前言

2026 年 5 月 20 日，腾讯上线了操作系统级 AI 助手马维斯（Marvis）。这不是又一个聊天机器人——它内置 6 个 Agent 协作、端云双模式、GUI 操作能力，是第一个把 Multi-Agent 架构做成消费级产品的案例。

这篇文章从技术角度拆解马维斯的架构设计、Agent 协作体系、安全机制和端云路由策略，并跟 Claude Code、OpenClaw 做横向对比。

---

一、产品定位：OS 级 AI 中间层

马维斯不是跑在操作系统上的独立应用，而是嵌入系统底层的 AI 中间层：

传统 AI 助手：用户 → AI 聊天窗口 → 输出文本
马维斯：      用户 → 自然语言 → 操作系统 API → 文件/设置/应用/硬件

维度	ChatGPT/Claude	马维斯
交互方式	文本对话	文本 + 屏幕视觉 + 系统 API
作用范围	对话窗口内	整个操作系统
能做的事	回答问题、生成内容	读取文件、操控软件、修改系统设置

---

二、6 Agent 协作体系

马维斯的核心架构是1 个主 Agent + 5 个专业 Agent：

用户自然语言指令
  ↓
PM Agent（主 Agent / 项目经理）
  ├─ 意图理解
  ├─ 任务拆解
  └─ 并行调度
      ├─ File Agent         — 文件搜索/阅读/生成/格式转换
      ├─ Computer Agent     — 系统设置/硬件检测/清理优化
      ├─ App Agent          — GUI 操控桌面应用和安卓 App
      ├─ Browser Agent      — 网页交互/数据抓取/表单填写
      └─ Search Agent       — 网络搜索/信息聚合

Agent	技术实现	典型能力
PM Agent	云端混元/DeepSeek V4 做复杂意图理解 + 任务拆解	拆任务、分派、汇总
File Agent	本地文件索引 + 语义搜索（图片文字/人脸/场景识别）	模糊描述定位文件，批量处理发票生成 Excel
Computer Agent	Windows API 直调（非模拟点击），硬件检测走系统调用	查询电池健康/磁盘清理/开机项管理/游戏兼容性检测
App Agent	GUI 视觉识别 + 模拟操作，支持 EXE 和安卓 App	操控同花顺查股价、网易云播放音乐、微信发消息
Browser Agent	浏览器接管 + DOM 解析	网页数据抓取、价格监控、表单填写
Search Agent	网络搜索引擎调用	信息聚合 + 引用溯源

---

三、端云协同双模式

马维斯的模式切换是自动路由，不是用户手动选：

	效率模式（默认）	隐私模式
推理引擎	混元 + DeepSeek V4（云端）	Qwen 端侧模型
数据处理	复杂意图 → 云端；执行动作 → 端侧	全部本地，零上云
联网要求	需要	断网也能用
适用场景	日常办公	财务/法务/HR 等敏感场景
硬件加速	Intel OpenVINO	Intel OpenVINO

路由策略

用户输入 → PM Agent 判断：
  ├─ "帮我整理发票"       → 云端理解意图 + 端侧搜索/识别
  ├─ "分析这份合同的风险"  → 纯端侧，不联网
  └─ "今天天气怎么样"      → 云端搜索

不是所有请求都走云端大模型——能端侧处理的全在端侧，降低 Token 消耗和延迟。

---

四、安全机制

马维斯的安全模型分三层：

层级	操作类型	处理方式
低风险	读文件、搜索、显示信息	AI 自主执行
中风险	删文件、改系统设置	L2 硬垂询：AI 出计划 → 用户确认 → 执行
高风险	支付、转账、操作微信	禁止 AI 执行，必须人工操作

隐私保护

- 隐私模式数据零上云（纯端侧 Qwen 模型）
- 用户可自定义索引范围，敏感内容右键屏蔽
- 官方声明"不用用户数据训练模型"
- Intel OpenVINO 端侧加速，GPU/NPU 推理速度比 CPU 快 2-10 倍

