FlowithOS：不是AI浏览器，而是Agent OS

FlowithOS：不是AI浏览器，是Agent OS

最近的 Agent 赛道，又让人兴奋起来了。

继近期Manus发布1.5，OpenAI发布GPT Atlas之后，昨晚，Flowith发布了它全新的Agent产品「Flowith OS」，并且在硅星人会客厅举办了一场线下公测活动。

刚结束活动，社群紧跟着就活跃起来，有人要求 OS 打开豆瓣给热门电影打分，就有人索性让它接管自己的小红书账号，达成了内容完全自动发布这一情况，。

当行业还在就那些能够撰写报告、编写小游戏的“进阶工具”加以探讨时，一种可以“领会”用户屏幕、且“着手”开展任务的 Agent 最终露面，用户如此这般的热情并不难以理解 。

可是，更能引发我们予以关注的，乃是 Flowith，它对这一产品所进行的命名是：叫做 FlowithOS。

虽说当下它是以一种独立的浏览器样式存在着，然而Flowith却把它认定为全球首个专门针对Agent原生设计的操作系统（Agentic Workspace），并非网页或者插件那般的存在形式，而是一个得去下载到你计算机上的单独应用 。

换个角度讲，一旦你运用自然语言传达一项指令，然后呢，它就能够借助“代码加上视觉”这种途径去领会你的屏幕，进而展开自主的思考以及操作。它的“手”，一方面能够跨越好多网页达成点击、编辑、发送这些行为，另一方面呀，还能够凭借调用终端开启你本地的软件，就比如说Claude code。这也就表明了，AI操控电脑将会不只是被限定于云端虚拟环境，而且也不会再是那种随时等着人类来接管的半自动产品，而是实实在在地由Agent去进行“端到端”的自主执行 。

这种设计思路，在当下的 Agent 产品中显得格外激进。

从近期的 Manus 1.5 再到 GPT Atlas，有一个清晰的趋势呈现出来，那便是大家无一例外地都在竞相争着给 AI 安上“手脚”，借此推动其朝着“行动派”的方向进行进化。然而呢，与之相比较之下，FlowithOS 在这方面做得更为彻底，它 将自己打造成了一个“用于给 Agent 使用的操作系统”。

放眼望当前这般情形，如此激进之举确实产生了实际上的成效。在专为Online – Mind2Web所举办的跑分测试里面 ，Flowith OS已然超越了Altas 。

在第一时间，我们对FlowithOS展开了测试，并且与他们开展了交流，尝试弄明白，于这个时间节点，借助这样一种形式进入的缘由是什么，以及，OS与其他Agent产品、AI浏览器产品相比，存在哪些不同之处 ？

FlowithOS 核心功能：执行、执行，还是执行

FlowithOS希望达成的，是完全使Agent承接起任务的整个流程，去开展跨越平台、具备高度自主性、拥有可交互品性的繁杂工作。

它为那些具备智能的个体搭建了一个空间，这个空间是可以持续不断地进行进化的行动范畴，其核心所具有的突出的、引人注目的地方涵盖了：

首先是那种跨越边界的任务交付，它使得 Agent 的行动不会再被限定于仅仅某一个单一网页或者应用之中，借助无限步骤呈现出来的上下文理解，Agent 能够把完整的端到端工作流串联起来，能够直接替你去进行写作，能够直接替你实施发布，进而将你的想法转变为真实的成果。

第二点是关于网页的理解能力，其依靠自身研制开发出的“代码 + 视觉”双模态理解框架，此框架在Web Agent测试也就是Mind2Web中冲到了全球榜单的首位，其跑分高于OpenAI最新推出发布的GPT Atlas，这种情况表明OS具备更为强大的思考能力、对于网页的理解能力以及操作的精度。

其三是具备自主进化以及自主执行的能力：FlowithOS它并非那种用过就搁置一旁的工具，而是身为一个可独自展开工作的数字员工，它能够在面对高频交易监控，还有社媒账号的运营等一系列存在着需要持续进行优化要求的动态任务时，出色地完成相应的工作。

显然，暂且撇开“操作系统”以及“自主进化”这般宏大的概念不谈，FlowithOS 的实质是借助自动化来实现降本增效。它于真实场景当中的任务成功率究竟有多高，它为用户所节省的时间，是不是要比花费在学习、配置以及补救失败任务上的时间更多……我们围绕着这些问题开展了实测。

