● 作者｜乔隐

● 编辑｜之上

“请帮我写一份竞品分析报告。”面对一众好奇的观众，WAIC展台上的工作人员向百度搭子下达了这条指令。

与此前的大模型产品不同，百度搭子的对话框里，并不是直接跳出一段洋洋洒洒的“答案”。

百度搭子先拆解任务，再沿着步骤逐项推进：查找资料、处理信息、组织内容，最后生成报告。仅几分钟的时间，一份可以继续修改的竞品分析报告就出现在屏幕上面。

如果接入个性化记忆与移动端，任务也不必停留在一次对话，而是可以在不同设备、应用和文件之间继续推进。

这也解释了为什么今年WAIC会把百度搭子放到“镇馆之宝”的位置：真正的分界，不在于AI会不会生成，而在于它能不能自己拆解任务、调用工具并交出结果。

作为WAIC“十大镇馆之宝”中唯一的通用智能体产品，百度搭子在7月10日百度AI DAY上披露：自上线以来日均提问次数增长20倍，并同步发布个人版升级、企业版和自媒体专业套件等能力。

所以，真正要讨论的不是一个展台演示，而是一个更具体的问题：当Agent竞争从模型能力转向任务交付，百度搭子为什么能先被看见？

价值标尺正被重写

坦白讲，时至今日，模型的参数规模、榜单排位和自然语言能力，仍然是外界衡量AI的重要指标。

这些指标固然重要，但模型再聪明，最后也要落在能够帮助人类“真干活”这个具体且务实的层面。而这，也是国内外各科技大厂战略、技术和组织迭代的一个共识方向。

大洋彼岸，Codex开始走向法务、招聘等非技术场景；Google将网页浏览、深度研究和应用连接放进Agent Mode；Anthropic研究则显示，79%的Claude Code对话被归入自动化，也就是让AI直接执行任务。

国内厂商也在加速布局Agent。百度搭子的不同之处在于，它更强调通用任务交付：既覆盖普通用户和小微个体，也延伸到企业协作场景。

这也是AI Agent不断向前的动力，连续智能的关键点，不是模型在某一刻的灵光一闪，而是整套系统能否在十几次，乃至几十次的工具调用和输出中，保持始终如一的机制和秩序。

百度搭子产品团队也曾在公开采访中表示，在其内部归因的失败或体验不佳案例里，44%与模型有关，另外56%来自Harness，也就是模型之外的执行框架。这样的复盘结果足以证明，模型之外的系统已经成为影响交付质量的主要变量。

离AI最近的编程场景，率先验证了这套逻辑：生成代码只是第一步，读取仓库、修改文件、处理报错和完成测试，才算完整交付；办公场景则更加零碎。一份报告可能要经过浏览器、网盘、Excel、PPT和企业系统。

过去100多天里，百度搭子有据可查的版本更新大约是40个，沙箱、记忆、浏览器、PPT、移动端与企业账号等能力，随着版本迭代陆续上线。

用户会不会持续使用一个Agent，看的不是它某一次回答有多漂亮，而是在一条具体任务链里，它能不能保持逻辑自洽、流程稳定，并交出能直接使用的结果。

所以，百度搭子能够站上WAIC舞台C位，靠的不是一次模型展示，而是那些看似琐碎的连接、记忆和执行能力，能否让AI真正开始干活，在真实任务里稳定跑起来。

追求的是干“全套活儿”

老万并不是传统认知里的AI用户，虽年过古稀，但他依然长期驻守在长白山参与野生动物的拍摄。

多年外拍下来，他的红外相机和监控设备留下了大量珍贵的视频，但最让他感到头疼的，并不是拍不到动物，而是如何从漫长的空镜头里找到它们。

如果放在过去，这项工作只能靠人眼盯着屏幕艰难完成，识别动物、剪出片段、重新命名、分类归档，再按照日期生成监测日志。每一步都不难，但加在一起，足以吃掉大量时间。

使用百度搭子之后，以往需要花上老万几天时间的工作，变成了一组自然语言指令：要找什么动物，文件如何分类，日志采用什么格式，放在哪个磁盘。后续的识别、剪取、归档和记录，则由百度搭子沿着任务链逐步完成。