---

五、跨端协同

Windows PC  ←→  Mac  ←→  Android  ←→  iOS
   ↑ 同账号设备间互通

PC 端：
  - 直接操控安卓 App（应用宝跨端引擎 + 虚拟机）
  - 锁屏状态下手机可远程解锁并操作

手机端：
  - 实时查看 PC 桌面（桌面级可视化操控）
  - PC 断网时自动切换为云端 Marvis 模式

---

六、与主流 Agent 产品对比

维度	马维斯	Claude Code	OpenClaw
Agent 类型	GUI Agent + Code Agent	Code Agent	Code Agent（框架）
用户	普通用户	开发者	极客/开发者
多 Agent	内置 6 个出厂协作	子 Agent 按需创建	需自建工作流
系统权限	Windows API 原生集成	Shell + 文件读写	需自行配置
跨应用操作	✅ GUI 操控 App	❌	❌
隐私模式	✅ 端侧模型断网可用	❌ 必须联网	可配本地模型
扩展性	官方预置为主	MCP 工具 + Skill	无限自定义
上手难度	极低，开箱即用	低，懂终端即可	中高
费用	每天 1000 万 Token 免费	API 费用自理	开源免费

---

七、技术亮点与局限

亮点

1. Multi-Agent 并行消费级落地 —— 第一个把多 Agent 架构做成开箱即用产品的案例
2. 端云路由 —— 能端侧的不走云端，Token 消耗大幅降低
3. 隐私模式 —— 敏感场景断网可用，解决企业合规问题
4. GUI Agent 实际可用 —— 不是 Demo，是能操控微信、同花顺、网易云的生产级实现
5. L2 硬垂询 —— 对高风险操作有明确的安全兜底

局限

1. 不可编程扩展 —— 目前不能像 OpenClaw 那样自定义 Skill 和工作流
2. 无长时间自主任务 —— 不能夜间值守、不能定时触发、不能 Idle 循环
3. 依赖腾讯生态 —— 跨端能力依赖应用宝引擎，非开放标准
4. Model Lock-in —— 端侧模型绑定 Qwen，云端绑定混元/DeepSeek，不支持自由切换
5. Agent 间通信协议未公开 —— 是否使用 A2A/MCP 未明确，生态扩展性存疑

---

八、对 Agent 开发者的启示

1. Multi-Agent 不是学术概念了

马维斯证明了 6 Agent 架构不是 PPT——是能跑在普通用户电脑上的产品。

2. 端云路由是下一阶段的标配

全走云端太贵，全走端侧太弱。按任务复杂度自动路由——这个设计模式值得搬到任何 Agent 项目里。

3. GUI Agent 是 Code Agent 的自然延伸

Claude Code 只操作终端能碰的东西。马维斯证明"让 AI 看见屏幕、点击鼠标"在工程上是可行的。你的 Agent 接一个屏幕截图 + 点击 API 就能从 Code Agent 升级为 GUI Agent。

4. 安全分层是生产级 Agent 的及格线

低风险 → 自动执行
中风险 → 暂停确认
高风险 → 禁止执行

这三层你在自己的 Agent 里也能做——BashTool 加一个操作分级，10 行代码。

---

九、总结

1. 马维斯 = 1 个 PM Agent + 5 个专业 Agent + 端云双模式 + 操作系统 API 集成
2. 架构逻辑跟你学过的 Agent 设计完全一致 —— 差异在规模，不在原理
3. 三大技术亮点：Multi-Agent 并行、端云路由、隐私模式
4. 三大局限：不可编程扩展、无长期自主运行、生态封闭
5. 对开发者的启示：GUI Agent 是方向、端云路由是标配、安全分层是底线

马维斯证明了 Agent 不是极客玩具——是普通人的数字助理。下一个问题不是"Agent 能干什么"，而是"你还想自己干吗"。

如果对你有帮助，点赞收藏不迷路。

---

封面提示词

A minimalist digital illustration: a central hexagonal hub (PM Agent) with five glowing spokes connecting to five distinct icons — a folder (File), a gear (Computer), an app window (App), a browser tab (Browser), and a magnifying glass (Search). All six elements float on a clean dark background with subtle circuit-board grid lines. Technical blue and amber color palette. Flat vector style with geometric precision. 16:9 aspect ratio.