工具越多，效率反而越低？一項來自《哈佛商業(yè)評論》的調(diào)查顯示，員工每天平均切換應(yīng)用程序超過 1200 次，一年下來累計浪費的時間高達 5 個完整工作周，占全年總工作時間的 9%。

這一現(xiàn)象被稱為「切換稅」（Toggling Tax）——頻繁的認(rèn)知任務(wù)或上下文切換帶來的認(rèn)知干擾、時間損耗和心理負(fù)擔(dān)，并導(dǎo)致注意力分散、錯誤率上升以及工作質(zhì)量降低。

由新加坡國立大學(xué)（NUS）系統(tǒng)孵化的 AI 平臺 Agnes，正試圖從「系統(tǒng)層」改變這種割裂式工作流，重構(gòu)一個流暢、連貫的一體化智能工作流體驗。

Agnes 將搜索、文檔生成、圖像創(chuàng)作、PPT 輸出整合到同一平臺中，以共享記憶、共享上下文和實時協(xié)同為核心。用戶無需手動切換工具，在同一界面即可完成從靈感獲取到成品輸出的全流程。團隊成員能基于統(tǒng)一上下文實時協(xié)作，所有修改即時同步，真正實現(xiàn)高效無縫的一站式協(xié)同創(chuàng)作。

繼推出 AI Design 功能后，Agnes 最近再次更新功能—— Deep Design 和 Wide Research，聚焦多 Agent 架構(gòu)，提升復(fù)雜任務(wù)處理能力和生成質(zhì)量，進一步鞏固其在 AI 原生協(xié)作辦公系統(tǒng)中的領(lǐng)先地位。同時，Agnes 移動端原生 APP 正式上線 iOS App Store 和 Google Play，滿足用戶碎片化辦公和遠(yuǎn)程協(xié)作的需求。

這家誕生于 NUS 體系的 AI 初創(chuàng)產(chǎn)品，在 Product Hunt 上線不滿 3 個月，訪問量就已接近設(shè)計類頭部應(yīng)用 Lovart。目前，Agnes 所屬 SAPIENS 公司正以 1 億美元估值進行新一輪融資。根據(jù)其團隊內(nèi)部消息，因為近期注冊用戶與活躍數(shù)據(jù)大幅增長，創(chuàng)始團隊正在考慮進一步上調(diào)估值，為加速海外擴張預(yù)留更多資本空間。

01

從 AI Design 到 Deep Design：

讓 Agent 主動「找茬」，持續(xù)優(yōu)化創(chuàng)作

Agnes 首次切入視覺設(shè)計領(lǐng)域是在 8 月 1 日推出 AI Design 功能，當(dāng)時已經(jīng)支持自然語言對話生圖，上傳參考圖進行風(fēng)格提取與遷移、選區(qū)編輯、色彩和排版調(diào)整等，生成的圖片還能無縫嵌入 AI PPT，實現(xiàn)圖文一體化創(chuàng)作。

這一次推出的 Deep Design，相比之前又進階了一層，支持用戶在生成圖像上手繪修改，系統(tǒng)會即時識別并根據(jù)繪圖自動調(diào)整對應(yīng)區(qū)域細(xì)節(jié)。

更重要的一個更新是 Agnes 在 Deep Design 中引入了 Agent 評審與迭代機制。在生圖過程中，多個 Agent 會從構(gòu)圖、風(fēng)格一致性、細(xì)節(jié)是否符合描述等維度逐一「找茬」，并給出可執(zhí)行的修改建議。這些建議會被轉(zhuǎn)化成新的繪圖指令生圖，再經(jīng)過評審——形成「生成 → 找茬 → 再生成」的多輪迭代和優(yōu)選，最終打磨出更貼合用戶預(yù)期和任務(wù)目標(biāo)的圖片。

這個設(shè)計思路，源于 Agnes 創(chuàng)始人 Bruce 近期被 ICIS 錄取的論文《Toward Effective AIGC for Marketing: A Theory-Driven System Design and Empirical Evaluation》。Bruce 擁有微軟、LinkedIn 背景，本科畢業(yè)于加州大學(xué)伯克利分校，數(shù)學(xué)與計算機雙學(xué)士，目前為新加坡國立大學(xué)博士，是少見的兼顧學(xué)術(shù)深度與工程能力的 AI 初創(chuàng)公司的創(chuàng)始人。

