李飛飛押寶的Agent，被這個公司做出來了

點選下方卡片，關注“CVer”公眾號

AI/CV重磅乾貨，第一時間送達

最近 AI 產品層出不窮，其中 Amusi 發現了一個極具亮眼的產品——Agnes AI，這是一款完全在新加坡開發和訓練的協作型 AI 助手，將智慧生成、即時協作、上下文記憶以及本地化語言支援融合在一起，解決了遠端團隊在跨裝置文件共創、非同步協作中的效率痛點，為分散式團隊提供從研究到內容生成的一體化 AI 協作平臺。

深入瞭解 Agnes AI 之後，我越發震驚！這個上線僅三週的 Agent 工具，日活居然已經逼近估值數億美金、剛完成一輪融資的 Lovart。同時，Agnes AI 在 Product Hunt 等科技社群平臺上好評如潮，口碑正在持續發酵中，有網友稱：“ Agnes is a game-changer for business storytelling and productivity ”。

Agnes AI 是 Sapiens AI 公司推出的 AI 協作平臺。Sapiens AI 是一家總部位於新加坡的人工智慧公司，路透社稱讚 Sapiens AI 是“值得關注的海外技術公司”，還有很多網友點贊 Agnes AI 是“新加坡版 DeepSeek ”。

Sapiens AI 公司聯合創始人&CEO Bruce Yang 表示：“ Agnes AI 不僅僅是一個 AI 助手，它代表著東南亞科技將全球抱負與本土智慧相結合所能實現的願景。我們並非為了複製，而是為了創造變革，引領下一代 AI ”。正因如此，Agnes AI 這款強大產品的背後，是依託於自主研發的核心技術，比如最近釋出的 CodeAgents 多智慧體推理框架和 Agnes-R1 高效推理模型。

Agnes AI 功能演示

Agnes AI 功能介紹

Agnes AI 是一個對話式 AI Agent，它結合了跨平臺即時協作、即時網路搜尋，記憶共享和自然語言理解等功能，能夠在廣泛的主題上提供具有上下文感知的響應。隨著時間的推移適應使用者需求——從互動式中學習，記住先前的查詢，並提供個性化的見解。從回答複雜的研究問題到總結上傳文件或者生成簡報幻燈片（PPT），能夠輕鬆處理圖表建立等任務，還具備速度和效率優勢。

官網連結：https://agnes.life

Agnes AI 的核心功能可以劃分為五大類：

1. 即時多使用者協同編輯

支援多人同步編輯文件、幻燈片、新增評論、指派任務等。不同於 Google Docs 的單一文字協作，Agnes 融合 AI 輔助的即時建議和上下文分析，在寫作過程中動態最佳化內容邏輯、語法、結構和風格。這種設計大大縮短了團隊的溝通成本，顯著提高協作效率。

2. 共享記憶與長上下文理解

Agnes AI 內建 Shared Memory 功能，能在不同文件、對話、專案之間保留使用者歷史偏好、任務狀態和目標。支援長上下文記憶和理解，記住專案前後的關鍵資訊，確保多輪對話和任務處理的連貫性。

3. 智慧一體化內容生成

快速生成專業級別的報告、簡報、郵件、計劃書等內容，支援多種格式選擇（ PPT、PDF、Markdown 等）與結構化大綱。生成的內容具備出色的上下文適配性與邏輯清晰度。

4. 跨裝置相容性與非同步協作

使用者可在不同時段、不同裝置上對內容進行非同步編輯，Agnes AI 還會總結歷史修改記錄、提出最佳化建議。

5. 多語言本地化支援

提供英語、中文、越南語、印尼語、泰語等多種語言的原生支援。它不僅能翻譯，還能根據語言習慣調整語序、措辭及表達邏輯，真正做到“用母語思考、用地道語言表達”。

這是真正的一體化 AI 協作體驗，你不需要再整合 ChatGPT + Canva + Notion + Slack 這種組合工具集，一個 Agnes AI 就能讓你完成從想法、研究、創作到釋出的完整流程。

Agnes AI 背後的技術

Agnes AI 擁有出色的效能和體驗，根本在於其底層技術的突破。該團隊自主研發了 CodeAgents 多智慧體推理框架和 Agnes-R1 高效推理模型。

注：Agnes AI 全流程都沒有呼叫 GPT 和 Claude 等大模型，而是用自研的模型實現卓越的效能。此外，不斷新增核心功能的實現速度居然是以天為單位的。

CodeAgents 多智慧體推理框架

CodeAgents 論文（含技術細節）在 7 月初重磅釋出，引發行業熱議！CodeAgents 重新定義了多智慧體生產力的邊界，在多個公開基準上取得了效能突破，以及顯著的 tokens 和成本節省。這是 Sapiens AI 在智慧體（Agent）領域上不斷積累的成果，對於研究多智慧體的研究員/開發者具有很大的參考價值，為商業與研究領域構建大型多智慧體系統提供了更高的實用性、經濟性和可擴充套件性。

論文：https://arxiv.org/abs/2507.03254

CodeAgents 特點：

1. 成本與推理效率優勢

Tokens 顯著節省不僅降低 API 呼叫費用，還能縮短響應時間，對於部署在生產環境中的多智慧體系統（如客服機器人、虛擬助手、自動化流程平臺）具有直接效益提升。

