之前在X上看到过一个新加坡版的DeepSeek，叫Agnes AI，主打一站式Agent空间。
但当时我自己搞产品焦头烂额的，随手点开看了看，就放下了。
后来在Product Hunt上又看到这款产品，以及各种海外平台时而刷到。
终于，前段时间在WAIC，我见到了他们的创始人，还有他们即将发布的新功能。
这次让我觉得，当一款不错的产品第三次出现在我眼前，再错过、再忽略，就是我的问题了。
也许，这是一个能改变我对Agent的看法，或者能节约我人生里很多个小时的产品呢？
在新加坡被视作DeepSeek一般的存在，会名不符实嘛？
没想到两个即将上线的新功能，却给了我很不一样的惊喜……
https://agnes.life/
AI Design进入2.0时代——Deep Design
之前的图像生成像个“一锤子买卖”，还是简单的输入-输出。
但是现在，Agnes AI的Deep Design引入了完整的多轮推理机制。
我想让“设计一个科技新闻直播间的背景墙”。
指令发出以后，拆解出的设计大纲下面，有一个Deep Design按钮。
还有一个每次用我都喜欢的小细节，就是点中那个Go按钮，有一种类似游戏冲锋式的“Ready！Go！”的满足感。
执行过程会将多个细分任务并行处理，也就使得生成速度异常迅速——应该是我所有体验过的Agent产品中最快的。
那么效果如何呢？
除了静态的科技背景，还给我生成了动态效果，质感还是很满足预期的。
我还发现，不仅能用自然语言描述需求，还可以在生成的图像上直接进行手绘标注——
无论是圈出需要调整的构图区域，还是用箭头标明光影方向，甚至画上简单的替代元素轮廓。
Agnes 会将这些手绘信息进行矢量化解析，与原图的语义结构相匹配，然后驱动生成引擎进行二次渲染。
这种基于视觉指令的交互模式，消除了纯语言沟通的模糊性，让修改更精准、更贴近设计师的真实工作流。
整个的流程非常丝滑，这里我录成视频给大家完整看一看。
这里是设计一个并不存在的“末日地堡”。
整个过程被拆分为多步骤流水线：
首先生成初版图像；
然后调用一个或多个多模态 AI Agent，从构图完整性、主体与背景比例、色彩协调度、纹理细节解析度等多个维度进行质量审查；
接着针对检测出的问题，生成可执行的修改指令，比如“左侧留白过多，建议添加前景元素”或“材质细节丢失，提升分辨率并调整光照方向”；
随后系统会同时生成多个改进版本，并通过图像质量评估网络（IQAN）在语义一致性与视觉美学分值上进行排名，选出最优版本；
最后再将其与初始文本描述进行一致性验证，确保需求与产出精准匹配。
再给大家看一个设计的未来阅读器，也是基于以上过程，多步骤、多任务并行完成。
就很类似专业设计团队的闭环协作：有审稿人、有修改建议、有候选方案、有质量复检。
最终的结果呈现，不仅快，而且好！
Wide Research：不止于广
Wide Research 则把“并行计算”理念搬进了知识工作场景。
用户可以在一次查询中调动上百个专用 AI Agent，每个 Agent 专注于一个子任务——
比如说，学术Agent负责检索并提取最新论文的关键结论；市场Agent追踪竞品动态并生成对比矩阵；
政策Agent解析监管文件中的重点条款；数据Agent调用API抓取并清洗公开数据集。
比如我想用 Wide Research “广”的能力，详细盘点一下硅谷华人圈有哪些AI科学家。
分析逻辑非常清楚。
接下来则是直接给我了一个大名单：
然后是更细分维度的人员盘点：
所有结果会实时汇聚到中央协调模块，进行去重、分类、优先级排序，并以结构化知识库的形式呈现给用户。
体验下来，除了结果可靠，再用一个字形容，就是“快”。
这种多Agent协同的架构，不仅在速度上远超传统串行调用，更在信息覆盖广度、交叉验证的深度上，接近专业分析团队的水准。
像Manus也有类似Wide Research的功能，但即便是Manus的快速模式也明显花的时间更长。
相比 Manus 等工具，Wide Research 在多线程调度、上下文缓存优化、以及跨领域信息融合能力上都有显著优势。
单看同样的关于“盘点硅谷华人科学家”的任务，就能很直观看出信息量的巨大区别。
我还尝试了一个“马来西亚市场拓展”的调研分析，也是类似的情况。
这次 Agnes AI 则是给了我详细的图表，完成度几乎可以说胜过市面上各大Agent产品。
类似的产品条理也挺清楚的，只是参考价值、信息增量就小很多了。