他在論文與訪談中指出，大語言模型（LLM）與繪圖模型在創(chuàng)作過程中的能力是互補的：繪圖模型擅長執(zhí)行指令，但往往只呈現(xiàn)用戶描述的「表面含義」，難以捕捉場景背后的真實業(yè)務(wù)目標(biāo)或隱含語境；而 LLM 驅(qū)動的 Agent，則能對用戶輸入進行多輪的深度語義分析，挖掘潛在需求，把這些隱藏的意圖轉(zhuǎn)化為更精準(zhǔn)、完整的繪圖指令。兩者互補，能顯著提升生成結(jié)果與實際需求的契合度。

在 Deep Design 中，Agent 不僅在生圖前優(yōu)化指令，還在生圖后擔(dān)當(dāng)評審員，通過「Agent 做高質(zhì)量思考 + 繪圖模型做高質(zhì)量執(zhí)行」的組合，將人類創(chuàng)意從繁瑣的細(xì)節(jié)調(diào)整中解放出來。用戶只需明確創(chuàng)意與目標(biāo)，系統(tǒng)就會自動打磨出既符合審美又契合業(yè)務(wù)需求的最終作品。

例如，一個家電品牌設(shè)計團隊輸入「智能電飯煲廣告概念圖」，Deep Design 會先生成初稿，再由 Agent 審查背景光線、產(chǎn)品質(zhì)感、品牌色調(diào)是否統(tǒng)一，并提出多項優(yōu)化建議。經(jīng)過幾輪迭代，團隊即可直接獲得可參考的成品稿，而不必經(jīng)歷傳統(tǒng)反復(fù)修改的長周期。

02

Wide Research：

2 00 個 Agent 并行的研究引擎

除了設(shè)計功能，Agnes 此次還推出了面向大規(guī)模數(shù)據(jù)研究、市場分析、行業(yè)報告生成任務(wù)的 Wide Research 功能。

據(jù)其團隊透露，Agnes Wide Reesearch 最多可調(diào)用 200 個 Agent 并行工作，搜索廣度上較 Agnes 此前的 Search、DeepResearch 功能有明顯提升。相比 Manus 的同類功能，Agnes Wide Reesearch 不僅運行速度更快，高并發(fā)的 token 成本也更低。

原因在于 Agnes 所采用的自研多智能體架構(gòu) CodeAgents，它以結(jié)構(gòu)化偽代碼替代自然語言作為多 Agent 的溝通方式，實現(xiàn)任務(wù)的精細(xì)拆解、角色分工與高效調(diào)度。該架構(gòu)能使多步驟任務(wù)中的推理成功率提升 20%、Token 消耗下降 40%，并在跨模態(tài)任務(wù)（如 HotpotQA 和 VirtualHome 仿真環(huán)境）中展現(xiàn)了穩(wěn)定高效的表現(xiàn)。

Agnes 團隊近期發(fā)表的論文《CodeAgents: A Token-Effcient Framework for Codifed Multi-Agent Reasoning in LLMs》，論文一作為創(chuàng)始人 Bruce，剩余共同作者來自新加坡國立大學(xué)和東南大學(xué)。

03

發(fā)布訂閱計劃并上線移動端，

邁向智能協(xié)作辦公系統(tǒng)新階段

Agnes 目前也正式發(fā)布了收費方案，涵蓋 Free、Basic（9.9 美元 / 月）、Plus（19.9 美元 / 月）、Pro（99.9 美元 / 月）四檔訂閱服務(wù)，以支持其持續(xù)的技術(shù)研發(fā)和全球擴張計劃。新注冊用戶可免費體驗 DeepDesign、WideResearch、協(xié)作功能。

為了適配碎片化辦公場景，Agnes 同時上線了 iOS App Store 和 Google Play 原生 APP，首批功能涵蓋 Search、Deep Research 和 AI Slides，移動端與 Web 端共享任務(wù)狀態(tài)與上下文信息。用戶無論在辦公室、家中還是出差途中，都能無縫延續(xù)任務(wù)，不受時間與地點限制。

Bruce 曾強調(diào)：「真正的 AI 系統(tǒng)不是一個 Chat 窗口，而是一個智能的工作現(xiàn)場」，并主張從「插件組合」走向完整的「工作系統(tǒng)」。

Deep Design、Wide Research 包括移動端 APP 的上線，證明了 Agnes 確實在沿著這一方向持續(xù)推進——把零散的創(chuàng)作工具重構(gòu)為流暢、高效的智能工作流，其目標(biāo)不僅是生成內(nèi)容，而是全面提升生產(chǎn)力、優(yōu)化團隊協(xié)作流程，并打造一個可持續(xù)演進的智能辦公生態(tài)系統(tǒng)。