1. 首頁 > 生活百科 > >

從知識庫到 Agent 原生 OS，汪源想為 Agent 造一個操作系統

ai軟件iphone移動互聯網

從知識庫到 Agent 原生 OS，汪源想為 Agent 造一個操作系統

文章圖片

從知識庫到 Agent 原生 OS，汪源想為 Agent 造一個操作系統

3 月 31 日 ， 前網易集團副總裁、網易杭州研究院執行院長汪源 ， 帶著其創辦的 AI 公司 remio ， 發布了首個 Agentic OS——rOS 。 此前 ， remio 以 AI 個人知識庫產品切入市場 ， 核心能力是為用戶打通網頁、文檔、會議錄音、聊天消息等多源信息 ， 構建可被 AI 高效檢索與調用的個人數字記憶體系 。

圖片來源：極客公園

remio 此次推出了面向 Agent 原生應用打造的操作系統 rOS ， 以及運行在該系統之上的全新應用形態 aApp（Agentic App） 。 這套產品體系的核心 ， 重構了 Agent 時代的軟件設計邏輯：讓軟件的第一服務對象從人轉向 Agent ， 為 AI 原生應用提供完整的運行底座；同時讓普通知識工作者能開箱即用高價值的 Agent 能力 ， 無需折騰復雜的技術配置；也讓各垂直領域的行業專家 ， 能把自己的行業經驗轉化為可直接商業化的 AI 應用 。
在開源項目 OpenClaw 刷屏 AI 圈、無數從業者扎堆做 Agent 工具的當下 ， 汪源在發布會開場直言：龍蝦的爆火 ， 根本算不上 Agent 時代的 iPhone 時刻 。
在他看來 ， 當下行業熱議的 Computer Use、Skill 生態 ， 都只是過渡性方案；而 remio 要做的 ， 是給 Agent 時代搭好完整的操作系統底座 ， 讓普通用戶拎包入住 ， 讓行業專家的經驗能直接變現 。

01
火遍全網的 Agent ， 困在了「WAP 時代」

過去一年 ， AI 行業從未缺少關于 Agent「iPhone 時刻」的討論 ， 卻始終尚未等來真正的全民普及 。
OpenClaw 的爆火 ， 讓 AI 第一次真正擁有了操作電腦的能力 ， 無數用戶跟風嘗試 ， 卻很快陷入了困境：有人被復雜的配置流程攔在門外 ， 真正能把龍蝦「玩起來」的用戶不足半數；有人好不容易完成了部署 ， 卻始終想不明白它能在日常工作里解決什么具體問題 ， 新鮮感褪去后便再也沒有打開 。
此前紅極一時的 Sora ， 也曾讓無數用戶涌入嘗鮮 ， 但一個月后的用戶留存率不足 1% ， 最終落得被關停的結局；如今遍地開花的 Skill、插件、MCP 協議 ， 看似構建起了繁榮的 Agent 生態 ， 可真實的用戶體驗卻是「電腦里裝了上百個 Skill ， 卻沒幾個能真正持續用起來」 ， Skill 與 Skill 之間還會相互沖突 ， 最終淪為擺設 。
在汪源看來 ， 當下的 Agent 生態 ， 像極了移動互聯網爆發前夜的「WAP 時代」 。 2000 年初 ， 為了讓功能機也能訪問互聯網 ， WAP 協議應運而生 ， 它能把 PC 端的網頁簡化后搬到手機上 ， 卻始終受限于簡陋的協議能力 ， 沒能帶來真正的體驗革命 。 而今天行業里熱議的 Computer Use、MCP、Skill ， 本質上都是同一種邏輯：讓 Agent 去適配、操作那些原本為人類設計的軟件 ， 只是完成了舊生態與新能力的銜接 ， 是過渡性的方案 ， 而非 Agent 時代的終極形態 。