1. 基础交互与任务执行

按下 FlowithOS 的开启钮，最先映入眼帘的乃是一个极具设计感且简洁的界面，界面中央存在一个输入框。于该框内你能够挑选 Google 来开展搜索，将其权当是一款平常的浏览器予以使用；抑或，你能择取 Run Task，径直步入 Agent 模式。

同时，位于界面右下角的那个圆形按钮，还给出了一条快捷入口，能够由此让你在任何时候去叫醒 Agent 发布诸多任务。

FlowithOS的输入框，为了能降低使用门槛，具备自动补全功能，还具备优化Prompt的功，能帮助用户发布任务指令时，更清晰，更高效，。

一旦你将任务进行提出，Agent 便会于界面右侧对其“思考过程”予以实时呈现，此过程涵盖对任务展开分析，将步骤加以拆解，以及执行相应动作。与此同时，它会在左侧的标签页，也就是 Tab 里自行把新的页面予以打开，进而开展跨页面的搜索、信息予以整合以及进行操作。

于OS执行进程里，你能够随时去点击Pause，或者双击页面来暂停进而进行接管，并且能够随时以对话形式，输入新的prompt用以调整AI后续进程。

理论说再多，不如直接上场景。

上一周，Flowith 市场方面的负责人拐子，于内测期间，进行了让 OS 接管其自身小红书账号的行为，自行开展创作并发布了一个名为“Ask anything”的帖子，并且还把用以回复评论的权限，全部交给了 Agent 。

尽管这个 Agent 有时会出现一些稍微显得“中二”的赛博人机回复，不过有时又会有令人眼前一亮的评论，最经典的就是下面这条，当有人询问“能不能突然给我打两千块”，Agent 就在评论区直接 @了 CEO Derek，并申请开通转账权限，明显是“学习”到了人类世界的组织架构。

我们对它的能力进行了使用一个真实任务的测试，背景是，我们举办了一场小型的IROS会后派对，举办地点在杭州，需要邀请IROS参会用户，这些用户是小红书上对此感兴趣的，这是一个非常繁琐的任务，也是重复性极高的任务，它完美契合了AI批量执行的场景。

把我的账号Earth权限交予OS后，结果是，它做到了，一部分 。

在这个过程中，我们尝试了两版 Prompt：

精简版提示：你来当硅星人的人工智能助手，于小红书里查找2025 IROS相关的帖子，依据时间线保证是现今这一年的，还要对其帖子进行评论哟，去邀约主人来参与我们在23号所筹备的后续派对，能够通过查看硅星人pro的主页去知晓活动的详细情况，语气要尽量活泼且有意思一些。

缘故是仅给出了模糊的指令，于执行进程当中，OS的成功率大概处在30%上下。它时不时会“神游”，像刷着帖子去摸鱼这般；时不时会“犯迷糊”，把帖子打开了然而却寻觅不到评论按钮；有时候输入了文本可是却没有点击发布，就自行判定任务成功啦。

不过，鉴于并非云电脑虚拟环节，用户能够参与AI协作，举例来说，当AI寻觅不着输入框之际，我们滑动鼠标将输入框点开，以使AI学习此一路径。

由Claude与人工共同优化得出的详细版Prompt，给出了极为清晰的步骤以及规则，此次，OS的成功率急剧飙升，近乎接近100%，鉴于它的评论速度着实太快，然而我们的派对席位存在限制，所以我不得不以极快速度终止了它那“狂热”状态。

你身为我的那个AI助手，所应承担的任务是，在小红书这个平台之上，去推广一场即将就要举行的活动 。

平台: 小红书

活动: 23号的IROS After Party

目标用户为，发布了关于“2025 IROS”帖子的博主，以及每一个回复了这些帖子的用户。

核心文案格式

你好呀，我是那个被称作硅星人PRO的AI助手，在23号的时候，我们专门包下场地组织了一场After party，你有没有兴趣去参加呢，你能够通过查看硅星人PRO的小红书主页来知晓活动的详细情况哦 。

具体邀请可修改，模拟一个真诚有梗的人，而不是一个冰冷的机器

。”

执行流程 (自动化循环)

1、登录: 登录小红书账号。

2、搜索:使用搜索关键词列表:

