作者｜懒人

编辑｜张洁

第一次打开Marvis的时候，我先盯着它的界面看了半天。

不是有多爱研究UI，主要是它太像我在上班了。

6个Agent坐在一间办公室里，有人坐在电脑前认真干活，有人在“带薪拉屎”，还安排了健身房和咖啡角。这不就是“牛马”的日常吗？

我当时心里只有一个想法：

好家伙，AI都有工位了。

这可能也是Marvis最容易被记住的地方。什么“操作系统级AI助手”、“多Agent协作”，听起来都很大。真正戳中打工人的，反而是它把Agent画成了一群电子牛马。

Marvis是腾讯应用宝团队在5月20日正式开放下载的，定位是一个“操作系统级AI助手”。里面预置了6个Agent，Marvis负责统筹任务，Computer Agent负责操作电脑，File Agent负责处理文件，Browser Agent负责浏览器任务，App Agent负责应用，Search Agent负责网页搜索。

刚上线，迅速引起了关注。因为它有一个其他Agent不具备的大招——总结微信群聊。

不是那种选中很多条聊天记录转发给它，它来总结。你直接对Marvis说，“帮我总结‘群聊名称’最近的消息”，它就可以自动读取并总结给你。

截图来自公众号“AI产品分析”

对于加了很多群、没时间爬楼但又不想错过消息的牛马来说，这功能简直是救星。

当然，想必腾讯推出Marvis也不是为了让它总结一下群聊这么简单。这里提到“大招”，是因为AI总结群聊这个需求呼声一直很高，但市面上几乎没有Agent能真正做到。

尤其是这个功能发生在微信。微信作为国民级应用，一举一动都备受关注。AI会与微信生态内的原子化组件碰撞产生什么样的化学反应，也是很多从业者关心的话题。

此前5月13日，腾讯曾官宣打通元宝和微信，让元宝可以一键总结微信群聊，但实际操作上，用户仍然需要先进入群聊，勾选要总结的消息，再整体转发给元宝。

所以，如果Marvis能在这个基础上更进一步，让用户只需要直接说“帮我总结某个群最近的消息”，它就能自动完成读取和整理，这确实会让人期待。

只不过，这个能力很快不可体验。“AI新榜”测评时发现，Marvis已经无法实现读取微信群聊消息的功能了。

那么，抛开这个能力，Marvis的6个电子牛马还能帮我干哪些活呢？考虑到Marvis毕竟立志于成为一个更全面的助手，我还是进行了更进一步的测评。

我测的第二个任务，是一个很日常的问题：电脑摸起来好热啊，怎么办？

如果问普通AI，它大概率会给你一套排查建议：打开活动监视器，看看CPU占用，检查后台进程，清理散热口，必要时重启。

Marvis的处理方式不一样。

它会先查看系统状态、能耗情况和内存占用，分析可能导致发热的原因，然后再拍了拍Computer Agent，让它去完成优化。

这个case不复杂，但很直观体现了Marvis在操作本地电脑上的能力。

聊天AI更像“告诉你怎么做”的顾问；Marvis则是接进电脑本身，读到系统状态、文件、网页和应用，再把这些东西串成一个任务。这意味着，电脑发热、系统设置、文件管理等本地场景里，它确实比纯聊天AI更接近“能干活”。

其实微信群总结失败之后，我本来对Marvis处理微信相关的任务没抱太高期待。

不过测试下来发现，聊天记录这种数据不好碰，但Marvis还能做一些其他事。

比如，微信公众号的文章整理。

我给它发了一篇公众号的文章链接，让它帮我把文中的案例和提示词整理成一个表格。

很多AI产品没法正常解析微信链接，但Marvis的结果还不错。它打开链接，并准确理解文章内容，提取了案例概览、操作步骤、关键提示词和注意事项。

这个场景还挺实用。很多干货文章看完，当下觉得“学到了”，过几天就忘了。现在用Marvis顺手把里面的案例、方法、提示词拆出来，变成之后能参考的素材。

不仅如此，Marvis还能实现微信公众号的排版。

我不是让它调一篇稿子的格式，而是让它做一个本地排版工具：左边放纯文字，右边按照指定格式生成排版结果，并支持直接复制到公众号编辑框里。

这个需求很典型。对内容团队来说，公众号排版不难但非常繁琐。标题、正文、缩进、段距、图片位置，每一项都有固定要求，每天重复做。

Marvis没有一次成功。第一版工具在预览里看起来是对的，但粘贴到公众号后台后，格式丢了；后来继续加带图粘贴、调图片位置，又遇到复制后空行丢失的问题。

大概四五轮对话之后，最终，Marvis给出了一个能在本地端口打开的排版工具。把纯文字放进去，右侧会生成符合要求的排版结果，复制到微信公众号编辑框后，样式和空行都能保留下来。

