# 什么是 AI 计算机？传统 PC 与智能体计算机

当智能体开始操作软件，计算机需要做出哪些改变？从传统 PC 的人机交互，到工具执行、浏览器反馈、进程、文件和会话状态。

Canonical page: https://beeuni.ai/blog/zh/what-is-an-ai-computer

打开 Windows 桌面，你就能看出它是为谁设计的。你可以把电子表格放在浏览器旁边，在文件夹中查找文档，还可以从菜单中选择命令。如今，智能体也能使用这些软件。如果下达指令的人不再亲自执行每一步操作，计算机应该提供什么？

这个问题是 Beeuni 的出发点。我们正在构建一台原生支持 AI 的计算机：一个智能体可以在其中运行程序、操作浏览器、处理文件并使用已连接应用的环境。人们设定目标，并决定允许哪些访问权限。计算机则提供智能体工作所需的软件和执行环境。

## 桌面如何围绕人来组织工作

命令行环境要求用户用机器能够执行的语言描述操作。你指定程序、传入参数，然后读取输出。这仍然是一种有效的工作方式，尤其是在你清楚要运行什么，或需要对许多文件重复某项操作时。

图形界面让更多工作一目了然，也可以直接操作。Windows 和其他图形系统一道，让桌面走进了更广泛的个人计算机用户群体。你可以浏览文件、打开应用，在文档之间切换，而不必记住每个操作对应的命令。命令行也继续与这些界面并存。

它的意义远不止窗口外观的变化。一个通用环境为应用提供了共同遵循的惯例：如何打开和保存文件、显示对话框，或通过剪贴板共享信息。用户在不同程序间也能沿用熟悉的操作习惯。操作系统管理进程、存储和资源，人们则专注于眼前的工作。

后来，浏览器成为使用软件的常见场所，手机则让许多交互围绕触控展开。这些变化没有抹去先前的界面，而是改变了人们访问软件的方式，以及他们期望周边系统承担的任务。计算机的形态始终在一定程度上取决于用户的工作方式。

## 智能体成为软件的另一类使用者

想想准备报告这项日常工作。你查找资料、打开文档、计算数字、撰写报告，再检查结果。你负责协调各个应用：记住文件存到了哪里、发现错误，并决定接下来尝试什么操作。

智能体可以承担部分协调工作。它能利用模型理解请求、选择工具、查看工具输出，并决定下一步做什么。它可以通过浏览器界面、命令或 API 执行操作。合适的接口取决于任务和可用软件。

委派工作后，人的角色也会随之改变。你说明需要什么结果，提供背景信息，并在关键决策上把关。智能体则处理一连串操作。为此，它需要访问软件、获取待处理的文件，以及一个能够返回每次操作结果的运行环境。

聊天界面是表达请求的便捷场所，但任务的其余部分要通过软件完成。报告需要写入某个地方，脚本需要运行，网站需要加载，失败的请求也需要与成功的请求区分开来。这些都是智能体周边计算环境的职责。

## 模型、智能体和计算机各司其职

模型负责理解信息，并生成回复或拟议操作。它可以给出一项计算，但写在回复中的计算不一定真的执行过。它也可以提出文件修改方案，但仍需由工具执行修改并返回结果。

智能体负责将模型的决策连接到工具。它的指令和执行逻辑决定了后续步骤：何时运行命令、读取页面、提出问题或停止。智能体框架帮助开发者定义这些行为。

计算机提供工具所操作的环境。它运行程序、保存工作文件，并提供浏览器环境。Beeuni 还会围绕执行过程管理智能体配置、工具访问权限和会话状态。这些部分可以组合提供，但各自的职责仍然不同。

在选择系统时，区分这些职责很重要。能力更强的模型可以提升智能体推理问题的水平，但仅凭模型本身，无法为运行中的任务提供更多内存、找回丢失的文件，或授予对某个应用的访问权限。计算环境也有自己的职责。

## 传统 PC 与智能体计算机，有什么变化？

传统 PC 已经能够运行程序、管理文件和连接网络。通常由人来协调这些工作：打开应用、读取输出、发现失败，再决定下一步操作。当智能体承担这些协调工作时，计算机需要通过它能调用的工具，提供相应操作及其执行结果。

| 工作内容 | 传统 PC | 智能体计算机 |
| --- | --- | --- |
| 启动操作 | 人打开应用或输入命令 | 智能体调用工具，并提供参数和工作上下文 |
| 查看结果 | 人查看窗口、终端输出或错误提示 | 工具返回命令输出、错误、页面内容或截图，供智能体检查 |
| 长时间运行的工作 | 人查看终端或在应用之间切换 | 智能体启动任务、检查进度，并在任务运行期间使用其他工具 |
| 访问应用 | 人直接操作已经登录的软件 | 智能体使用任务所允许的连接和操作 |

熟悉的操作系统职责仍然存在：进程需要资源，文件需要存储，应用需要网络访问。面向智能体的工具将这些操作与任务连接起来。一条命令需要工作目录，也需要能查看的执行结果；一次浏览器操作需要可操作的页面，也需要检查页面发生了什么变化。

## 从调用工具到决定下一步

以智能体测试一个 Web 应用为例。它先阅读项目的启动说明，安装所需依赖，再通过终端启动开发服务器。智能体在浏览器中打开网站时，服务器必须继续运行。终端和浏览器是两种工具，但它们需要在同一个任务环境中工作。

