OpenClaw
OpenClaw值不值得留在电脑里，核心不在名气大小，而在它能不能把 AI 从聊天窗口拉到本地执行、工具协同和连续动作链里。执行链完整，适合长期协作、本地任务和跨工具自动化。执行力越强，权限和审查越重要；不可逆动作、账号操作和生产写入不能放飞。站长看它更像个人工作流底盘，而不是单纯聊天壳。
30
当前子板块已收录软件
AI工具
所属一级频道
子板块导航
频道页名称与子板块名称已经按当前软件分类体系统一，切换后可继续浏览对应软件列表。
AI智能体 软件列表
列表按当前子板块的排序规则集中展示，方便继续浏览与跳转详情页。
ArkClaw
站长看ArkClaw，不会先看它写了多少卖点，而是看它能不能把部署门槛砍掉，让团队更快用上可执行的智能体能力。部署轻、接入快，与云端办公链路更容易接起来。门槛低通常意味着掌控感让给平台，关键流程和数据边界不能不看。站长看它卖的不是玄学能力，而是省掉部署成本。
QClaw
QClaw这类聊天入口型智能体，真正该看的不是宣传词，而是它能不能把任务入口压进高频聊天场景，减少在工具之间反复切换。接近消息流，找文件、整理信息和承接零散任务更自然。聊天入口方便，但隐私、账号权限和复杂任务边界更要盯紧。站长看它的价值在于离工作入口更近，而不是功能表更长。
AutoClaw
站长看AutoClaw，不会先看它写了多少卖点，而是看它能不能把智能体安装、启动和基础执行压缩成更短的命令行路径。上手路径短，强调 one-cli，能明显降低第一次尝试门槛。装得快不等于管得住，长期运行、监控和权限治理还得自己补。站长看它像给动手用户准备的快刀，先把 agent 立起来再说。
Genspark
Genspark 真正让人愿意继续用下去的地方，不是再包一层聊天壳，而是它试图把搜索、研究、整理和执行式工作塞进同一个 AI 工作台里。官方首页现在就把自己定义成 all-in-one AI workspace，官方博客也不断强调搜索、浏览器、Agent 和工作空间的合体路线。换句话说，它想做的不是“回答你一句”，而是“替你把一段任务往前推”。 这类产品最适合的，不是拿 AI 当百科问答替代品的人，而是要连续处理任务的人。你可能在做市场调研、方案收集、竞品信息整理、旅行规划、内容选题、项目资料归纳，也可能只是想把一堆零散网页和想法尽快拢成可继续使用的结果。对这些场景来说，能不能把搜索结果、整理过程和后续输出放在一个连续工作区里，比单轮回答漂不漂亮更重要。 Genspark 值得收录，是因为它已经明显从单一 AI 搜索往更完整的 Agent 工作台方向走。公开资料里能看到它持续推出 Deep Research、AI Drive、并行搜索和多类工具化工作区，首页也把 Slides、Docs、Chat、图像与视频生成等能力摆在同一套产品叙事里。本站更看重这种“让任务连起来”的产品方向，而不是又多了一个只能改写几段文案的聊天页。 但也正因为它野心很大，使用时更不能把它神化。工作台越复杂，越容易让人误以为结果天然可靠。实际上，Genspark 仍然只是把资料聚合、整理和生成速度做快，不会替你承担核实、判断和最终决策。尤其是涉及事实准确性、报价、政策、行业判断时，来源交叉验证依然是必要动作。 本站对 Genspark 的判断是：它更像一个面向复杂任务的 AI 智能体工作台，而不是普通聊天产品。如果你平时经常做“先搜一圈、再整理、再输出”的连贯型工作，它比单一聊天页更有留下来的可能。
MiniMax Agent
MiniMax Agent 值得关注的，不是它也能聊天，而是它从官方定位开始就不想只做聊天框。官方首页直接写的是“简单指令，无限可能”，独立入口页的描述也把搜索解答、图像识别、语音对话、创意写作、文档解析和多智能体协作并列放在一起。这说明它想承接的是一整段任务，而不是一句问答。 因此它更适合那些每天都在处理杂务但又希望把这些杂务交给 AI 往前推的人。无论是先搜资料、再整理、再写成文案，还是读文档、拆任务、做初版方案，MiniMax Agent 这类通用智能体入口都会比单一模型聊天页更对路。因为你需要的不是“回答”，而是“继续做下去”。 