圖片來源：remio

對于當下最火的龍蝦 ， 汪源談到 ， 它最多只能算是 Agent 領域的 Linux 系統 ， 能給一部分有技術能力的用戶提供個性化搭建、配置的框架 ， 讓高手能折騰出復雜的玩法 ， 但對普通用戶而言 ， 極高的使用門檻始終橫在那里 。 remio 始終想做的 ， 則是 iPhone、Mac 式的產品——讓普通用戶不用折騰 ， 開箱即用、拎包入住 。
在汪源的判斷里 ， 這些過渡性方案中 ， Computer Use 會是最快被行業淘汰的 。 「AI 要去操作飛書 ， 通過 Computer Use 視覺識別的方式也能做 ， 但只要飛書提供了完善的接口和命令行工具 ， Agent 就完全不需要用這種高成本、低效率的方式 。 」他直言 ， 兩三年之后 ， Computer Use 在主流場景里幾乎就會失去用武之地 ， 只會在一些無法提供接口的「老古董軟件」里保留一席之地 。 而 API 與傳統 SaaS 軟件的生命周期會更長 ， 但最終也會被 Agent 原生應用逐步替代 。
基于這個判斷 ， remio 拿出了自己的答案：rOS ， 為 Agent 原生應用打造的操作系統 ， 以及運行在這個系統之上的全新應用形態——aApp（Agentic App） 。
和當下用完即走、上下文清零的 Skill 不同 ， aApp 更像我們手機里的原生 App：它能在后臺持續運行 ， 通過事件觸發主動響應 ， 無需用戶反復啟動；也能直接訪問用戶完整的工作上下文 ， 從郵件、會議錄音到聊天消息、本地文件 ， 無需用戶每次手動投喂信息；它以自然語言為核心交互方式 ， 開箱即用 ， 通過對話就能完成個性化配置 。
汪源在發布會上演示了「智能待辦」aApp ， 就是個典型的例子：它能實時監聽用戶的郵件和會議錄音 ， 自動提取其中的待辦事項 ， 無需用戶手動記錄；識別到需要回復附件的郵件時 ， 它能自動找到對應文件、寫好郵件內容完成發送 ， 形成完整的工作閉環 。 而這一切 ， 都不需要用戶對 Agent 進行復雜的指令編寫 ， 只需要最開始的一次自然語言配置確認 。

02
aApp：軟件的第一用戶 ， 從人變成了 Agent

aApp 與傳統軟件、Skill 的核心差異 ， 是軟件設計邏輯的底層顛覆 。
過去幾十年 ， 從 PC 互聯網到移動互聯網 ， 所有軟件的設計核心都圍繞著一個準則：以人為核心的用戶體驗 。 我們設計圖形界面、梳理信息層級、簡化交互路徑 ， 本質上都是為了降低人的使用門檻 ， 讓人能更輕松地看懂、操作軟件 。 哪怕是當下的 Skill 和插件 ， 其核心邏輯依然是「把人類使用軟件的經驗 ， 教給 Agent 去復刻」 。
但 rOS 和 aApp ， 推翻了這個延續了幾十年的設計準則 。 汪源直言：Agent 時代 ， 軟件的第一用戶不再是人 ， 而是 Agent ， 人退居二線 ， 成為間接使用者 。
這個核心變化 ， 帶來了軟件設計的重構 。
首先 ， 軟件不再需要復雜的圖形用戶界面 ， 只需要提供語義清晰的接口 。 對人類而言 ， 一個接口吐出幾十萬字的信息是災難級的用戶體驗 ， 但對 Agent 來說 ， 全量的語義信息反而能讓它更精準地完成任務；人類需要按鈕、菜單、表單來完成操作 ， 而 Agent 只需要自然語言的語義指令 ， 就能完成編排和執行 。
其次 ， 軟件不再需要追求「大而全」的套件能力 。 過去 ， 企業傾向于使用飛書、Google Workspace 這樣的全鏈路套件 ， 核心原因是人類無法高效處理幾十個互不打通的軟件 ， 頻繁的復制粘貼會極大降低工作效率 。 但 Agent 天生具備極強的可編排能力 ， 不同廠商開發的垂直 aApp ， 可以像積木一樣自由組合 ， 企業無需再為了一體化體驗妥協 ， 只需要選擇每個領域里最好用的 aApp ， 剩下的協同工作全部交給 Agent 即可 。
汪源進一步拆解了傳統辦公套件的核心困境：「釘釘賣的是阿里的工作方式 ， 飛書賣的是字節的工作方式 ， 但 Agent 時代有很多組織 ， 它的工作方式既不是阿里的 ， 也不是字節的 。 」在他看來 ， 飛書這類全家桶產品 ， 在 Agent 時代必然會面臨邊緣化的挑戰——它不可能把所有環節都做到行業最好 ， 而 Agent 的可編排能力 ， 讓企業可以自由組合不同廠商的優質工具 ， 再也不用被單一套件綁定 。
更重要的是 ， 這個新的體系也給行業里的「非技術開發者」 ， 提供了 know-how 商業化的直接路徑 。

