你有没有想过，为什么那些看起来无所不能的 AI agent，在真实工作环境中却总是显得如此笨拙？我们花费数百小时调试提示词、完善指令，但这些智能系统依然无法像人类员工那样从经验中学习和成长。它们不会从错误中汲取教训，也不会在重复性任务中变得更加熟练。这个根本性问题，正是 Composio 刚刚完成 2500 万美元 A 轮融资要解决的核心挑战。
硅谷 AI 投资人 Elad Gil 昨天发布了自己对 AI 领域投资的总结回顾与预测。在他看来，过去四年 AI 经历了从 “技术迷雾”到“商业马拉松” 的变化：随着模型能力的不断提升，过去 12 个月里一系列 AI 应用落地的细分场景在得到验证，头部公司浮现，一定程度上，未来 1-2 年的市场格局初定，AI 应用层正进入收敛周期：
35 人，8 个月，年收入破 1 亿美元。 Lovable 创下了最快的增长速度，超过了 OpenAI、Cursor、Wiz 以及历史上所有其他软件公司。
大家好，我是歸藏（guizang），今天给大家带来 Lovart 的正式版一手介绍和体验。Lovart 我们介绍过很多次了，但是每次都会有新东西。 昨晚看到他们的推特，发现发了正式版，就赶紧试了一下。 今天这个设计 Agent 终于变成了一个完全体，而且这次的更新依然非常牛批。
Manus为迷茫的AI从业者定义了Agent的产品范式，至此，一场以华人为主角的AI Agent创业热潮，正在席卷全球。
在正式走近ChatGPT Agent之前，让我们介绍一下这次谈话的几位主角，他们分别是OpenAI团队核心成员Isa Fulford、Casey Chu和孙之清。我们团队分别开发了Operator和Deep Research，在分析用户请求时发现，Deep Research的用户非常希望模型能够访问需要付费订阅的内容或有门槛的资源，而Operator恰好具备这种能力。
自 ChatGPT 引爆公众认知以来，AI 开始渗透进写作、编程、设计等多个应用场景，推动人类进入“智能体（Agent）”时代。曾经遥不可及的自动化交互，如今正在成为现实。在这背后，一场关于基础设施的重构也悄然展开——从模型能力到部署体验，谁能打通智能 Agent 的“最后一公里”，谁就掌握了这场范式变革的主动权。
全技术栈开发，让更多的想象力成真了。
OpenAI GPT Agent以为只比Manus们差了一步， 但7月份带着一堆更新回归的MiniMax Agent告诉它其实已经慢一圈了。
现有Mobile/APP Agent的工作可以适应实时环境，并执行动作，但由于它们大部分都仅依赖于动作级奖励（SFT或RL）。