2. 提升複雜任務的準確性與可靠性

在 Multi-hop 推理（例如問答、任務分解規劃）中，CodeAgents 提供更加穩定和可驗證的結果輸出，顯著提升系統性能與魯棒性。

3. 程式碼優先（Code-First）多智慧體提示

將複雜的推理任務編碼為模組化虛擬碼，在單個 LLM 中協調專門的智慧體（規劃、推理、反饋），從而顯著降低了程式碼冗餘度。

4. 將 Token 效率作為核心指標

在提示（Prompt）設計和評估中明確優化了 token 的使用，可在嚴格的上下文限制下實現了卓越的效率和實用性。

5. 促進智慧體系統工程級落地

模組化虛擬碼設計使得 Agent 系統易於維護、除錯與動態更新。這對企業級部署、流程自動化、工作流管理平臺尤為重要。

CodeAgents 是一個新穎的多智慧體推理框架，將多智慧體問題求解編碼為結構化的虛擬碼，可以在系統中實現結構化、高效的token規劃，在可解釋性、模組化、多智慧體協同、token 效率等方面帶來了顯著創新。

在 CodeAgents 中，智慧體互動的所有元件——任務（Task）、規劃（Plan）、反饋（Feedback）、系統角色和外部工具呼叫——都被編碼為模組化虛擬碼，幷包含豐富的控制結構（例如迴圈、條件語句）、布林邏輯和型別變數。這種設計將鬆散連線的智慧體規劃轉換為具有凝聚力、可解釋且可驗證的多智慧體推理程式。

單智慧體推理框架

下圖展示了單智慧體架構，並在模擬 VirtualHome 環境中的 watch TV 任務中進行了演示。智慧體生成結構化的虛擬碼計劃並逐步執行，同時利用執行時反饋進行迭代式重新規劃。嵌入的斷言檢查用於捕獲錯誤並在本地恢復，或在需要時升級到全域性計劃修訂。

VirtualHome 上的 Agent Loop 框架

下圖展示了針對任務 eat_bread_on_sofa 的完整編碼提示（Prompt）示例，結合了程式碼、註釋、斷言和重新規劃。

多智慧體推理框架

下圖展示了多智慧體推理架構，其中專門的智慧體（即 Planner、ToolCaller 和 Replanner ）透過基於結構化程式碼的交換進行協作，以解決複雜的推理任務。工作流程由基於使用者指令和上下文資源的 codified 系統提示啟動。智慧體透過虛擬碼規劃、可執行工具呼叫和結構化反饋進行通訊，從而形成模組化和迭代的推理迴圈。該架構有助於實現透明的智慧體協同、對執行的模組化控制以及系統性錯誤恢復。

用於多智慧體協同的 CodeAgents 框架

下圖展示了簡化的 codified agent 工作流程，展示了結構化系統提示初始化、虛擬碼規劃、可執行工具呼叫和反饋驅動的重新規劃。

簡化的 codified agent 工作流程

CodeAgents 實驗結果

Sapiens AI 在三個不同的基準測試（ GAIA、HotpotQA 和 VirtualHome ）上評估了 CodeAgents，結果表明，規劃效能持續提升，與自然語言提示基線相比，提升了 3%-36%。

如表 1 所示，在 VirtualHome 基準上，CodeAgents 實現了 56% 的 SOTA 成功率。此外，還分別將輸入和輸出 tokens 的使用量減少了 55%-87% 和 41%-70%。

表1. VirtualHome 基準實驗資料

如表 2 所示，在 GAIA 基準上，相對於 Gemini-2.5-Flash，CodeAgents 將準確率提高了 10.7%，同時減少了 67.8% 的輸入 tokens 和 67.4% 的成本。相對於 Gemini-2.5-Pro，CodeAgent 也實現了 4.8% 的準確率提升，同時節省了超過 40% 的成本。

表2. GAIA 基準實驗資料

如表 3 所示，在 HotpotQA 基準上，CodeAgents 在準確率和 F1 指標方面優於自然語言，同時顯著降低了 token 的使用和成本。例如，LLaMA-4-Maverick 實現了最高的準確率 (0.52)，成本降低了 70.4%。

表3. HotpotQA 基準實驗資料

由於介紹篇幅有限，如果你想了解 CodeAgents 更多技術細節，可以自行查閱論文進行精讀：

論文：https://arxiv.org/abs/2507.03254

Agnes-R1 高效推理模型

Agnes-R1 是一種 7B 引數的高效推理模型，專為團隊協作設計，支援長上下文記憶，能掌握前後的關鍵資訊，並與多個 Agents 協作，可以處理複雜的多輪推理與資料整合任務。

如下圖所示，Agnes-R1 模型的 Input 除了使用者的輸入（Query）之外，還包括團隊協作的 Shared Memory、專案的 Context，然後呼叫 CodeAgents 多智慧體推理框架把任務拆分，讓不同的 Agents 分工處理，最後輸出建議、協同編輯和內容。

Agnes-R1 處理資訊流程

據 Amusi 小道訊息瞭解，下週 Sapiens AI 將公佈 Agnes-R1 論文和技術細節，大家敬請期待～

背後的華人團隊

Sapiens AI 公司聯合創始人&CEO Bruce Yang 引發投資圈關注！Bruce 目前在新加坡國立大學博士在讀，擁有加州大學伯克利分校和巴黎高等商學院的學位，曾在微軟和領英工作，一直在做技術、產品相關的事情，並以第一作者身份發表多篇支撐 Agnes AI 核心功能的技術論文，比如上面的 CodeAgents。

Bruce Yang

Bruce 在矽谷積累了豐富的技術和創業經驗後，回到新加坡創業時帶著一個明確的目標：要為東南亞打造自己的 AI 標杆。於是，他創立了 Sapiens AI，並帶領團隊開發出了旗艦產品 Agnes AI。這款產品被很多人譽為"新加坡的 DeepSeek "，它並非簡單模仿海外科技巨頭的產品，而是立足東南亞特色進行的創新工作。