产研社研究员 | 肖潇

图片由AI生成

一、垂直领域专业Agent——Cursor

Cursor由四位麻省理工学院（MIT）毕业生于2022年创立，其核心理念是将大语言模型（LLM）的能力深度内嵌于开发环境，而非作为外部插件或附加功能。随着技术和产品的不断演进，Cursor实现了代码编写、调试、重构与语义理解的无缝融合，从代码生成工具逐步升维为开发工作流智能体（Development Workflow Agent）。

（一）产品架构及技术实现

与GitHub Copilot等以代码补全为核心定位的辅助工具不同，Cursor从设计之初便定位为“AI原生集成开发环境”（AI-Native IDE），其目标是让AI作为协作伙伴，全程参与需求理解、架构设计、测试生成、错误修复乃至遗留系统迁移等软件开发全生命周期环节。

Cursor的技术架构围绕“AI Agent（智能代理）”范式构建，分为四个协同层：模型层集成自研与外部的顶级大模型，提供核心推理与生成能力；Context层通过索引与检索技术，从海量代码库中动态提取任务相关信息；Agent Harness层作为运行框架，负责组织系统指令、上下文与工具，并针对不同模型优化调用方式，驱动任务执行；Action层则赋予Agent执行能力，使其能够真正修改文件、运行命令并与外部系统交互。

表 Cursor的技术架构

代码理解与上下文工程是Cursor实现专业化Agent能力的技术基础。 面对大型代码库，Cursor并非将全部代码直接输入大模型，而是通过代码库索引、Semantic Search、Grep和文件读取等机制动态寻找与当前任务相关的信息，构建模型所需的上下文。在此基础上，模型完成代码理解、推理和生成，Agent再通过文件编辑、Terminal等工具执行操作并根据结果继续调整。

表 Cursor的技术实现

（二）商业模式及发展

Cursor 的商业模式可概括为“订阅 + 用量付费 + 企业服务”的SaaS模式。个人侧通过免费版降低试用门槛，并设置 Pro、Pro+、Ultra 等多档订阅层级；企业侧在席位费基础上叠加团队管理、SSO、审计日志及 Agent 治理等增值能力。随着用户对 Agent 依赖加深，超出套餐配额部分还可按实际消耗 Token 进行弹性计费。

与传统 SaaS 的固定成本结构不同，Agent 模式下每次服务的实际成本并不恒定——简单代码补全与涉及跨文件检索、多模块修改、自动化测试乃至 Debug 链条的复杂任务，其 Token 开销和计算资源消耗往往相差一个数量级。为此，Cursor 正逐步从固定的 Request 包月制，转向“基础订阅 + Agent 用量浮动计费”，使营收端更贴合底层推理成本的实际波动。

在成本控制方面，Cursor 早期高度依赖 Claude 等第三方前沿模型，但目前已完成对 Anthropic、OpenAI、Google 等多厂商模型的多源接入，同时积极自研 Composer 等内部编码模型。通过智能路由和自研模型的配合，Cursor 能够根据任务复杂度在性能与成本之间动态平衡，显著降低高复杂度 Agent 任务对昂贵第三方模型的敏感度。

一、通用任务Agent——Manus

Manus于2025年3月正式推出，是由Monica团队孵化的代表性通用任务Agent产品，是一款具备端到端自主执行能力的通用型 AI 产品。其核心能力在于：从用户定义的目标出发，自主完成复杂任务的拆解规划、多工具调用（如浏览器、代码执行环境）与动态执行，最终交付具备完整运行态的成果，包括网页应用、演示幻灯片、数据分析报告等。

（一）产品架构及技术实现

Manus 的技术架构采用多代理协同（Multi-Agent）与闭环执行机制，其核心理念在于为大模型的推理能力赋予一个可付诸行动的数字躯体，使AI能力拓展到执行层。与传统 AI 助手相比，其关键差异主要体现在以下几个方面：

表 manus与传统AI助手的对比

Manus 将复杂任务拆解为规划（Planning）、执行（Execution）与验证（Verification）三大核心模块。规划模块负责理解用户意图，将高层目标分解为可执行的任务链，并动态编排工具调用顺序；执行模块根据规划结果驱动浏览器、代码沙箱、文件系统等具体工具，完成实际操作并收集中间结果；验证模块则对执行产出进行校验，比对预期目标与当前状态，识别偏差并触发修正或回滚机制。三大模块并非线性串行，而是构成一个“规划 → 执行 → 验证 → 再规划”的闭环循环。

从技术逻辑来看，Manus可以抽象为“模型推理—任务规划—工具调用—执行环境—结果反馈”构成的Agent闭环。模型负责理解目标并判断下一步行动，Agent系统负责组织多步骤任务，工具层提供浏览器、代码、文件及外部服务等执行能力，云端沙箱则为任务运行提供相对独立的计算环境。

（二）商业模式及发展

Manus 采用“订阅 + 积分”的 SaaS 模式，通过产品设计与工程化能力，将大模型能力封装为可直接产生营收的 AI Agent 服务。其收入主要源于用户购买的订阅套餐，不同等级提供月度积分配额，任务执行时根据复杂度与资源消耗扣除相应积分。

