原創?科技新知 AI新科技組

作者丨思原 編輯丨九黎

OpenAI前聯創被譽為AI大神的Karpathy從不吝嗇對Agent的看好，“Agent代表著AI的一種未來”、“未來十年是Agent的十年”。

這些聽起來想象力豐富，甚至還帶那么點規劃的話，多少有些讓人不太靠譜。

不過隨著Token越來越便宜，MCP協議工具越來越豐富，Agent產品開始大規模從Demo 走向B端、C端，甚至開始了升級迭代。

已經沒有人會懷疑Agent未來的確定性，只是大家都在尋求一個能夠給企業、個人帶來實質性效率提升的產品。

因為在企業數字化轉型的深水區，員工常面臨「數據孤島難打通、重復工作耗精力、需求對接成本高」的困境。而傳統AI還停留在問答式服務時，一款能記住你、規劃事、交付成果的企業級 AI Agent至關重要。

而最近智譜發布了企業級AI Agent CoCo，按照官方的描述，CoCo除了能夠根據用戶提問自主規劃、異步執行，最終交付成果，基于企業實際情況提供定制化結果外，它還引入了獨特的記憶機制，能夠記住每位員工的職能、工作重點等，從而主動提供服務，做每位員工的專屬AI秘書。

這樣看起來每個人似乎都能非常容易的擁有屬于自己的Jarvis（鋼鐵俠體內的智能助手），但事實情況如何呢？我們進行了一次深度評測，結果確實讓人意想不到。

「交付導向」的落地成色

傳統AI的 “碎片化響應” 痛點在于只能完成單一任務,如生成文案或數據分析，無法串聯企業復雜工作流。而AI Agent不僅能被動響應用戶指令，還能主動規劃任務路徑、調用工具并與環境互動，例如通過多輪對話理解用戶需求并執行數據分析等復雜任務。

于是我們對CoCo進行了全方位的AI Agent核心功能測試。

首先我們將自己形容成一位在電商平臺工作的市場運營人員，想要策劃一個618電商促銷方案，于是我們 讓CoCo幫忙前置調研，看看各大電商平臺都有哪些政策。

輸入問題： “幫我 總結2025年各大電商平臺的相關政策 ”。CoCo在接收到要求后，首先會給到一個任務規劃，我們可以去任意修改或者確認這個規劃，當我們確認規劃后，CoCo便開始自動工作，最終給到了一個非常完整且數據準確、靠譜的解決方案，達到了直接可用的效果。

可以看到，CoCo根據給出的 任務 自行擴展延伸了許多搜索詞并執行了檢索，最后形成了一份網頁形式的文字報告。頁面包含了比較豐富的內容，排布簡潔，美觀性也說得過去。并且對一些復雜的部分，CoCo還以表格形式進行了精準總結。

當然，我們也可以根據企業原有的工作流、知識庫、數據庫來進行調整，讓CoCo的每次回答都能基于企業內部實際情況，提供更貼合企業的結果。

以數據復雜的銷售行業場景為例，我們 模擬并上傳 上傳了 一 組 某公司華北地區的銷售 數據， 讓CoCo幫忙分析銷售情況，給出改進建議 。

可以看到， CoCo調取了我們上傳的銷售數據，還關聯了“天氣情況”、“消費者反饋數據”等其他數據，并且輸出了針對性改進建議，決策周期大幅縮短。

作為企業級Agent，CoCo對于企業業務場景的理解非常深入。我們進行了一次真實場景測試，假定用戶的身份是汽車銷售，正準備向客戶推薦一款汽車。

我們 給CoCo 輸入 了客戶的選車條件 ，首次強調“續航里程大于500公里”，第二次補充“充電網絡覆蓋全國主要城市”，第三次提及“售后服務響應時間小于2小時” 。 然后還模擬了一份客戶歷史的購買記錄，顯示這些客戶 曾購買過某品牌電動車，續航表現不佳 。 在給定以上條件后，我們讓CoCo生成一份定制化銷售提案。