本站愿意收录它，一个原因是 MiniMax 近一段时间明显在把 Agent 当成产品主线，而不是模型演示附属页。官方公开材料里，MiniMax Agent 已经被放进整个 AI 产品矩阵，也多次被描述为能完成长程复杂任务的通用智能体。这意味着它的目标不是替你润色两句话，而是争取在真实使用链路里留下来。 当然，也别因为它叫 Agent 就自动高估。多模态、搜索、文档和协作这些能力只要放在一个工作台里，就会给人一种“它什么都能搞定”的错觉。事实仍然是，复杂任务越多，越需要你把目标说清楚、过程盯住、结果复核。智能体能减轻重复劳动，但不会替你承担最终责任。 本站对 MiniMax Agent 的判断是：它更像一个面向高频任务的通用 AI 伙伴，而不是拿来图一时新鲜的聊天页。只要你的日常工作不是单句问答，而是连续执行、连续调整、连续交付，这类产品就值得保留。
Flowith
Flowith 值得看的，不是又塞进了几个热门模型名字，而是它把“思考、创作、执行”当成一条连续流程来做。官方首页现在直接写着 Think, Create, Execute，并把自己定义成 agentic AI workspace。这说明它想要承接的不是一轮问答，而是一段会不断分叉、整理、再落回结果的工作流。 这类产品最适合的，是手里任务本来就不线性的人。你可能一边查资料、一边写东西、一边拆想法、一边决定下一步要不要继续深挖。普通聊天页在这种场景里往往只能给你一块输入框，而 Flowith 这类工作台更强调把知识、上下文、生成和执行留在同一个空间里，不让思路频繁断掉。 Flowith 值得收录，还因为它的产品表达已经明显超出“多模型聚合聊天”阶段。官方描述里，它强调 knowledge、creation 和 execution 被连在 single flow 里，这种说法本身就很像面向任务流的智能体工作台，而不是单纯给你多个 bot 轮流聊天。本站更看重这种结构能力，因为真正能长期留下来的工具，通常不是回答最花哨的那个，而是最能把任务往前推的那个。 但也别因此把它神化。只要产品开始强调 flow、workspace、agentic，用户就很容易误以为自己只要开个任务，后面就能自动完成。现实里，任务越复杂，越需要你给出边界、目标和取舍标准。Flowith 能帮助你把过程串起来，但不会替你做最终判断。 本站对 Flowith 的判断是：它更像一个围绕复杂任务运转的 AI 智能体工作台，而不是普通聊天页。只要你的工作经常在信息整理、内容产出和下一步执行之间来回切换，它就比单轮对话产品更有留下来的理由。
讯飞星辰Agent
讯飞星辰Agent 值得看的，不是页面里摆了多少案例卡片，而是它把“创建、调试、发布智能体”这件事做成了完整平台。官方首页现在直接写的是一站式智能体开发平台，导航里能看到智能体广场、插件广场、Prompt 工程、效果测评、发布管理、模型管理这些模块。这个信号很明确：它想服务的不是只来问几句话的人，而是要真的把 Agent 做出来的人。 因此它更适合开发者、产品经理、企业应用设计者以及想把 AI 接进自己业务流程的人。和消费级聊天页相比，这类平台最有价值的地方不是一轮回答有多惊艳，而是你能不能在同一个后台里把提示词、工作流、插件、模型、评测和发布串起来。只要目标是构建和交付，而不是简单聊天，这种平台就更对路。 讯飞星辰Agent 值得收录，还因为它在官方文案里已经把 Prompt、Workflow、插件、MCP Server、AstronClaw 云端部署和多渠道发布整合到同一套叙事里。这种产品路线不是“给你一个模型试用页”，而是“给你一套生产级智能体搭建工具链”。本站更看重这种能落到生产和分发层面的能力，因为真正有长期价值的 Agent 平台，核心不是会说，而是能不能用。 当然，这类平台的门槛也会更高。模块越多，意味着自由度更大，但也意味着你必须自己承担更多设计与验证工作。创建流程顺不顺、插件选得对不对、评测是否充分、发布后的边界是否清楚，都不会因为平台叫 Agent 就自动成立。它给你的是工具链，不是成品答案。 本站对讯飞星辰Agent 的判断是：它更像面向生产和发布链路的 AI 智能体平台，而不是面向大众的聊天页。只要你的目标是搭建、配置和分发可用 Agent，而不是只体验几轮对话，它就值得单独收录。
