Hey,大家好~ 👋

最近AI Agent这个概念非常火，之前的Manus在Deepseek R1爆火后也占据了好几天头条，各种文章都在吹它多厉害，说它能像人一样思考、干活、写代码，简直除了打灰无所不能。可惜当时邀请码非常少，有价无市，效果也是不达预期。最近字节跳动的Coze发布了Beta版本的Coze Space，可以看作是字节跳动版的Manus。当时Manus刚出时，我心里就犯嘀咕了：真有这么神？🤔这次有机会体验内测版的Coze Space，准备上手一测。

光听别人说没意思，实践是检验真理的唯一标准！于是，我就拉来了Coze Space（以下简称小C），给它精心设计了一套“期末大作业”级别的极限挑战！

“考纲”超硬核！看看小C都要挑战啥？

鉴于豆包智商的提升，我直接跳过了那些“小儿科”的简单任务。

1. 办公基础技能考察:

   • 报告小能手？ 让它自己查资料写个研究报告，比如金融行业的市场分析，还得像模像样！
   • PPT美工上线？ 能不能根据报告自动生成PPT？拒绝辣眼睛排版！
   • Excel数据处理大师？ 从乱七八糟的文档里提取数据填表，做点简单的数据分析、画个图表啥的。

2. 专业知识大考验:

   • 法学知识懂多少？ 扔给它一份合同，让它找找里面的“坑”（法律风险点）。
   • 计算机老本行？ 帮我分析个技术文档，或者比较下不同数据库的优劣。
   • 金融知识也不能少！ 简单分析个财报，解释下金融术语。

3. 生活小助理模式:

   • 旅游规划师上线！ 这个我超期待！结合高德地图的MCP，让它帮我规划旅游路线，找好吃的、好玩的，还要考虑时间和预算！😎

4. 终极魔鬼任务：A股市场分析！

   • 这个绝对是重头戏！我让小A研究新能源汽车和人工智能两个热门赛道，找出有潜力的A股公司，分析基本面、风险点，最后还要构建一个模拟投资组合并生成一份投资分析报告！是不是听着就超刺激？！🤯

测试过程 & 我的“阅卷”标准

测试的时候，我就像个严格的甲方爸爸（误），给小C下达任务指令，然后就默默观察它的“思考过程”和最终提交的“作业”。

我可不只是看它最后交没交东西，我的“阅卷”标准是：

• 任务完成度： 做完了吗？
• 结果质量： 报告专业吗？PPT能看吗？Excel数据对吗？旅游路线靠谱吗？A股分析是瞎扯还是真有两把刷子？
• 聪明程度（自主性）： 中途需不需要我这个“监考老师”疯狂提示？能不能自己发现问题、调整策略？
• 效率： 干活效率怎么样？
• 工具使用： 高德地图等工具用得怎么样？返回的数据处理得明白不？
• 抗压能力： 遇到报错、模糊指令时，会不会原地崩溃？能不能挣扎一下？

测评结果大公开：“小C”是学霸还是学渣？

经过一番“惨无人道”的测试，我对小C的表现有了个大概的画像。总的来说结果嘛… 只能说，有被惊艳到！🤩

高光时刻 (OMG Moments ✨):

1. 办公自动化Pro Max：报告/PPT/Excel手到擒来

表格一定要会用excel

比如说要求查询上证50的成分股并输出xlsx文件，手到擒来

展示一定要会用PPT

让它制作一个ppt的话也是毫不费工夫，效果也很能看得过去，虽然说空话比较多，但如果上下文充足可以有效避免上面的情况。

抓行业报告能力更是让我叹为观止，因为这个完全在我的日常生活与专业领域之外，起码已经唬住了我这样一个外行。还可以生成一个网页进行展示，非常全面。

2. 信息搜集小能手：全自动，自搜索

查找资料、搜集新闻、调用高德地图查个地点信息啥的，速度确实快，比我自己查半天方便多了。爆赞！👍

比如说查询陕师大附近的陕菜馆，和高德地图的MCP配合的相当不错，查询也很快速，而且导出了excel表格，虽然我不知道为什么查陕菜馆高德地图会返回一堆不相干的结果，但是这与我们的小C毫无关系。