圖片來源：remio

在此之前 ， 一個擁有多年客戶管理經驗的企業內訓顧問 ， 一個深諳招聘邏輯的資深 HR ， 一個有成熟運營方法論的行業專家 ， 他們的行業經驗最多只能做成 Skill、Prompt ， 卻很難直接變現——Skill 沒有版權保護 ， 極易被盜版 ， 只能走「做 Skill 賣課程」的曲線救國路線 ， 沒有成熟的分發渠道和商業化體系 。
rOS 的 aApp 生態 ， 在嘗試解決這個問題 。 汪源在采訪中談到 ， 如今 AI Coding 的技術能力已經足夠成熟 ， 在 remio 的平臺上 ， 哪怕是不懂代碼的行業專家 ， 只需要提出自己的設計思路和業務需求 ， AI 就能生成可運行的 aApp 。 這就像移動互聯網早期 ， 懂攝影的人能做出優質的拍照修圖 APP ， 懂人力資源的人能做出招聘管理工具 ， 行業經驗第一次能直接轉化為可運行的產品 ， 而不需要依賴專業的工程師團隊 。
同時 ， remio 也給這些開發者鋪好了商業化的道路 。 平臺早期的開發者變現方式 ， 會和移動互聯網早期高度相似——直接靠賣軟件收錢 ， 一個工具類 aApp 定價一美金、幾美金 ， 賣一個就有一份收入 。 而支撐這個商業模式成立的 ， 是 remio 內置的著作權管理和簽名鑒權機制 ， 解決了盜版問題：只有付費用戶才能運行對應的 aApp ， 哪怕安裝包被分享 ， 也無法正常使用 。 這也是此前 Skill 生態始終無法實現商業化的核心痛點 。
對于 aApp 的開發邏輯 ， 汪源也在專訪中分享了自己的實踐經驗：和傳統軟件開發、Skill 開發完全不同 ， aApp 的核心是圍繞業務模型做設計 ， 要盡量避免寫死固定的工作流 ， 把步驟調度權交給 Agent ， 同時不用做復雜的 UI 交互 。 這種設計思路 ， 既保證了 aApp 的靈活性 ， 能適配用戶隨時提出的個性化需求 ， 也平衡了 Agent 執行的可靠性與成本 ， 讓非技術開發者也能快速上手 。

03
remio 的護城河：
用時間堆出來的「數字記憶」壁壘？

在 Agent 這條賽道上 ， remio 并不是先發者 。
國內 ， 字節跳動旗下的扣子已經將 Agent 編排能力推向企業市?。 緩Ｍ?， 無數開源項目和商業產品 ， 早已在 Computer Use、Agent 工作流領域深耕許久 。 但在汪源看來 ， 這些產品都有一個核心缺陷：每次啟動都從空白開始 ， 它不知道用戶是誰 ， 不知道用戶上周做了什么 ， 更不知道用戶的工作習慣和核心訴求 。
而這 ， 恰恰是 remio 的壁壘 。
remio 成立于 2024 年 ， 早期以 AI 知識庫產品切入市場 ， 核心能力是把用戶的網頁、文檔、會議錄音、聊天消息等多源信息 ， 統一匯入可被 AI 檢索的個人知識庫 。 這款產品上線后 ， 曾拿下 ProductHunt 日榜第一 ， 入選 2025 年度全球 Top 30 AI 產品 。 但汪源從一開始就意識到 ， 知識庫只是手段 ， 而非終點——一個只能回答問題的 AI ， 和一個能幫用戶處理真實工作的 AI ， 是兩件完全不同的事 。
過去一年半 ， remio 持續在個人上下文工程上投入核心資源 ， 而這也成了 rOS 核心的底座 。 不同于其他 Agent 產品需要用戶手動上傳信息、補充上下文 ， rOS 里的所有 aApp ， 都能直接調用用戶經過結構化處理的全量數字記憶 。 這些信息不是零散的文件 ， 而是已經被處理成大模型可直接消費的語義數據 ， PPT、Word、PDF 等各類格式的文檔都被提前解析完成 ， 開發者無需再做額外的處理；配合實時的內容更新訂閱能力 ， aApp 能第一時間響應用戶的工作變化 。
「同一個 aApp ， 在 remio 上它一來就認識你 。 」汪源說 ， 「用得越久 ， 積累越深厚 ， 用戶的遷移成本就越高 。 這是時間驅動的護城河 ， 沒有捷徑 。 」
汪源隨后進一步點明了 remio 和大廠產品的本質區別：數據主權牢牢交還給用戶 。 「大廠永遠都希望把用戶的數據抓在自己手里 ， 所以我們做了一年多 ， 也沒看到大廠跟進這個思路 。 」在他看來 ， 大廠的產品邏輯 ， 決定了他們不會做一款「裝在用戶 PC 里、碰不到用戶數據」的強軟件 ， 這也給 remio 留下了 2-3 年的成長窗口 ， 不用擔心大廠下場做同質化競爭 。
針對用戶最關心的安全問題 ， remio 也在 rOS 里做了雙重底層保障 。 汪源解釋 ， 安全的核心無非兩件事：一是數據不泄露 ， remio 的所有數據都在用戶本地完成處理 ， 除了調用云端大模型 API 的必要內容之外 ， 用戶數據不會被任何第三方服務商獲?。 歡鞘薟歡?， remio 用類似殺毒軟件的核心原理 ， 對 Agent 所有的文件讀寫、修改、刪除行為進行攔截 ， 實時備份文件的歷史版本 ， 用戶可以一鍵還原所有操作 ， 徹底解決了 Agent 誤刪、改壞重要文件的行業痛點 。
在硬件適配與商業模式上 ， remio 也給出了清晰的規劃 。 硬件層面 ， 目前 rOS 優先適配 Mac 系統 ， 核心原因是所有 Mac 電腦都標配了算力強勁的 NPU ， 能支撐端側 AI 的高效運行；Windows 版本將在下周推出 ， 而 Windows 端 NPU 的全面普及還需要 1-2 年 ， remio 也會持續做對應的優化 。
商業模式上 ， remio 走了一條「運營商式」的路徑：平臺統一和用戶結算 Token 消耗費用 ， 推出分級會員體系 ， 所有 aApp 運行產生的 Token 成本 ， 都由平臺與用戶統一結算 ， 開發者無需承擔任何相關費用 。 這就像移動互聯網時代 ， 用戶和運營商統一結算流量費 ， 而不是每個 APP 單獨向用戶收取流量費 ， 極大降低了開發者的入局門檻 ， 也讓生態的正向循環成為可能 。
目前 ， remio 的核心用戶集中在三類群體：泛管理者（創業公司創始人、企業高管、產品經理、項目經理）、產研團隊 ， 以及學生、老師與科研人員 。 這些用戶的共性 ， 是典型的知識工作者 ， 時間高度稀缺 ， 對工作提效有強需求 ， 也是 AI 與 Agent 技術最先滲透的群體 。 而汪源判斷 ， 未來這個范圍會持續擴大 ， 最終絕大多數崗位 ， 都會進入「不強依賴 AI 就無法工作」的階段 。

