文｜史中

好家伙，百度文库网盘这帮师傅太卷了，一年不到已经把那个通用智能体 GenFlow 搞到 4.0 了。

在我看来，GenFlow 有一票死忠粉，就是大企业里的文职牛马：

他们每天要用 PPT、Excel、Word 做各种事情，绝大多数任务还不是简单的套路，而是逻辑很复杂、要求很明确、结构很精巧的作品。

完成这种工作，很需要费一番脑子，一摸鱼就弄错了，一弄错就完蛋了。。。

“文职”代表了人们工作中的普遍痛点：

既想让 AI 随心所欲，又想让它不逾矩。这有点接近国内外厂商都在讨论的“超级智能”。

感觉这次通用智能体 GenFlow4.0 的升级，就是老师傅们奔着他们心中的“超级智能”前进了一步。

我给你念叨一下这次升级背后的四个思考。

1、超级智能缺“肉”，但更缺“骨头”。

本以为 AI 时代来了，CPU 就该入土了。

结果最近 CPU 猛猛缺货，原因很简单：

龙虾这类 Agent 爆发，人工智能要想搞定“复杂任务”，空想是不够的，必须得用各种软件工具，而工具都是跑在 CPU 上的。

这也引发后续问题：工具越多越复杂，AI 就越难驾驭，需要借助一些硬性的规范来缩小求解空间。

如果把 AI 思考生成的过程比喻成“长肉”，那么，它长肉时借助的流程、参考的规范、就是“骨头”。

做一个超级智能的难点就是：怎么让肉能顺着骨头长？

举个栗子吧。

通用智能体 GenFlow 这次升级的亮点就是 Office Agent ，它一直有个口号：吃透 Office。

“吃透”的过程，就是研究人类在 Office 上的各种行为，然后想办法把思考框架提炼出来，做成骨头，让 AI 的思维得以攀附。

在 4.0 上，他们又把 Office 的骨头给升级了一大波。

2、人类工作中有很多“默会知识”，是 AI 最需要的“小骨头”。

比如，给 PPT Agent 新增了一个专业模式，可以生成专业排版、模块丰富、带有结构化图表的大师级 PPT。

牛马们都知道，领导让你按照大纲写，你像唐僧一样擅自走出这个圈做创作，是作死行为。

于是，文库网盘团队专门做了一整套的技术底座，可以做到内容的严格依从。

你看这是大纲↓↓↓

下面是按照大纲生成的 PPT↓↓↓

再比如，他们还升级了一个 PPT 美化的功能。

把一个 PPT 丢进去，GenFlow 能做到在一个字不删改，小标题的逻辑嵌套完全正确的基础上，把整个模板、配色、美术风格全部换掉。

比如把这个↓↓↓

改成这样子↓↓↓

这种“有所改，有所不改”的能力，就是专门训练出来的“小骨头”。

再比如，这次 Excel Agent 升级的能力：说一句“算季度增长率”，AI 就能给你生成公式；说一句“做一张销售趋势折线图”，它就能生成一个结构化图表。

实操一下，打开一个表格，然后给它指令：“帮我计算不同区域的成本分别是多少，并插入饼状图。”

它就直接生成结果↓↓↓

这里的难度不是 AI 听懂你的指令，而是它听懂指令后，必须*清楚地*知道要去哪找数据，调用什么功能给你写公式。

让 AI 掌握这些默会知识，就是“小骨头”。

再比如这次在 Word Agent 上也有更新，可以一键排版、插入图表、调整段落结构。做这些事情，也要依靠相应的默会知识结构。

下面这个例子，根据一个 Excel 表格，直接生成一份 word 格式的分析报告↓↓↓

↓↓↓

当然，所谓教会 AI，肯定不是给他写死一段脚本执行就行了。难就难在，你必须得用训练的方式，让 AI“体会”到这个情况下应该用这个 Skill。

这种难度，不亚于亲妈咬着牙给娃辅导作业。

3、小团体才是这个阶段“超级智能”的最大受益者。

网盘里的 GenFlow 这次也做了升级，可以直接用兼容龙虾的能力干活了。

这次的升级针对个人和团队用户，简单理解就是“个人虾”和”团队虾”。“团队虾”比较能体现出超级智能的优势，给你重点说说。

很多三五个人的小团队，不会用到钉钉、飞书之类复杂的协作系统，他们习惯直接把工作资料存在网盘上，买个会员，日常需要就都能满足。

但这些小队伍往往有俩特点：

1、他们的日常工作，包含很多独特的流程，日常需要把这些流程反复重复；

2、他们使用的 AI 工具七零八落，数据需要反复手工搬运。

就拿短剧行业来举例吧：

同一套短剧发行在不同国家的不同平台上，涉及到字幕翻译和甚至是口型匹配，每个镜头都得重做，极为折腾。

既然这些视频素材都存在网盘上，那么一个和网盘深度结合的“团队虾”帮你完成这个版本分发流程，不就得了么？

就像下面这样↓↓↓

如果你有其他工作流，未来百度网盘的团队空间也可以派出 Agent 军团，然后在你的指导下先把流程走一遍，以后再有任务，团队虾就能自动给你完成了！

这样一来 Agent 就能和团队成员、其他 Agent 协同工作，团队每个人手里原来的“接力棒”变成“指挥棒”，把精力集中到创意和判断上。

当然，现在的虾还没那么厉害，如果你的工作很复杂，虾肯定学不会。

但小团队好就好在，任务流程往往不长，Agent 更容易掌握。
在自己的生态里把这些小流程给穿起来，又便宜又有效地服务小团队，对双方来说不都是美滋滋？

4、记忆和数据是“超级智能”的基础。

对于人类牛马来说，在一个长程的工作中，保持“不走神”是极难的事情。

对于 AI 来说也是如此：在推进复杂任务时，工作记忆会随着任务进程而衰减，衰减到一定程度，就跟喝醉了一样，开始胡说八道了。

通用智能体 GenFlow 的师傅们早就给 AI 配了一个强大的“记忆库”，这次 4.0 也不出意外地升级了记忆功能。

简单来说，GenFlow4.0 可以把当下的项目的记忆实时放入记忆库，还可以随时拉起之前入库的记忆。

比如下面这个例子，AI 可以理解之前长长的小说创作任务，精准提醒你接下来该做的操作：

未来，这些团队记忆也可以存在网盘的团队空间里，甚至还能把分散在团队成员电脑里的记忆导入统一的团队记忆，成为团队独特的资产。

你看，团队独家记忆，加上网盘上（在用户授权下）本来就有的私域数据，还有文库学术及全网的专业公域数据，不就是喂养 AI 的粮食么？

AI 越吃越聪明，也就距离超级智能更近一步。

看了下，GenFlow4.0 已经有 1 亿月活用户了。这个数字不仅是用户，也是牛马被拯救的明证。。。

人在这个世界中不断面临挑战，为了应对挑战发明了工具，然后通过一代一代的教育让人掌握这些工具。

你怎么能指望 AI 上来就直接会用这些工具呢？

只能把人类遇到的挑战掰开揉碎讲给 AI 听，并一点点训练它应对这些挑战，像生命体一样沿着骨头生长，才能一步步接近“超级智能”的终局。

“有多少人工，就有多少智能”这句古训，现在依然成立。