# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
刚把Manus吐回去，Meta转头自己做了一个智能体平台“Hatch”。
小扎这是不甘心啊……
The Information消息称，Hatch功能上强调“给出目标、自动拆解并交付结果”，看着与Manus差不多吧，但非要换个宣传口径叫“消费者版的OpenClaw”。
价格最高199.99美元/也对标Manus最高档的200美元月。
另外Hatch开发阶段用的模型是Claude，计划在产品正式上线时才切换到自研模型Muse Spark，并将于10月推出新模型Watermelon。
和Codex、Claude Code这类本质开发者工具，面向的是写代码、调试、构建软件不同。
Hatch更注重“消费数字生活”。
Meta早期为Hatch配置的训练环境包括 DoorDash、Etsy、Reddit、Yelp和Outlook这些互联网服务的模拟版本。
覆盖了本地服务与配送、商品交易、社区信息检索、个人生产力管理。
再加上Meta自有的Instagram、Facebook和WhatsApp社交网络生态。
换句话说，Hatch的目标是打通”发现—比较—沟通—安排—购买”的完整路径。
用户在Instagram Reels里看到一双鞋，Hatch理论上可以识别商品线索、搜索同类产品、比较价格与配送时间、结合用户预算和历史偏好给出建议，并在付款前请求确认。
不过与Manus也有差异。Manus是独立通用执行环境，面向研究、网页自动化、代码和内容制作。Hatch则更强调长期记忆、个人化上下文、跨服务操作，以及与Meta数十亿用户社交生态的深度绑定。
技术路线上，开发阶段用Claude，别人很容易理解成Muse Spark在多步骤推理、工具调用等Agent测试中尚未达标了
但长期依赖竞争对手显然不符合Meta的成本与战略利益，消费级智能体一旦形成高频调用和长链推理，推理成本将大幅攀升。
Meta的计划是分阶段迁移。
研发与内部测试阶段用Claude做过渡，初步产品化阶段切换到自研的Muse Spark系列模型，后续扩展阶段则由10月推出的Watermelon等下一代模型接棒。
这好像又是一个隐患，模型行为不同，迁移也不容易吧？
不过Watermelon是否属于Muse系列、是否会直接成为Hatch的核心模型，目前仍未得到确认。
Meta的广告业务长期提供强大现金流，但AI基础设施、模型训练和推理成本的快速上升，要求公司在广告之外建立更直接的AI变现方式。
Hatch的高端订阅定价，最大的底牌是“默认分发”。
熟悉Meta生态的用户不需要额外下载陌生工具，可以直接在Instagram、Facebook、WhatsApp、Messenger、Meta AI应用甚至智能眼镜中使用Hatch。
通用Agent面临的典型问题是不了解用户。Meta希望通过Hatch把这些分散信号转化为“了解用户意图”的能力，这是纯聊天型AI产品不具备的条件。
不过，每月近200美元的价格意味着用户衡量的是“能否稳定节省数小时甚至数十小时的人力”。
这要求Hatch在复杂网页、信息不完整、登录状态变化、支付确认与异常处理等真实环境中保持可靠表现。
真实互联网远比模拟训练环境复杂，网页结构经常变化，弹窗、验证码、反机器人措施、地域差异和库存波动都会造成任务失败。
文章来自于微信公众号 “量子位”，作者 “量子位”
【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务，堪称「云端超级打工人」而且做到了开源界GAIA性能天花板，达到了57.7%，超越Huggingface 提出的Open Deep Research 55.15%的表现。
项目地址：GitHub：https://github.com/camel-ai/owl
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