04
Agent 的 iPhone 時刻

從 2007 年第一代 iPhone 發布 ， 到 2010 年 iPhone4 引爆移動互聯網 ， 蘋果用三年時間證明了一個道理：所謂的「iPhone 時刻」 ， 從來不是單點技術的突破 ， 而是一套完整生態體系的勝利 。
蘋果從來沒有發明觸摸屏 ， 也沒有發明手機攝像頭 ， 但它把這些技術整合起來 ， 用優秀的工業設計和系統能力 ， 搭建起了一套適配移動終端的軟硬件體系；更重要的是 ， 它用 App Store 構建了一套正向循環的開發者生態 ， 讓開發者能賺錢 ， 讓用戶能獲得更好的體驗 ， 最終開啟了移動互聯網的黃金十年 。
今天的 AI 行業不缺技術突破 。 大模型的能力早已跨過了可用的門檻 ， 多模態理解、Computer Use、Agent 規劃能力都在快速迭代 ， 我們能讓 AI 寫代碼、做 PPT、操作電腦 ， 卻始終沒能讓 Agent 真正走進普通知識工作者的日常 。 核心原因就在于 ， 整個行業都在忙著優化「讓 AI 模仿人操作舊軟件」的能力 ， 卻沒有人為 Agent 打造一個原生的新世界 。
remio 的 rOS ， 沒有去優化 Agent 操作舊軟件的效率 ， 而是重新定義了 Agent 時代的軟件設計邏輯 ， 給 Agent 原生應用提供了一個完整的運行底座；它不僅關注用戶的單次任務體驗 ， 也試圖構建一個「用戶數據沉淀-應用體驗升級-開發者生態繁榮」的長期飛輪 。
汪源提到了一個行業變化：AI 與 Agent 帶來的 ， 不只是單個崗位的效率提升 ， 也是職場組織形態與崗位設置的全面重構 。 在他的團隊里 ， 已經不再是產品經理提需求、工程師做實現的傳統模式 ， 一個人同時要兼具產品思維與開發能力 ， 只會接需求的程序員 ， 正在被 AI 快速淘汰 。
這恰恰印證了 remio 所做事情的長期價值：Agent 時代的終局 ， 不是讓 AI 成為人類操作舊軟件的「機械手」 ， 而是讓 AI 成為人類工作的「數字分身」 ， 重構整個知識工作的生產方式 。 而這個終局的到來 ， 必然需要一個能承載原生應用的操作系統底座 。
當然 ， 這條路注定充滿挑戰 。 生態的建立從來不是一蹴而就的 ， 開發者的培育、用戶習慣的養成、核心場景的持續挖掘 ， 都需要長期的投入和驗證 。
【從知識庫到 Agent 原生 OS，汪源想為 Agent 造一個操作系統】*頭圖來源：remio

    推薦閱讀