与传统订阅软件不同，Manus 的积分消耗直接对应 Agent 运行过程中的真实资源成本，包括 LLM Token 调用、云端虚拟机及第三方 API 等。积分消耗量随任务复杂度与执行时长显著波动：任务越复杂，Agent 运行越久，工具链与计算资源使用越多，积分消耗也越高。

通用 Agent 面临的任务域更广、工具调用更杂、失败率更高，其商业化的核心挑战不仅是“能否完成任务”，更在于能否将单位成功任务的平均成本控制在用户可接受的阈值内。从长期看，若Agent任务成功率进一步提升、任务结果能够标准化衡量，其商业模式还可能由按资源使用量收费进一步探索按任务或结果收费。

三、开源个人Agent——Open Claw

OpenClaw 由奥地利开发者 Peter Steinberger（PSPDFKit 创始人）于 2025 年 11 月发起，并于 2026 年 1 月 30 日正式定名。OpenClaw 定位为运行在用户设备上的个人 AI 助手，通过统一的 Gateway 连接大模型、工具链及各类通信渠道，使用户能够从日常惯用的消息入口随时调用 Agent。作为一款本地优先、开源的个人 AI Agent，精准契合了 AI 从“交互层”向“执行层”跃迁的产业趋势。

（一）产品架构及技术实现

OpenClaw 最核心的技术创新在于以Gateway为核心控制平面，在其上连接Channels、Agent、Tools/Skills和Models，并通过Nodes将Agent执行能力进一步扩展至不同设备。该设计将智能推理、任务编排与交互渠道彻底分离，构建出一个高度灵活、易于扩展的分布式系统。

（二）商业模式及发展

OpenClaw 核心项目采用开源、自托管模式，由非营利组织 OpenClaw Foundation 主导推动。用户可在自有设备或服务器上部署 Gateway，并自由对接所需的大模型与工具链，实现完全自主可控的 Agent 运行环境。项目采用 MIT 开源协议，核心代码完全免费开放。个人用户可永久免费使用，企业用户亦可按需进行二次开发，无需支付高额授权费用。这一开源策略既保障了技术的开放性与透明度，也为未来的商业化路径保留了充分的探索空间。

对 OpenClaw 而言，当前阶段的战略重心在于其价值更多体现为开源Agent运行框架及围绕Skills、Plugins和设备连接形成的生态。若个人 Agent 未来逐步演变为新一代数字入口，则掌握 Agent 运行框架、Skills 规范与工具生态的一方，便有机会在模型层与应用层之间构筑起新的平台价值，形成不可替代的中间层壁垒。

四、企业级Agent——WorkBuddy

WorkBuddy是腾讯于2026年推出的全场景职场AI智能体工作台，面向 HR、行政、运营、销售、研发等多元职场角色。与传统办公 Copilot 主要聚焦内容生成与智能问答不同，WorkBuddy 强调 Agent 具备对授权本地文件的读取能力，并能够自主完成多步骤办公任务的规划与执行，最终交付文档、表格、PPT、数据分析等可直接使用的成果，真正实现“从指令到交付”的闭环办公体验。

（一）产品架构及技术实现

WorkBuddy的技术架构核心是“同源底座+分层解耦”，整个系统抽象为交互、Agent、模型、能力连接以及执行与安全五个层级，既保证了系统的可维护性和可扩展性，也实现了“云端算力+本地执行”的双重优势。

图 WorkBuddy五层技术架构

WorkBuddy 的核心逻辑可概括为 “多模型 + 多 Agent + 本地执行 + 企业工具连接”。用户通过自然语言提出工作目标后，Agent 负责对目标进行拆解与任务规划。面对复杂任务，系统可调度不同专业领域的 Agent 分别承担数据分析、调研、文档撰写、设计、开发等环节，并将各子任务结果整合为完整交付物。

执行层是WorkBuddy区别于传统办公Copilot的重要组成部分。 在获得授权后，Agent可以读取指定工作目录中的文件，并通过本地Terminal完成文件处理、数据分析和脚本执行等操作；对于可能涉及文件修改、删除或系统状态变化的高风险行为，系统通过权限模式、安全沙箱和人工确认机制控制执行边界。由此，WorkBuddy形成“任务规划—Agent协作—工具调用—本地执行—结果交付”的办公Agent闭环。

（二）商业模式及发展

WorkBuddy 采取“免费体验 + 个人订阅 + 企业服务”的商业模式。个人端设置体验版、标准版、高级版与旗舰版等梯度层级，对应提供不同规模的 Credits 配额、并行任务数量及模型能力。

与个人市场不同，企业端的商业价值更多源于 Agent 进入组织后所产生的增值服务空间，包括企业系统集成、团队权限管理、安全合规治理、私有化部署以及行业场景定制等。因此，其商业逻辑已不仅仅是销售 AI 办公软件，而是逐步向 “Agent 能力 + 企业席位 + Credits 消耗 + 部署与治理服务” 的综合解决方案演进，形成以能力交付为核心、以服务增值为延伸的多元收入结构。

商务合作/报料请联系侯经理 18801065284（微信同号）