AgentGPT
AgentGPT 被收进本站，不是因为它会自动行动这句话听上去很猛，而是因为它把“目标驱动的智能体”这件事做成了浏览器里就能理解的形态。官方页面直接写着可以在浏览器中组装、配置和部署 autonomous AI agents，这让它和普通聊天页的差别非常明确。 对想理解 Agent 到底怎么工作的用户来说，AgentGPT 有一个很大的优点，就是过程感强。你不是只看一段答案，而是能观察它围绕目标展开任务、继续细化步骤、尝试往前推进。这种体验比单轮问答更接近很多人对“智能体”概念的第一手理解。 本站愿意收录 AgentGPT，还因为它的定位很清楚。它不是办公助手外壳，也不是多模型聚合页，而是直接把重点放在 agent 组装、配置和部署上。对于想从聊天工具再往前走一步、开始理解目标拆解和自动执行边界的人，这类产品很有解释价值。 但它的局限也必须说清楚。只要任务开始变长、信息开始变杂，所谓“自主执行”就很容易出现跑偏、重复、误判边界甚至中途失真。AgentGPT 适合用来体验和理解 agent 逻辑，不适合在没有复核的情况下承接高风险决策或正式交付。 本站对 AgentGPT 的判断是：它更像一款帮助用户看清智能体工作方式的浏览器 Agent 工具，而不是答案更花哨的聊天页。只要你的目的不是追求一句更漂亮的话，而是想理解目标如何被拆开、推进和修正，它就值得单独收录。
Dify
Dify 真正值得单独收录的，不是它又把 Agent 和 Workflow 放在一起说，而是它把生成式 AI 应用搭建这件事做成了相对完整的平台叙事。官方页面直接强调 agentic workflow、autonomous agents 和 RAG pipelines，这说明它想服务的不是只来问几句话的人，而是准备把 AI 能力真正接进业务和团队流程的人。 这类平台最适合产品经理、开发者、AI 应用搭建者以及需要把大模型能力组织成可交付方案的团队。你不是只想要一个回答，而是想把提示词、知识检索、工作流和上线入口串起来。Dify 的价值，恰恰在于把这些通常分散的事情压到同一条搭建链路里。 本站愿意收录 Dify，还因为它兼顾了表达清晰和落地导向。很多平台会把自己写得很大，但读完仍不知道到底能干什么；Dify 至少把 Agent、RAG、部署和管理这些关键词直接摆在明面上，让人能快速判断它不是纯概念页，而是偏生产用途的 AI 应用平台。 但平台型工具的门槛也不能回避。只要你开始设计工作流、接知识库、做多步骤判断，复杂度就会迅速上升。流程设计得不清楚，模型选型不合适，评估没做扎实，最后都会变成表面很全、实际难用。Dify 能给你搭建框架，但不会代替你做产品判断。 本站对 Dify 的判断是：它更像面向团队和业务场景的 AI 智能体与工作流平台，而不是普通聊天入口。只要你的目标是构建、管理和发布一套可持续使用的 AI 应用，它就值得单独放进 AI 智能体板块。
n8n
n8n 被放进本站 AI 智能体板块，不是因为它忽然会聊天了，而是因为它把 AI 能力和业务流程自动化放在了一起。官方页面直接把自己定义为 AI workflow automation platform，并强调兼顾代码灵活性和 no-code 速度，这说明它的重点不是演示模型回答，而是让技术团队把 AI 真正接进可持续执行的流程里。 这类工具最适合的，是那些已经知道自己要自动化什么的人。你可能要把表单、数据库、消息通知、资料处理和 AI 节点串起来，做成可重复执行的流程。对这种需求来说，n8n 的价值不是“会不会回答问题”，而是“能不能稳定把一串动作组织起来”。 本站愿意收录 n8n，还因为它在定位上很克制。很多 AI 产品一提自动化就容易空泛，但 n8n 至少把业务流程自动化和 AI 能力并列说清楚，让人能直接判断它更偏执行链路而不是偏展示层。对真正想把 AI 落地进团队工作的人来说，这种方向很重要。 但也要把难点说透。流程平台一旦接进多个系统、多个触发条件和多个判断节点，复杂度会快速堆起来。连线本身不难，难的是异常处理、权限边界、数据一致性和后续维护。n8n 可以帮你提效，但不会替你省掉流程设计责任。 本站对 n8n 的判断是：它更像一款把 AI 能力压进工作流自动化里的智能体平台，而不是纯聊天产品。只要你的目标是把模型能力嵌进实际业务流程，而不是单独体验一轮对话，它就值得放进 AI 智能体板块持续扩充。