從結果來看，CoCo 精準識別到了該客戶 的痛點，在報告中特別關注了汽車的續航、維護問題，用簡明的圖表給出了清晰的銷售建議和話術。

最后， 我們還進行了 用戶 個性化測試， 先配置了某 電商運營 員工的工作 職位和工作習慣 （該員工70%的工作與數據處理相關） ， 然后直接讓生成工作日報。可以看到，在提問語沒有額外信息的情況下，CoCo生成的日報就包含了GMV、訂單數等電商關注的核心指標，可見CoCo的確理解不同員工的工作內容和重點。

幾 輪測試下來，可以非常明顯的感知到， 作為企業級的智能體， CoC o不僅能無縫接入和利用好企業現有的數據和資源，本身也更加理解企業和員工的真實工作場景，交付 符合企業、個人 需求的 成果。

重新定義「人機協作ROI」

CoCo 的價值不僅在于核心功能上的好用，更在于其對傳統工作模式以及傳統AI工具的重構。

傳統企業級AI工具常因復雜操作界面（如代碼級配置、多模塊權限管理）導致員工抵觸，而CoCo采用的是 簡單明了的 可視化交互界面，普通員工可在30分鐘內便可掌握基礎操作（如創建任務、調用系統數據）。

對于深度功能（如自定義工作流模板），用戶也只需學習類似Excel函數 的規則配置語言即可快速上手。這種設計打破了傳統AI工具的技術壁壘，使企業無需投入大量資源進行培訓，即可實現全員數字化協作。

另外，企業中60%以上的基礎工作屬于重復性勞動（如公司盡調、會議紀要、數據報表、客戶需求整理），CoCo通過自動化工作流引擎，能夠實現對重復工作的替代，使其成為釋放人力價值的“效率杠桿”。

例如在公司盡調場景中，可以借助官方自帶的公司盡調助手，只需要告訴它公司名字，便可生成一份完整的公司盡調，并且還可以轉換為思維 導圖 的形式，大大提高了辦公效率。

此外，數據分析、股票分析、法務分析、會議紀要等各行各業中的繁雜的重復性工作，在CoCo一句話便能實現。

「企業部署」正當時

總體用下來可以發現， 智譜CoCo的核心調度 和執行 引擎采用的是code 路線 ，脫離對模型FC能力的強依賴，通過context 閉環機制實現任務規劃與執行的全鏈路可控。

另外，CoCo 原生支持MCP協議， 通過產品化MCP Server接入方案，可 無縫接入企業資源， 直接調用企業ERP、CRM等內網工具。例如在銷售數據場景中，CoCo能實時調取本地數據庫的數據，而通用Agent只能依賴公開數據集。

CoCo預設的工作流工具也可自動轉換為 MCP 協議工具 ，無需人工配置參數。對比之下，一些產品的MCP服務需開發者手動封裝API，效率低下。并且通過MCP Server標簽機制，CoCo能根據用戶歷史行為（如70%工作與數據處理相關）優先推薦數據分析功能，而通用Agent的工具列表為靜態配置，缺乏個性化適配。

值得注意的是，與一些Agent多依賴公有云服務，無法滿足金融、醫療等行業的合規要求，CoCo 支持將模型、知識庫、工具鏈全部部署在企業本地服務器，不但響應更加迅速，還能做到數據不出內網，實現效率與安全的平衡。

在落地層面，CoCo更具創新性的功能是可以結合企業內個人用戶的本地數據，及使用過程中形成的記憶，打造內生于企業環境，同時了解用戶偏好（“ 懂你懂企業，能干能交付 ”）的超級助手。并且基于使用數據的沉淀、挖掘，個人使用數據篩選，工作流模板復用功能，使CoCo支持將高頻任務（如跨部門需求對接）固化為可復用模板，提高員工效率的同時，也夯實了企業數據、資產的建設。

毋庸置疑，作為 一個 真正落地的企業級超級Agent，CoCo交出了一張出色的答卷，切實解決了企業重復勞動多、數據流通難、經驗沉淀弱的痛點，讓AI從成本中心成為效率引擎。CoCo也讓我們看到，當AI真正懂企業，才是智能協作時代的真正開端。