更重要的是，Wide Research 的成果可以无缝导入 Deep Design 流程。
就好比说，一个品牌营销团队可以先用 Wide Research 获取全球同类产品的视觉风格与市场反馈数据，再直接交给 Deep Design 2.0 进行风格迁移生成；
学术团队则可以先让 Wide Research 整理最新研究趋势与关键数据图表，再在 Deep Design 中生成对应的视觉化海报或演示PPT。
这种研究与创作的连续性，消除了工具切换带来的上下文丢失和时间消耗，让AI真正成为协作过程中的中枢神经。
在我看来，Agnes AI的核心价值恰恰就在于：
它从来不打算把“AI能力”当成独立技能点来卖，而是把这些能力作为“流程节点”融合到真实团队协作里。
Agnes AI：从生成工具到协同伙伴
在如今AI工具满天飞、噱头泛滥的世界里，我总会问自己：到底哪一个AI产品，是真正从一开始就为“人”设计的？
不是为了炫技，不是为了堆功能，而是真正回到用户协作场景、落到真实使用路径。
去思考 AI 应该如何与人共创，如何嵌入团队，如何不成为另一个累赘工具？
Agnes AI，也许正在交出这个问题的一个答案。
这款来自新加坡NUS系统孵化、由技术创始人 Bruce 领导的协作式 AI 平台，正试图做一件不太时髦、却极其重要的事情：
把AI从碎片化的点工具，打磨成真正的一体化协作空间，从生成内容到共享知识、从设计图像到产出幻灯片，彻底消灭你在内容创作中的“中间步骤”。
从Deep Design到Wide Research，它是一次深度整合。
而且回过头看，之前已经上线的几个功能也可圈可点。
它不仅能生成图像与视频，更关键的是，这一切都可以基于“研究内容”来驱动——
可以先让 Agnes AI 做 Deep research，然后让它自动生成图片，紧接着一键生成PPT。
PPT的质感非常有国际范。
文字、图像、结构、逻辑，全线打通，协作即创作。
不是“Canva + ChatGPT + Notion + Slack”的拼盘，而是一个从底层打通、为协作而生的 AI 系统。
我们正在见证一类全新的工作方式的诞生：生成不再是终点，而是协同的起点。
没有邀请码、不搞饥饿营销，却涨势良好
在产品快速进化的同时，Agnes 也交出了一份漂亮的增长答卷。
截至目前，平台日活已超 2 万，并持续增长。且活跃度高、分享率强、留存率优于行业平均水平。
在此背景下，Agnes AI 正以 1 亿美元估值进行新一轮融资。
创始团队正在考虑提高估值，以争取更大的资本储备，加速全球扩张——特别是在日本、东南亚与北美市场的部署。
值得一提的是，Agnes 并没有走内测+邀请码式路线，而是每发布一个新功能，就直接对所有用户开放注册、所有功能全面可用。
没有排队、没有暗门、没有提前筛选——每个人都能直接体验完整版本。
这份开放姿态，本身也是一种产品自信。
创始人 Bruce：算法与产品之间的“那个人”
在 Agnes 身上，有一个细节让人印象特别深：它的技术实力不是拿来装门面的，而是真正在每一次迭代中发挥价值。
而这种“技术为用”的思维，正来自于创始人 Bruce 本人。
他是典型的技术创业者：成长于新加坡NUS孵化体系，既做过算法研究，又带过工程团队。
他在今年的世界人工智能大会WAIC上做了演讲，呼吁人类与 AI 的互动不该是黑箱协作，而应该是“理解 + 指令 + 执行 + 反馈”的正向闭环。
也在新加坡举行的全球 AI + Robot 交流圆桌会议中分享了团队在设计 Agnes 时对“多模态输入+语义反馈”的系统化思考。
有些公司喜欢嘴上说“算法、技术驱动”，但Agnes AI是写论文、跑工程、开源实现、反馈到产品、再进一轮优化的全栈路径。
财经杂志、MoneyFM、Dollars&Sense 也都报道过 Bruce 与 Agnes 的产品理念与市场表现。
Agnes 想做的不是“一个更强的工具”，而是“一个值得信任的协作伙伴”。这背后，是创始人对人与工具关系的深度思考。
在 AI 技术迅猛发展的当下，一个产品是否值得关注，已经不再取决于它能不能生成更炫的图片或做出更花哨的视频，而是它有没有真正将 AI 融入人类真实工作流，做到自然、可信、高效的共创。
Agnes AI正在这条路上，用务实的系统设计、硬核的技术实现和清晰的产品理念，为 AI 协作空间立下标杆。
没有炫技，只有协同。
它可能不是你看过最热闹的 AI 产品，
但它有可能，是你真正愿意长期依赖的那个。
热门跟贴