Devin
Devin 真正值得收录的，不是“首个 AI 软件工程师”这句口号本身，而是它把很多人对代码智能体的想象推进到了更贴近团队协作的一层。官方首页没有先堆功能词，而是直接用企业案例、效率提升和 parallel cloud agents 说话，这说明它想卖的不是临时问答体验，而是把一部分工程任务从“人盯着做”转成“人定义任务，代理并行推进”。 这类产品更适合谁，其实很明确。适合已经有正式研发流程、积压任务和重复工程劳动的团队，例如迁移代码、处理批量改动、补辅助逻辑、推进耗时但规则相对清晰的开发工作。对这些团队来说，Devin 的价值不在于一句回答更像工程师，而在于它能不能在明确任务下持续工作、减少人工反复投入。 本站愿意收录 Devin，还因为它代表了一种更激进但也更真实的 AI 使用方向。很多 AI 编程产品停在“帮你写”，Devin 则更接近“帮你做一部分工程推进”。这类差异非常关键，因为真正决定团队是否愿意持续付费和接入的，往往不是模型会不会说，而是代理能不能接得住任务、交得回结果、并且让团队有复核和接管空间。 但也要把预期压稳。只要开始把工程任务委托给智能体，风险就不再只是写错一段代码，而是任务理解偏了、依赖判断错了、改动边界失控，最后整轮工作都可能返工。Devin 可以承接一部分重复工程，但绝不代表团队可以跳过审查、测试、验收和责任归属这些环节。 本站对 Devin 的判断是：它更像一款面向研发团队派工和并行执行的 AI 软件工程师智能体，而不是普通的代码问答工具。只要你的目标是把部分工程任务交给代理持续推进，而不是只让 AI 提几句建议，它就值得放进 AI 智能体板块重点观察。
OpenHands
OpenHands 值得被单独放进 AI 智能体板块，不是因为它只是另一个开源项目，而是因为它把“代码智能体平台”这件事做得很公开也很工程化。官方首页直接强调 open platform、cloud coding agents、SDK、Web GUI、CLI 和 benchmarks，ai-bot 的介绍又补上了多智能体协作、沙箱环境和命令执行这些关键信号，这说明它要解决的不是单次代码建议，而是如何在一个可控平台里持续运行和评估 coding agents。 这类工具最适合的，不是只想体验一下 AI 写代码的用户，而是需要自己掌控代理环境、工作方式和扩展接口的开发者与团队。你可能想要的不只是一个回答器，而是一个能接命令、能读文件、能跑任务、能多代理协作、还能被继续开发和评估的底座。OpenHands 的价值，就在于它更像平台和实验场，而不只是产品壳。 本站愿意收录 OpenHands，还因为它给了开发者更强的掌控感。很多代码智能体产品一旦做成闭源服务，用户能看到的是结果，难以真正理解里面的执行链路和可改造空间。OpenHands 把开放平台、SDK 和 benchmark 都放在前面，意味着它更适合那些想认真研究、接入或二次构建 coding agents 的人。 但开放不等于简单。功能越开放、代理越可编排、环境越可自定义，接入门槛通常也越高。沙箱怎么配、任务怎么拆、多代理如何协同、评估结果如何解读，都不是点两下按钮就能自然搞定的。OpenHands 适合认真使用的人，不适合期待它自动把复杂工程问题一键抹平。 本站对 OpenHands 的判断是：它更像一个面向开发者和团队的开放式代码智能体平台，而不是普通的 AI 编程聊天工具。只要你的目标是掌控 coding agents 的运行方式、扩展能力和评估链路，而不是只拿来偶尔问代码，它就值得放进 AI 智能体板块。
Loomy