当我告诉它我想把这个工具分享给同事，Marvis继续生成了HTML文件，并补了一份README，说明工具怎么使用。

这一套流程跑下来，我最大的感受是，Marvis未必一次就给出最终答案，但在目标明确、问题可以被拆开的任务里，它能持续迭代，没有出现“修好这个、弄坏那个”的明显失控。

在信息整理上，Marvis也能跑通更完整的链路。

我让它搜索过去一周AI融资新闻，把超过1亿人民币的轮次整理成表格，并保存到桌面文件ai-funding.md里。

这个任务看起来只是“搜资料+做表格”，但实际拆开看，里面包含联网搜索、时间范围判断、金额筛选、结构化整理和本地文件写入几个步骤。

Marvis最后确实完成了文件写入，但不算很完美。

第一版结果里，它混入了一些不在“过去一周”范围内的融资新闻。也就是说，它能把搜索、筛选、整理、写文件这条流程跑完，但在时间范围这种硬条件上，并没有逐条核对。

这类问题在AI信息整理里很常见。模型会优先抓取相关性强、信息完整的内容，但“相关”不等于“符合条件”。尤其是融资、榜单、财报、公司动态这类内容，时间、金额、来源都属于硬信息，不能只看AI整理得漂不漂亮。

我们还测了自动化任务。

比如，让Marvis每天早上9点搜索AI行业的新品发布、公司动态和行业新闻，把链接、摘要标题和简介整理好，再通过飞书推送。

值得注意的是，我在派发这个任务时，并没有指令清晰地说帮我做什么。我只是把日常的工作文字像流水账一样发给它，Marvis根据这些信息提炼出固定任务，并设置成自动执行。

这个能力有一定想象空间。它不只是执行一句明确指令，而是能从一段相对自然的描述里，识别出哪些事情需要周期性完成，再转成自动任务。

但它的限制也很现实，自动任务依赖本地客户端运行。

如果电脑关机、休眠，或者Marvis客户端退出，任务就无法继续执行。对话过程中如果中途关闭客户端，正在执行的任务也会被终止。

这意味着，Marvis更像一个住在本地电脑里的执行助手，而不是一个永远在线的云端秘书。它适合处理那些本来就发生在电脑上的任务，比如整理文件、操作网页、调用应用；但如果用户期待的是到点自动运行、稳定推送、不受设备状态影响的后台服务，目前还不能完全交给它。

除了系统操作和自动任务，Marvis也做了自己的技能广场，汇聚了Clawhub、Claude、GitHub等多个来源的Skill。

我也从库里挑选了一些Skill安装，来看下整体的使用难度和好用程度。

比如，排名最高的frontend-design Skill，点击该Skill，在弹出的页面点击“添加”，就可以去对话框里使用这个Skill了。整个安装过程很快速，而且简单。

我们让Marvis做一个AI工具发现页面。

安装之前，Marvis也能生成页面，但整体更接近一个基础模板。安装之后，同样的任务，结果更完整。页面增加了快捷键、分类数量、深色/浅色模式切换、鼠标悬停效果等细节，整体的字体、色彩、间距和交互也更接近一个正式产品页面。

安装前vs安装后

不过Marvis更有意思的一点是，它没有把Skill广场做成一个纯工具列表，加入了类似内容社区的推荐形态。可以从具体场景出发，看别人如何使用Skill。

从这几轮任务来看，Marvis最值得讨论的地方，不是某个单点功能有多惊艳，而是它确实把AI从聊天框往真实电脑环境里推了一步。

它能读取系统状态，能调用不同Agent处理文件、网页和应用，也能把重复任务设置成自动执行。相比只给建议的聊天机器人，Marvis更像把AI接到了电脑里，让它真的去看、去干活。

但这并不意味着它已经可以被完全托管。它会受限于软件生态、本地环境和任务复杂度，也会在事实判断上出错。

不过，它的能力也还在扩展。比如手机远程连接电脑，目前只有安卓端可以用，iOS还尚未上线。按照目前公开介绍和用户反馈，它可以让用户在手机端查看并接管电脑任务，比如人在外面临时找文件、查看电脑端任务进度，甚至远程操作锁屏后的电脑。

这个场景也值得继续观察。因为那时候Marvis的价值可能就不只是“电脑里的AI助手”，而更像一个能随时接管你电脑的随身入口。

回到最开始的问题：这群Agent，真的能当电子牛马吗？

答案可能没那么绝对。

Marvis不是万能牛马，还不能完全放养。但它确实开始有点像打工人的第二双手了。