“2025人工智能与机器人学术会议”，“机器人与智能系统国际会议杭州之行”，“2025年机器人与智能系统国际会议杭州举办版”，“智能机器人相关大会杭州场” 。

3、筛选搜索结果：按“最新发布”排序，确保帖子是近期的。

遍历帖子 (循环):

对于搜索结果中的每一个相关帖子，执行以下操作：

4、操作A：评论博主 (OP)

打开该帖子。

定位到主评论输入框。

输入 。

点击“发送”。

5、操作B：评论所有回复者

在当前帖子下，打开评论区，并确保加载所有评论和回复。

穿梭于评论区里面涉及到的德信竞技，不管是一级评论，又或者是二级回复当中的每一条评论，进行周全遍历，这一历程名为借助 For-Each Loop 来达成：

If 该条评论的作者 不是 你自己：

点击该条评论的“回复”按钮。

在@对方的输入框中，输入 ，文案按照格式，可调整。

点击“发送”。

在将所有回复都开展遍历操作之后，把搜索结果列表予以返回，接着去开启下一个帖子，将步骤4进行重复 。

这个具有极强迁移性的任务场景，存在任何于批量联系他人的情况，还有进行重复性网页操作构成的场景，并且在理论上，这些都能够被交给OS来达成其所要完成的任务 。

在现阶段，你得怀着充足的耐心，目不转睛地盯着OS，别让它拿着你的账号肆意胡来，同时要承受那长久的、存在失败可能性的任务进程。

排除掉这些严肃的工作之外，Flowith跟我们分享了一个极具娱乐性质的案例，这个案例是让OS帮你去打德州扑克，并且还赢到钱了 。

这时候，一个出色的 Agent 确实能够自行外出赚取钱财维持家庭生计了。当下这个 Prompt 已然被收纳进 OS 的官方示范实例里，用户能够直接点击运行。只是我们满怀好奇，要是在赌桌上你的 OS 碰到了他人的 OS，究竟谁能够最终胜出呢？

当然，除了娱乐和批量任务，Flowith主站原本就擅长深度研究领域，沿用了Neo技术架构，有真实的执行环境，OS能够阅读更多内容，能更好地理解图文信息，还能进行跨页面浏览，进而给出更详尽的报告了。

2. Skills：沉淀可复用的“肌肉记忆”

除开基础上的产品逻辑而外，OS上线了一项关键功能，此功能为Skills，这和Claude存在相似的地方，并且更着重于执行路径的沉淀。

当一个智能体首次成功达成某个繁杂任务时，像“于小红书里挑选特定风格的商品并添加至购物车”，它能够把此任务的最佳执行路线记录下来，进而形成一个能够重复使用的“技能妙招”。如此一来，下次当你或者其他人需要去执行相似任务时，智能体便能够直接调用这个已经被验证过的“熟练操作记忆”。

再进一步而言，FlowithOS团队会把用户高频使用的任务流程，且是反馈良好的那种，经由训练使其固化成为标准的Skills，进而让所有用户的Agent在未来执行该任务的时候都拥有极高的成功率。

现在的Skill库里，OS已经既能打开你的Claude Code页面编写代码，又能打开你的terminal操作了。与此同时，你也能够把自己调整好的Skill上传，未来或许可以进行社区化的分享与传播。

3. 内存和知识库，使得智能体能够更加深切地明白你 。 ，进而让智能体对你的理解达到更高层次 。 ，最终促使智能体对你有着更为深入的了解 。

Skills以外，存在着Memory（记忆）系统，还有Knowledge Base（知识库），它们是使得Agent变得“专属”的极为关键的另外两大支柱 。

Memory系统，会记住你所访问过的网页，能记住你执行过的任务，还会记住个人偏好，这跟传统浏览器的历史记录不太一样即似是而非，Memory系统记录的颗粒度更为精细得多，这给Agent提供了丰富的个性化上下文，让其决策以及行动都更加贴近你的习惯 。

然而，Knowledge Base 并非凭空出现，乃是由 Flowith 主站进行延伸拓展而形成的，在这个平台之上，它允许你去上传诸如文档啦、链接啦这类资料，以此来构建专属于你自己特色的知识库。当 Agent 进行任务执行操作的时候，它会优先选择从这个精心构建的知识库当中去探寻所需的答案以及相关的背景信息，借助这些信息从而让它更进一步地去深入了解你的工作领域以及各种各样特定的需求，最终达成更精准的任务处理。