再比如说询问“分析PayPal在中国大陆运营需要注意的主要数据合规要求（结合《网络安全法》、《个人信息保护法》等），输出一份合规要点备忘录。”时可以根据思考自动进行查询，一共进行了两次思考与15次查询，起码我本人的查询效率是没有这么高的。

3. MCP调用能手，玩转旅游规划！

高德地图与飞常准都有接入的MCP，因此做个旅游规划非常轻松。虽然它没去过各个景点，但是可以通过查询经纬度来进行旅游规划，属于是叹为观止。

4. 鲁棒性不错，脑子转的过来

在用户提供模糊信息时，它可以在思考后向用户提供额外信息，而不是像传统LLM一样想当然。

另外写代码出错也可以自己根据报错修改，当然Trae与Cursor已经很有这样做的经验了。

5. 直面终极挑战：A股分析任务，能唬住外行

我的要求是“深入研究并分析过去 6 个月A 股市场中‘新能源汽车产业链上游（如锂矿、正负极材料、隔膜、电解液等）’和‘人工智能应用（如 AI 芯片、计算机视觉、自然语言处理相关的上市公司）’这两个赛道。基于你的分析，从每个赛道中筛选出 3-5 只具有较高投资潜力的 A 股上市公司。为你筛选出的公司构建一个模拟投资组合。最终生成一份详细的投资分析报告与一个用于展示的网页”

这需要它分析A股特定赛道、筛选公司、构建模拟组合的，我本来以为小C会直接“躺平”。但没想到，它居然真的按照复杂的指令，一步步去尝试了！

最惊喜的是，它首先可以生成一个蓝图，如何能理解并尝试执行这个多阶段的复杂流程：先做行业研究 -> 再筛选公司 -> 然后分析公司 -> 最后构建组合。虽然说这个深度思考非常dp（doubao 1.5 pro thinking真是把dp学透了）。

它展现出的信息搜集和整合能力是超强的，能够快速抓取宏观政策、行业动态、公司公告等多维度信息，在不到5分钟内进行了27次查询。

虽然最终它没有给出具体的投资配置，查询的数据也不止六个月，但它驾驭这种复杂任务流程的能力本身，就足够让人印象深刻了！这已经超越了简单的问答和指令执行，向着“自主解决问题”迈出了一大步！🤯毕竟这个任务执行了足足22分钟。

呃…倒也还有提升空间 (Uh-oh Moments 🤔):

拆解一下大概可以分为两个方面。

LLM本身能力限制

尽管说豆包现在知耻而后勇，深度思考模型有了很大长进，但是比起SOTA还是差得太多，比如说尽管获取了地点的经纬度，但是完全没有意识到可以把相近的景点放到一天参观，而是平均分配了，而且丝毫没有意识到可以查询网络抄作业。太老实了。

简直不敢想如果用上SOTA，人会变得多么开朗。

MCP插件限制

这里就是插件提供的信息不够了，比如说高德地图没有提供餐厅评分，飞常准没有提供机票价格，没办法。

总而言之：未来可期！✨

这次聚焦于复杂任务的测评，让我看到了AI Agent惊人的潜力和进化速度！

• 它在信息整合、结构化输出、遵循复杂流程、以及调用外部工具（API）方面展现出的能力，已经远超很多人的想象。
• 它处理那些需要多步骤思考、跨领域知识初步应用、整合多种信息来源的任务时，虽然结果不一定完美，但其展现出的“尝试解决”的过程和能力框架，本身就非常了不起！
• 工具调用是亮点，但也依赖工具本身。 能调用高德地图MCP规划路线很酷，但如果MCP返回信息不准或者它理解错了MCP参数，结果也会跑偏。Garbage in, garbage out.

感觉就像看到了一个超级学霸的雏形，虽然现在可能在某些难题上还会卡壳，但它的学习速度和潜力是肉眼可见的！

未来已来，AI Agent真的能成为我们强大的伙伴！真是期待它继续进化，带来更多惊喜！

PS. 本来不怎么待见字节跳动的，结果用字节的产品越来越多

PPS. Coze Space里还有两个专业agent，欢迎大家体验。