说实话，今年上半年的AI圈，最热闹的事就是桌面Agent。
Kimi Work刚公测，字节的豆包桌面版悄咪咪更新了好几轮，腾讯WorkBuddy和QClaw双线作战，阿里CoPaw也来了，OpenClaw生态更是长出了几十个分支，然后爱马仕又杀出来了。
半年，光叫得上名字的国产桌面Agent，我数了数至少20款。
卷成紫红色了。
但这篇文章我不会直接罗列产品。因为这个赛道现在最大的问题不是产品不够多，是每个人都在说"智能体"，但每个人说的根本不是同一个东西。
所以我想先用一个大白话的定义把这事儿说清楚，然后再看各家到底在打什么。
01
先定义：什么才算智能体？
先说清楚一个基础问题，因为后面所有讨论都建立在这个定义上。
传统AI聊天工具（豆包网页版、ChatGPT网页版、Kimi网页版）做的事是：你问，它答。你给一段文字，它生成一段文字。交互结束，你复制粘贴，自己去干活。
智能体（Agent）做的事不一样：你给一个目标，它在你的电脑上自己动手完成。
举个例子更直观：
所以智能体的核心能力只有三件事：
1.能操作你的电脑（文件系统、浏览器、软件）
2.能拆解复杂任务（把"做PPT"拆成"调研→写大纲→排版→生成文件"）
3.能自主执行（不需要你每一步都确认）
这个定义清楚了，后面再看各家产品，你就能一眼看出谁是真的Agent，谁是套了个Agent皮的高级聊天框。
02
所有厂商都在跟风Claw
但Claw本尊正在被淘汰
今年这场桌面Agent大乱斗的导火索，是OpenClaw。
一个2025年底在GitHub上爆火的开源项目，中文圈叫它"小龙虾"。巅峰时期GitHub 22万星，号称"让AI替你操作电脑"。国内所有厂商——腾讯、阿里、字节、百度、智谱、月之暗面——的产品，本质上都是在OpenClaw的启发下做出来的。你看它们的名字就知道了：QClaw、CoPaw、ArkClaw、DuClaw、AutoClaw、MaxClaw、LinClaw……全是"Claw"的变体。
但事情正在起变化。
OpenClaw本尊的流量在快速下滑。 原因不是有人做得更好，而是OpenClaw本身有两个致命伤：
Token消耗太大。 有用户反馈用OpenClaw自动化发帖，试3次花了10美元，任务还没跑通。
稳定性差。 长时间运行经常失联，浏览器操作经常点歪。
这两个问题的根源其实是一个：OpenClaw过度依赖浏览器自动化这类"脆弱工具"来完成本应由确定性工具做的事。 网页一改版、DOM一更新，Agent就要反复观察、重试、重新规划——Token哗啦啦地烧，活还没干完。
然后，爱马仕（Hermes Agent）杀出来了。
Hermes Agent是Nous Research（美国）今年发布的开源项目，GitHub 8.8万星，被很多人称为"OpenClaw的替代者"。
它的核心卖点是"技能自主进化"。Agent完成一个复杂任务后，自动把经验固化为Skill，下次遇到类似任务直接复用，不用重新写指令。说得通俗点：OpenClaw是个聪明的实习生，做完就忘。Hermes是个记本子的实习生，每次做完都记笔记，越干越顺手。
但你问我Hermes是不是最终答案？
我觉得不是。
Hermes解决的是"怎么更好地使用工具"的问题，而不是"工具有没有用"的问题。如果底层工具本身是脆弱的（比如浏览器操作），Agent再聪明也没用——巧妇难为无米之炊。
所以这场"Claw→爱马仕"的迭代，本质上是行业在摸索：Agent的底座到底应该是什么？
目前最清晰的答案是：CLI（命令行工具）才是地基。 确定性执行、零Token消耗、可并行、易测试，这些能力才是Agent真正需要的。浏览器操作应该是最后的选择，而不是默认方案。
03
巨头为什么都有两个产品？
搞清这个，你就看懂了全局
现在读者最困惑的问题来了。
打开新闻一看：腾讯有WorkBuddy又有QClaw，百度有DuClaw又有DuMate，字节有豆包桌面版又有扣子智能体。一个公司出两个差不多的产品，到底区别在哪？
这个问题不搞明白，整个桌面Agent的格局就是一团浆糊。
先说腾讯。
腾讯是目前所有巨头里产品线最复杂的一家，因为它同时铺了三款：
三款产品，三个团队，三套思路。
