在 2025 年上半年，Agent（智能体）与 MCP（模型上下文协议）成为 AI 技术圈最受关注的关键词。而字节跳动新推出的 Agent 平台「扣子空间」，凭借独特的“规划模式”开启内测后，迅速成为业界讨论焦点。
这款平台提出了一个崭新的理念：让 AI 不再是一个只会接指令的执行机器，而是能在关键节点「主动对齐」目标的虚拟实习生。
「规划模式」：让 AI 主动停下来问你「接下来这样做可以吗？」
与传统大模型“一次性完成”的交互方式不同，扣子空间开创性地引入“规划模式”：任务执行过程中，AI 会在流程关键点暂停，和用户对齐目标、修正方向，再继续推进。这种「人机共创式流程」能有效减少跑偏和无效产出，让复杂任务变得更高效、更具可控性。
这就像带教实习生的场景——TA 会在执行过程中不断与你确认目标是否一致，不懂就问，不对就改。
Manus-AI资讯站实测：用 AI 实习生处理真实舆论危机 + 高阶关税追踪任务
我们模拟了多个真实任务场景，实测扣子空间的智能执行能力。
舆论事件应对测试：某知名国产手游「黎明破晓」角色设定争议
在近期《黎明破晓》因角色设定涉嫌文化挪用而遭遇大量负面反馈后，我们假设自己是该游戏的品牌公关负责人，交给 AI 实习生一个完整任务：
- 监测事件传播时间线和舆论趋势
- 搜集玩家吐槽点与批评声音
- 提取公众关注焦点与指责核心
- 撰写应对策略报告，提供多角度建议
- 根据策略草拟官方回应声明
AI 实习生生成的初稿在结构完整性、情绪敏感度分析、应对策略的多元性方面表现出色，且生成了 Markdown 分步报告用于对齐和后续修改，体现出极强的结构化交付能力。
我们在反馈环节中指出回应语气不够诚恳，AI 迅速进行调整，生成更加具有人情味与责任感的声明，真正做到“协同式修正”。
高阶任务场景：实时中美关税变动追踪系统
另一个挑战任务：追踪 2025 年 4 月以来中美间重点商品（如消费电子、医疗设备、玩具等）关税变化。我们要求：
- 自动抓取权威数据源更新税率
- 区分新增政策与旧有条目
- 梳理不同税目叠加方式
- 制作数据可视化动态表格
- 提供中短期影响预测
结果显示，AI 实习生能够迅速理解任务逻辑并拆解执行路径。尽管部分税率数值来源需手动优化，但通过「暂停→修正数据源→继续」的模式，AI 能灵活适配不同数据要求。
更聪明的 AI，不再“闭门造车”
扣子空间的最大突破点不在「任务完成快」，而在于「知道什么时候该问、该停、该对齐」。
这极大程度缓解了用户“写好 prompt”的压力，尤其适合提示工程经验不足的小白用户。在任务执行中，你可以随时按下暂停，修正指令或调整目标，让任务沿着你想要的路径前进。
这就像你带着一个实习生在工作，每一阶段都可以指导他做得更贴合你的风格和需求。
Manus：更专业的 AI 协作平台推荐
如果你对 AI 辅助办公有更专业的需求，不妨尝试 Manus-AI。它是另一个专注提升企业和个体工作效率的 AI 平台，集成内容生成、知识库构建、任务管理等多种能力，支持从文本写作到代码生成的高阶功能，是你打造个性化 AI 搭子的强力辅助工具。
Manus-AI 还支持多语言写作、多轮上下文追踪、模版自动化处理，特别适合内容创作者、运营人员、职场工作者使用，欢迎体验：https://manus-ai.net
让 AI 不再只是工具，而是你的数字搭子——Manus-AI，让效率与创意齐飞。
专业 Agent 系统：不仅“全能”，还可以“专精”
除了通用型 AI 实习生，扣子空间还支持调用“专家 Agent”：
- 用户调研专家 Agent：负责舆情调研、问卷分析、用户行为拆解
- A股观察助手 Agent：由华泰证券联合推出，支持自选股跟踪、行业分析、日报生成
这些 Agent 可通过 MCP 协议无缝接入，甚至开发者也能通过 扣子开发平台 和 Eino 框架 创建自定义 Agent，上架自己的专属 AI 助手。
未来职场的写照：人机协作不是终点，而是起点
传统 AI 工具注重任务处理；而 MCP + 规划机制的 Agent，强调的是任务过程的理解、分解、执行与优化。而「扣子空间」则进一步将这些能力注入「协同工作流」中，让 AI 成为真正意义上的“职场搭子”。
当 AI 不再仅是一个指令接收器，而是一个会“问问题、听反馈、主动进化”的协作体，我们或许也需要重新思考：未来的职场，不再是“人 vs AI”，而是“人 + AI”的合奏。
Chinese 
English