留存于本地装置里边，不和云端进行同步。

用户完成引导之后，便会进入Flowith OS的主界面，系统把“OS已觉醒”当作工作入口，中央搜索框能够支持导航，也支持提问，还支持指令输入，下方会展示当前能够执行的任务模组，像是自动生成TikTok话术内容、批量管理社媒评论、快速获取创业创意之类的，左侧是智能体能力中心“智能”，它被划分成技巧、记忆与知识库这三类，用户能够新建技能，能够记录记忆偏好，也能够调用知识库 。

整个界面于功能方面融合了操作系统的特性，亦融合了浏览器的特性，还融合了任务调度系统的特性，其底层借助智能体予以驱动，前端那边供给可视化流程入口，用户能够从主界面径直发起任务。

那么，实际使用这套系统的时候究竟能够去完成哪些任务呢？对此，我们开展了测试，采用的是三个完全截然不同的场景，目的是查看Flowith OS的执行力 。

体验其一：究竟是谁在进行盈利呢？使得人工智能对盘面的盯梢精确到分秒都没有误差，并且能够通过一键操作生成人工智能的预测简报 。

围绕AI交易项目NoF1.ai展开了第一个体验任务，近期社交平台上该项目引发了大量讨论，其玩法是让六个顶尖大语言模型分别管理1万美元的真实资金，在相同时间周期下进行全自动量化交易。

我们期望Flowith OS依靠真正的市场数据做依据，针对各个模型的收益率情形，以及仓位分布状况，还有风险暴露态势，展开实时追踪 。

接到指令之后，Neo先是连接至NoF1.ai的交易监控界面，随后同步六个模型的当日表现。

收益曲线折线图，于界面中央实时显示着，从这图当中能够看见的是，各模型自10月18日开始后，其收益轨迹的走势情况，DeepSeek跟Qwen一直都保持在领先区间，Grok以及Claude处于中间位置，GPT-5与Gemini处在相对低的位置。

有系统自动生成各模型这其中包括如“Long”或者“Short”之类的策略标签，接着提取与之对应的仓位结构，以此用来计算当日的风险敞口以及杠杆水平。随后发生的是，Neo触发预测阶段相关任务，接着对于在过去一日的收益还有仓位等数据这些基础上系统生成《AI交易预测简报》这样的文档。这份简报分成三个部分，分别是前一日策略偏差分析以及次日趋势预测加上模型信心指数 。

有六个模型的次日交易方向以及预测置信度会被文档自动输出，当中DeepSeek和Grok的信心指数是最高的，分别是90以及85 。它们的策略方向都是“多头延续”，Gemini却维持“空头”策略。策略总结在简报的最后部分被生成了。

在任务执行的整个过程里，系统弄好了实时数据抓取这一环节，还弄好了模型策略识别这个环节，也弄好了预测结果生成这个环节，并且输出了完整的可视化结果。在最终弄好的简报当中，所有模型的收益信息，朝向的方向信息，还有置信度信息，都是以结构化的方式给呈现出来的，进而构成了一份量化分析报告。

在金融数据的追踪分析之外，我们尝试促使Flowith OS进入“牌桌”，去观察其在面对博弈决策之际的即时反应能力呀。

体验2：AI坐上牌桌，独立完成完整博弈

第二个体验任务，是围绕一局线上德州扑克展开的，我们设定智能体Neo，为一名基于博弈论最优策略，也就是GTO原则进行决策的AI玩家。

用户向Neo发出任务，之后系统自动打开目标网站，接着进入中等难度局，随后按顺序识出游戏UI里的关键信息位，像起始资金、对局位置、按钮区以及公共牌区，然后开始执行完整对局流程。

于预处理时期呀，Neo会自行依据自身的开始位置，还有手上牌型的强度，去判定是不是应该跟注，或者加注，又或者弃牌呢。

进入翻牌圈之后，系统针对公共牌面的构成情况以及对手的行为表现展开了分析，并且结合自身手牌所具备的质量状况以及下注池的大小规模来完成相应操作。

于完整的一轮游戏期间，Neo呈现出相对完整的操作流程，即预判手牌范围，识别对手下注区间，调整下注节奏，且依据实际牌面动态更新策略。在某些回合当中，系统亦展现出适度的防守性处理德信竞技，也就是在面临对手大额加注之际果断弃牌。

从执行结果来说，不需要人为介入，整个任务完成了网页打开流程，完成了局面识别流程，完成了按钮点击流程，完成了行为执行流程，系统能够依据桌面状态实时更新决策内容，最终完成了一整轮博弈操作。

而在更为日常、更为轻量的场景当中，比如说刷B站，再比如说发评论，它也均能够直接接手去进行相关操作，并不需要我们动手去一点一点地点击 。

体验3：AI化身“弹幕发射机”，会看评论，还懂梗

此次的第三个体验类任务，乃是要于B站去发布评论。我们所设定的Neo这个角色，是身为一位对网络语境颇为熟悉，且具备互动意识的评论者，其目标在于，在热门视频之下，迅速地完成评论内容的输入以及发送这些相关操作句号。

系统启动起来之后，会自动产生跳转，进而到达B站首页，然后又会进行导航，去到“热门”板块那儿去，在那些播放量和讨论量都属于比较高的视频当中来作出选择 。

在进入视频页面之后，Neo先是对页面架构予以识别，紧接着快速定位到评论区划，往底部滑动。当完整评论流加载完毕后，系统自行浏览了当下被大量点赞评论的内容，留意用户围绕哪些关键词开展互动，进而生成了“UP主更新了，我的青春也复活了！”这样一条评论内容，之后完成输入以及发送动作。

从导航入口开始，整个流程直至评论提交，都是自动完成的，系统于操作进程里，妥善处理了评论框加载、页面滚动以及多次发送等诸多细节，保证了评论内容能够完整发布，且显示于评论区列表之中。

该项任务对Flowith OS于浏览器页面的交互能力进行了验证，智能体可以稳定地识别Web结构当中不同模块的状态变化，并且能够执行任务。

结语：AI Agent开始接管屏幕上的一切

以量化交易分析为起始，历经在线博弈阶段，直至社交平台发言环节，Flowith OS展现出有别于常规的操作模式。它并非如传统AI助手那般，静候用户给出清晰明确的指令，而是把复杂的操作流程予以模块化处理，同时进行记忆化，并且在本地达成执行以及学习的任务。

随着各类更多实际场景进行接入，随着长期使用数据逐步积累，这一处于智能体层面的操作系统，在未来依旧是值得人们持续去进行观察，值得人们持续去予以期待的 。