现在跑得最快的是WorkBuddy——3月上线以来按DAU计已是国内最受欢迎的效率智能体之一，3月9日上线后用户涌入超预期，团队紧急将算力扩容10倍。5月已经推出了企业版（59元/月个人版，316元/月企业版）。
QClaw走得是另一条路——微信遥控电脑，让Agent"钻进14亿人的聊天框"。天天免费送800积分，但流量巅峰后陷入瓶颈，访问量下滑明显。
Marvis完成度最低，但潜力最大——系统级权限让它能做WorkBuddy和QClaw做不了的事（比如直接调用已安装的App），但目前生态近乎空白。
再说百度。
百度也是双线布局：
DuClaw是"让AI帮你干活"，DuMate是"让AI帮你造工具"。 这两个产品的本质完全不同——DuMate/秒哒的方向是让不懂编程的人做出自己的小应用，在微信小程序里很受欢迎。
字节跳动。
字节的产品线也经常被人搞混：
很多人会问：豆包桌面版和扣子到底是什么关系？
从诞生顺序来看，豆包"先"——最早是浏览器插件和网页版AI助手，定位是"对话式AI工具"。扣子"后"——一开始是面向开发者的Agent搭建平台，2026年4月扣子2.5发布后，加入了Agent World，变成一个"AI智能体生态平台"。
简单理解：豆包是"你直接用AI"，扣子是"你搭建自己的AI，或者用别人搭好的AI"。一个像超市（豆包），一个像美食城（扣子）——超市里你拿现成的，美食城里你挑别人做的。
阿里巴巴。
阿里稍微简单一点：
CoPaw打个人效率，HiClaw打企业协作——两个定位清晰，不太容易搞混。
小结一下各家的双产品逻辑：
弄明白这个，再看新闻就不会一头雾水了。
04
未来演进路线：
现在的Agent，三年后什么样？
最后说一个让我自己想很久的问题：桌面Agent的终局是什么？
我的判断是，现在这个阶段，只是第一步。
我把演进路线分成四个阶段：
阶段一：工具爆炸期（2025底-2026中）
我们现在就在这。
20款产品同时出现在市场上，每家都在抢用户。产品定义混乱、质量参差不齐、没有统一标准。用户的感受是"每个都能用一下，但没有一个让我觉得非它不可"。
这个阶段会持续到2026年底，然后进入洗牌期。
阶段二：能力深化期（2026底-2027中）
活下来的产品开始做减法，不是功能越多越好，而是核心场景做透。
两个趋势会同时发生：
本地Agent会走向混合架构——敏感数据本地处理，推理任务上云
工具底座从浏览器操作驱动转向CLI工具驱动——确定性执行才是Agent真正需要的
这个阶段，谁能把"从0做到80分"的体验做到极致，谁就能拿到下一轮的入场券。
阶段三：生态固化期（2027中-2028）
这个阶段会出现一个或两个事实上的标准。
就像当年智能手机市场，iOS和Android出现之后，其他系统就基本没有机会了。
桌面Agent的标准可能来自：
一个拥有最强用户粘性的产品（类似微信在社交中的地位）
一个被广泛采用的开源底层协议（类似MCP协议在工具集成中的作用）
阶段四：AI操作系统期（2028+）
这是终极形态——桌面Agent不再是"一个软件"，而是操作系统层级的智能层。
你可以这样理解今天的桌面Agent vs 未来的AI操作系统：
Marvis（腾讯的应用宝AI管家）有潜力朝这个方向走——因为它获得的是系统级权限，但目前完成度太低。
豆包桌面版也有机会——亿级用户基础意味着它是AI操作系统最自然的"入口"。
WorkBuddy离这个最远，但它也许不需要走到这一步——它的战场是企业办公，未必需要成为操作系统。
普通人怎么选？一个粗暴的分级
最后说点不装逼的。如果你不是投资人，不是从业者，只是一个想用AI省点事的普通人，我的建议是：
写这篇文章的时候，我一直在想一个问题。
2024年大家卷模型参数，2025年大家卷对话助手。2026年，轮到桌面Agent了。
半年20款产品，每一家都在用自己的方式回答同一个问题：AI能不能真正帮你干活，而不是只会跟你聊天？
答案还没出来。但有一点我越来越确定——Claw们让行业知道了"AI可以干活"，爱马仕们让行业知道了"AI可以越用越聪明"。大厂们赛马式投注、谁赢帮谁，开源社区们在底层定义这个品类该长什么样。
这场大乱斗最大的受益者，是中国AI产品的使用者。无论最后谁赢，赢了的那一个，一定是被竞争逼到极致的那一个版本。
至于最后谁能走到第四阶段，坦白说，我不知道。但这绝对是一场值得认真围观的竞赛。
热门跟贴