能回想得起来上文所提及的，OS 去接管那个被称作“拐子”的小红书账号的案例情况吗，Agent 之所以晓得要去 @Dereck 来进行申请获取权限这一行为，恰恰是由于它从知识库那里了解到谁才是负责人呀。

总括而言，于多次实际测量当中，我们察觉到FlowithOS针对不同种类网页的适配程度存有一定差别。在Twitter、小红书以及微博等结构相对标准化的社交媒体平台之上，它能够相对精准地辨明帖子内容，理解评论语境，甚至于掌握平台的“网感”进而生成恰当的回复。

然而在淘宝、京东类电商网站上，当面对多重下拉菜单时，它偶尔会出现定位不准或操作失败的情况，当面对动态加载的商品列表时，它偶尔会出现定位不准或操作失败的情况，当面对复杂的促销弹窗时，它偶尔会出现定位不准或操作失败的情况，并且对商品进行比价表现不足，对图文商品链接进行整理表现也不足。

Flowith针对此作出了解释，提到，在这个地方，针对Agent运用了periodic online reinforcement learning这种方式，随着用户使用次数的增多，整个OS会朝着更加智能的方向发展 。

此产品现今依旧位于公测时期呢，全部功能都免费予以开放，在公测阶段的核心目的是去收集用户于真实场景当中的反馈以及Agent的表现数据，这些极为宝贵的数据呀，会直接被运用到后续的Agent迭代以及功能优化方面 。

这个FlowithOS，它是一种Browser Agent，并且它还是一种供Agent来使用的操作系统 。

基于实测得出的结果而言，FlowithOS体现在产品形态上面，以及底层逻辑方面，跟市面里其他占据主要地位的Agent产品，存在着明显的不同。若想对它所具备的独特特性加以理解，我们首先需要对它与另外两款具备代表性的产品，也就是Manus 1.5以及Atlas之间的差异，予以明确。

相较而言，更着重于编程能力的Manus 1.5，其核心思路好似是于产品内部搭建一个呈闭环状的、具备强大功能的能力集合。比如说，它着重借助“内置”工具（tool）以及配套架构，使得users能够直接于产品内“凭借一句话来构建应用”，把达成复杂任务所需的核心能力整合至自身 。

Atlas 是一个浏览器，Agent 在里面属于核心但是可选择的“模式”，和常规浏览功能一同存在，它着重于因循着用户使用的场景着手，给用户供应一个更完备的生态方面的链路，给 Agent 拿出一个更便利的进行状态运行支撑的载体。

然而，FlowithOS 把自身界定为操作系统，它的浏览器界面只不过是此系统给 Agent 予以的“图形界面”。和 Manus 的“内置集成”思路不一样，FlowithOS 的关键在于调度以及编排外部生态的能力。

比如，于处理编程任务之际，它不是自行打造一套编程工具，而是借助调用Claude Code等外部功能以及生态去达成 。

当我们把FlowithOS放置在更宏观的AI产品图景里进行审视，这时，会发现它所做的事情，既有差异，又有共识。

有这样一种共识，OpenAI 的 Atlas、Manus 的 1.5、以及各类 AI 编程助手都是同时在发生变化，从“理解和生成”朝着“执行和自主”的方向进化。AI 已经不满足于仅仅只用做一个知识问答方面或或者内容创作类型的工具了，于是它必须要进去到人类的工作流程里面去，直接对应用进行操作、把任务完成，这样才能够释放出下一阶段的生产力相关价值。在连接人与互联网服务之中，浏览器是最主要的入口，所以它自然而然地就成为了这场进化的核心战场。

其存在着差异，这种差异在于，它极有可能是当前市面上首个明确把自身定义为“Agent操作系统”之物，就是这样的定义，决定了产品的进化路径，FlowithOS的功能是从“Agent如何更好地执行”这个第一性原理出发的，其交互设计同样是从“Agent如何更好地执行”这个第一性原理出发的，并非是从“人类如何更方便地使用”出发的。

就如同拐子讲的那般：“用户到底用不用我们的 OS 当作浏览器，这其实没那么重要，毕竟这个浏览器实际上是用来给 Agent 当作操作系统使用的，我们更期望的是，当用户打开 OS 时，能让 Agent 处在拥有更高权限的环境里自主开展工作。”（转载自硅星人 Pro）。