其实，老万并没有学过一天编程，他原本只是想把识别这种重要但消耗时间的工作留给百度搭子去做，自己负责最后的收尾工作。结果使用下来发现，一套任务链已可以覆盖全套工作流程。

栗噔噔作为一名内容创作者，基于职业习惯，她手里积存了大量的创作素材，但这些文件散落在Obsidian仓库里，写作、排版、封面制作、后台发布和短视频改编，又分布在不同工具中。

噔噔将知识库接入百度搭子后，百度搭子会先读懂知识库里的素材和表达习惯，再把初稿、排版、封面、短视频脚本等环节接起来。

到了个人开发者老胡这里，任务则变得更加复杂和工程化。老胡在开发企业Agent的同时，还用百度搭子开发了一个开源项目AGS，这是一套管理多个AI Agent的CLI工具。

老胡自己负责决定项目的架构和方案，百度搭子读取文档和代码结构，拆解需求，定位文件、修改代码并运行测试，再根据结果继续调整。依靠搭子自带的记忆系统，老胡也不用在每轮对话中重新解释项目背景。

三个人面对的工作，看起来完全不同。一个要处理野生动物视频，一个要经营内容流水线，一个要推进软件开发。

但这些任务的底层逻辑是一致的：理解目标、调用工具、处理异常，再交出一个可以继续使用的结果。

智能路由、多端记忆、Browser Use、PPT生成和自媒体套件，分别补上了任务执行里的几个关键环节：在哪里跑、如何接续、怎样操作网页，以及如何把内容推进到可用结果。

这些能力单拎出来并不罕见。难的是让它们在同一项任务里连续工作，让用户只在关键节点作出判断。

从野生动物摄影师到内容创作者，再到个人开发者，百度搭子的能力边界，是在这些具体任务里被一点点撑开的。

“全栈”的复利

增长和评测，是百度搭子被看见的两个外部信号。前者说明用户在持续使用，后者说明它在复杂任务执行上有可验证的表现。

除了对C端大众应用的渗透之外，有用的AI Agent最好还可以具备B端产业落地能力，百度搭子完成了行业少见的双线验证。

除了老万、噔噔、老胡等一些操作之外，2026世界杯期间，百度搭子登上央视频《超级绿茵场》节目，在“百度搭子AI战术时刻”中，结合AI战术板，自动拆解跑位、防守漏洞、进攻逻辑，把专业规律和结果转化为观众易懂的知识。

企业版则回答了另一个问题：Agent能不能进入组织流程。

为了解决个人成果无法沉淀、团队无法协同、难以对接业务系统、数据合规风险高几大痛点，企业版百度搭子能力覆盖了团队技能共享、企业知识库沉淀、内部工作流打通、全链路操作审计，把员工个人AI经验转化为可复用的组织资产。

当下全球大厂扎堆押注AI Agent，底层能力架构布局上的差距，往往也决定了大厂们长期竞争的上限。

Agent越往真实任务里走，越考验底层能力的完整性。模型、云、搜索、工具、安全和产品生态，任何一环薄弱，都会影响最终交付。百度是国内少数同时具备昆仑芯片、百度智能云千帆平台、文心大模型、搜索能力和通用Agent产品的科技企业。

拆解百度搭子可以看出，模型负责理解用户意图，Harness负责拆解和推进任务。搜索、网盘、地图、秒哒、伐谋等产品能力，开始以Skill、Connector和MCP等形式接入任务链。智能云则提供底层算力、权限与安全保障。

值得一提的是，Agent不仅要有调用和执行能力，还要解决身份、权限、格式、上下文和执行失败等工程问题。个人用户需要任务记忆，企业则要求知识、流程和成果能够沉淀，同时保留审计与安全边界。

生态越复杂，协同难度越高。一旦这些能力开始协同，也会成为后来者难以在短时间内复制的产品护城河。

这就是“全栈”的复利。百度过去积累的产品，不再只是彼此分散的流量入口，而开始成为Agent可以调度的生产资料。或许，后来者追上某个单项功能并不算太难，复制一整套彼此协作的生态，却需要更长时间。

AI Agent的战场看似刚刚启动，但百度搭子这次被WAIC看见，至少说明一件事：智能体的下一阶段，不会只由模型参数决定，而会由一整套能否稳定交付的系统能力决定。