发出启动命令不代表网站已经就绪。智能体需要查看进程输出，确认服务器已开始监听，再加载页面。如果启动时缺少依赖包，错误信息就提供了具体的排查线索。页面加载后，它可以点击控件、查看操作后的页面，并核对实际行为是否符合测试要求。

每次观察结果都会成为模型下一次决策的依据。对于命令，这些信息可以包括标准输出、错误输出，以及命令结束时的退出状态。对于浏览器，则可以包括当前页面、可见文字或截图。模型根据返回的信息选择继续操作、纠正错误、请求帮助或结束任务。如果系统只是接受工具请求，却不返回实际结果，智能体就没有足够依据继续工作。

这也让故障更容易定位。模型选错命令、进程启动失败和网站拒绝请求，是不同的问题。保留操作及其实际输出，才能区分这些情况，而不是把所有停滞的任务都归因于模型。

## 文件、进程和会话状态各自负责什么

文件让工作可以在不同工具之间传递。智能体可以通过浏览器下载 CSV，用 Python 读取，再根据计算结果写报告。输入文件、脚本和输出都需要能在工作环境中访问。对于跨多个应用的任务，计算机的一个作用就在这里：智能体可以在整个过程中操作实际文件。

进程有自己的生命周期。启动命令交还控制权后，Web 服务器或训练任务可能仍在运行。智能体需要检查输出和进度，识别任务何时结束，并停止不再需要的进程。文件里保存了一条启动命令，并不能证明程序已经成功运行。

会话历史记录对话和工具活动。将文件改动提交并推送到会话分支，可以保留这些改动；变更请求经过审核并合并后，改动才会进入项目的默认分支。这两种操作都不会保存正在运行的进程或内存状态。恢复工作时，智能体可能需要检查文件并重新启动程序。重新打开对话，并不保证之前的所有进程仍在运行。

访问权限和并发还涉及另一层边界。独立的会话环境会隔开本地文件和进程，但连接到同一外部服务的两个智能体，仍可能修改同一条记录。工具权限和审批规则决定每个智能体可以做什么。计算机环境的隔离，不会撤回已经发送的消息，也不会恢复其他应用中已经修改的记录。

## 有了智能体框架，为什么还需要计算机？

智能体框架可以定义模型如何选择工具、如何响应工具结果。但执行这些选择仍然需要软件：浏览器、语言运行时、已安装的依赖，以及运行进程的环境。代码库中声明了一个浏览器工具，不等于已经提供了可用的浏览器环境。

Beeuni 将智能体运行程序与执行环境、准备好的工具、项目配置和会话控制整合在一起。开发者可以通过 API 使用这些能力，同时保留自己的应用逻辑和界面。计算机负责智能体实际操作的软件环境，基于它构建的产品则决定这些工作用于什么目的。

## 这一理念如何在 Beeuni 中落地

在 Beeuni 中，一个项目会集中管理某项工作的文件和智能体配置。你可以编写指令、选择模型、添加技能并配置已连接的工具。会话则是智能体在隔离环境中工作的独立实例。你可以查看对话和进度、检查它生成的文件，并继续下达指令。

假设任务是把你的客服知识库整理成 AI 数据集。智能体通过经过授权的连接读取文档，沿着相关链接查找内容，并收集源资料。它会提取文本、编写转换脚本并运行脚本，随后检查缺失字段或重复记录。你负责审核含义模糊的标签，智能体则处理资料检索、文件操作和程序执行。

你可以检查脚本、来源引用、验证报告和导出的数据集。这样，你不必只看智能体的最终回复，还能从多个方面判断结果。如果某条规则有误，你可以要求它修正，并检查修改后的输出。

另一个智能体可能会测试网站，还有一个可能负责准备研究报告。它们的指令、工具和输出各不相同。Beeuni 为每个会话提供执行环境，并在产品中展示其工作。你可以根据想要委派的操作配置工具权限和审批规则。

## 界面可以是 Beeuni、其他智能体，也可以是你自己的产品

直接使用时，你可以在网页上或通过客户端打开 Beeuni，选择一个智能体并描述任务。你可以提供文件，并查看工作进展。任务需要自动执行时，也可以通过定时安排或 webhook 启动会话。

现有的智能体客户端可以通过 MCP 连接。开发者可以使用 API 和 TypeScript SDK，在自己的应用中创建会话、提交请求，并接收进度和结果。例如，采购产品可以保留自己的审核界面，同时让 Beeuni 收集供应商信息、比较产品并整理结果。

这些都是使用同一产品理念的不同方式。计算机不必就是人输入指令的界面，它也可以是其他应用或智能体用来完成工作的环境。

## 面向另一类用户的计算机

Windows 通过人们可以操作的桌面，让应用和文件更容易上手。使用智能体后，部分导航和协调工作可以交由智能体完成。设计的关键在于，如何为智能体提供工作所需的手段，同时让负责的人能够理解它的操作。

我们设想人和智能体共同使用软件。人们仍会直接打开文档、作出选择并操作应用；智能体则会处理这些决定之间的一部分工作。Beeuni 围绕这种协作关系构建：智能体使用计算机，人们决定让它们做什么，以及对它们的结果信任到什么程度。

如需了解这一理念背后的工程决策，请阅读[从工具调用到智能体计算机](/blog/zh/from-tool-calls-to-agent-computer)。如要亲自尝试，可以按照[数据集准备教程](/blog/zh/build-ai-training-dataset-jsonl)操作，或使用[SDK 指南](/docs/zh/sdk)将 Beeuni 连接到你的应用。