Loomy 值得被单独放进 AI 智能体板块，不是因为它又换了一个个人助理的包装词，而是它明显想把 AI 从聊天框往桌面执行层再推一步。官方把它放在 AI 工作搭子的语境里，这说明它强调的不是陪聊，而是围绕真实任务去接文件、调网页、处理信息和推进步骤。 它更适合哪些人，也比普通聊天工具更容易分出来。经常在电脑前处理文件归类、信息整理、网页操作、内容起草、邮件跟进和重复性办公动作的人，会更容易感受到这类桌面智能体的价值。对运营、助理、项目协同、轻量分析和需要跨多个窗口来回切换的人来说，它比单纯回答问题更接近日常工作场景。 这类产品真正有没有留存价值，不是看演示视频里它能一次跑多少步，而是看它能不能稳定帮人减少机械操作。Loomy 的吸引力，在于它试图把原本散在文件夹、浏览器、通讯工具和办公软件里的小动作串成一条执行链，让人把精力更多放在判断和确认上，而不是反复搬运和点点点。 但越接近执行层，越要把预期压稳。桌面级 AI 智能体一旦开始碰网页、账号、文件和跨应用操作，误点、误删、跑偏和边界不清的问题就会比普通问答更明显。它适合做整理、起草、辅助推进和低风险重复任务，不适合在没有人工复核的情况下直接接管正式对外发布、敏感数据处理或不可逆操作。 本站对 Loomy 的判断是：它更像一款强调桌面任务推进能力的 AI 智能体，而不是换皮聊天助手。只要你的工作里存在大量重复点击、信息整理和跨软件协同，它就值得放进 AI 智能体板块持续关注。
DuMate
DuMate 值得被放进 AI 智能体板块，不是因为它又用了办公搭子的说法，而是它把重点放在了从指令到执行再到交付这一整段链路上。官方页面强调的是桌面级 AI 智能体和办公任务推进，这意味着它想卖的不是一轮回答，而是让人把部分软件操作、文件处理和流程串联交给智能体去跑。 它更适合哪些人，其实也比较清楚。经常处理文件整理、资料流转、数据加工、业务系统录入、报表辅助和重复办公动作的人，会比只想找个聊天窗口的人更容易理解它的价值。尤其是助理、运营、行政支持、流程岗、轻分析岗位和需要频繁在多个系统之间切换的人，更可能把它看成真正的效率工具。 这类桌面智能体最有吸引力的地方，在于它试图把原本分散在浏览器、文件夹、办公软件和业务入口里的碎片动作接起来。DuMate 如果能稳定把任务拆解、按步骤执行并把结果交回给人确认，它就比普通问答型工具更接近真实工作流，也更有机会留下来承担那些重复但不值得人反复手动操作的事务。 但执行能力越强，风险也越高。只要一款工具开始碰文件、账号、系统入口和跨应用动作，误操作、边界不清、结果跑偏和敏感数据外泄的风险就会一起放大。DuMate 更适合做低风险的整理、起草、辅助推进和流程缩短，不适合在没有人工复核的情况下直接替你完成正式对外发送、关键业务录入或不可逆操作。 本站对 DuMate 的判断是：它更像一款偏桌面办公执行的 AI 智能体，而不是普通聊天页的加长版。只要你的工作里存在大量重复软件操作、数据搬运和流程衔接需求，它就值得放进 AI 智能体板块持续观察。
Coze
Coze 值得被放进 AI 智能体板块，不是因为它名气大，而是它把重点放在了让普通用户和团队去搭自己的智能体与工作流。官方页面覆盖了 PPT、数据分析、网页开发、设计、写作和工作流这些场景，说明它想卖的不是单轮问答能力，而是一套可以不断扩展的智能体平台。 它更适合哪些人，也很容易判断。经常需要把重复任务收拢成一个入口、想让 AI 按特定流程工作、希望自己搭助手而不是只用现成聊天工具的人，会更容易体会到 Coze 的价值。运营、产品、内容团队、轻开发用户和喜欢自己拼装工具流的人，都更可能把它留在长期工作里。 Coze 真正吸引人的地方，不是功能表越写越长，而是它让很多本来分散的能力有机会被接成一条可复用的链。你可以把提示词、知识、插件、流程节点和不同任务场景往同一个入口里收，这比一次次重新开新对话、重新解释需求，更接近真实工作环境里的复用逻辑。 但平台越灵活，越容易被高估。能搭智能体，不代表搭出来就一定稳定；能接工作流，也不代表每一步都适合直接放到正式生产里。涉及敏感数据、对外发布、关键数字、客户材料和不可逆操作时，人工复核仍然不能省。Coze 更适合做流程前推和效率放大，不适合被当成无边界代办系统。 本站对 Coze 的判断是：它更像一款适合搭建和持续打磨 AI 智能体的工作台，而不是普通聊天产品的加法版本。只要你的目标是把某类任务沉淀成可反复调用的助手或流程，它就值得放进 AI 智能体板块持续关注。