发现
近一段时间在社交媒体上经常看到有人发 Fellou 邀请码，但我一开始没太当回事儿。因为我正在用 dia，它也是一个 AI 浏览器，可以帮我快速提取视频要点、处理（以当前网页为上下文的） AI 对话等任务，用得很顺手，所以就没想着再尝试新的。
但后来我才发现自己错过了一个关键细节：Fellou 并不是简单的 AI 浏览器，而是一种「AI 代理式浏览器」。这么小的差别，却差点让我和这个好工具擦肩而过。
当然，这也怪现在的邀请码实在太多了，让人一看见就心烦。你看，算力不足显然是个创业者们广泛遇到的严重问题吧？
幸运的是，我朋友少卿专门写了篇文章，大力推荐 Fellou。他说「Fellou 不是 AI 浏览器！更不是 Minus。」
我看到这标题的时候，马上意识到了 Fellou 不寻常 —— 能让一个沉下心来，从哲学角度思考 AI 的人如此激动，这工具肯定不简单。少卿还贴心地给了我一个 Fellou 邀请码，让我可以亲手体验一下。特别感谢少卿。
任务
有了邀请码之后，我能用 Fellou 做什么呢？我就想，既然手里有一个 AI Agent 浏览器，不妨用它来做个关于 AI agent 的调研好了。我给 Fellou 布置的任务是：「调研一下 AI agent 给科研工作者带来的机遇与挑战」。
这个主题源自我两年前写的一篇论文，那时我们讨论的是 ChatGPT 对科研工作者的影响。
如今技术进步飞快，主流应用已经从对话式 AI 迈向了 AI agent 阶段，这种变化究竟能为科研工作带来怎样的好处和挑战？这确实是一个让我感兴趣的话题。
执行
任务提交之后，Fellou 首先开启了一个 "Deep Action" 的模式。简单来说，就是 AI 自己会先思考一下任务的复杂程度，然后做个规划，分步骤来完成任务。Fellou 给出的计划很清晰：先查询学术资源中关于 AI agent 在科研领域的应用，再分析中文科技媒体的相关报道，接下来检索国际前沿的 AI 研究动态，最后收集行业专家们的观点（这一步它是打算从 Medium 平台去找的）。
Fellou 说准备「running shadow window」，也就是在「影子窗口」中执行。我当时有点懵，什么叫「影子窗口」呢？它没解释，而是给了两个选项：要么继续执行，要么重新规划。我心想就别麻烦了，你赶紧执行就好。
结果执行一开始我就明白了，「影子窗口」就是后台执行任务的窗口。它在后台同时打开多个浏览器页面，每个页面都在独立完成特定的任务。
每个任务完成之后，窗口自动关闭，Fellou 在后台默默地处理好了所有事情。这过程中你完全不用动手，只要看着它自动进行就可以了。搜索任务完成后，Fellou 开始生成报告。
等报告一生成，我才发现 Fellou 还真挺有意思的。因为它生成的报告竟然是一个网页，还是用代码写出来的。
更有趣的是，你还可以自由地调整页面的样式，比如选择更详细的版本或者增加一些新的内容，例如加入更多科研案例、如何评估 AI agent 工作质量等。
我先不着急调整，咱们先来看看报告本身怎么样。
报告打开后是一个图文并茂的网页，内容很丰富。
验证
为了确保报告不是浮于表面的，我决定仔细检查每一个细节，并顺便结合自己的想法，和你聊聊 AI agent 到底能给科研工作带来哪些具体的帮助和问题。
概述
我们先来看报告的概述部分。首先，Fellou 告诉我们什么是 AI Agent，也就是人工智能代理。简单来说，它就是一个能自己感知环境、做出决策、还能自动执行任务的智能系统。比如在科研领域，它能帮我们做文献检索、数据分析、实验设计等等。这里它还贴心地引用了出处，你把鼠标放上去，就能看到原始来源，非常专业。
接下来它提到了 AI agent 的普及趋势，说从 2020 年到 2025 年，这种工具的采用率会从 20% 增长到预计的 92%。不过，这个数据它没具体说明来源，所以如果你要用，还是要再去找到来源出处确认一下比较好。
然后报告详细介绍了科研领域中常见的几种 AI agent，比如文献检索占 30%，数据分析占 25%。这些工具分别能帮助科研人员快速总结文献、分析复杂数据、设计实验方案、撰写论文、提高团队协作效率。
这里有个关键的洞察我觉得很有意思。
Fellou 提到 AI agent 正在彻底改变科研工作的模式，把那些繁琐的检索和数据处理任务都接过去了，让科研人员能更多地集中精力在创新和核心科学问题上。换句话说，AI 把过去需要大量人力（比如研究生、科研助理）的重复劳动给包办了，让研究的门槛大幅降低。
但同时，这也意味着科研的竞争更加激烈了。因为当基础工作都变得简单以后，大家比拼的就不是努力了，而是你的创造力和深度思考能力。也就是科研从流水线工厂模式，重新复归到天赋和 AI 协作能力的比拼上。
机遇
报告第二部分展示的是 AI agent 带来的机遇。它用了一张图表直观地说明，AI 能显著减少科研各环节所需的时间。比如过去文献检索可能需要 100 个单位的时间，现在只需 30 个单位；数据分析从 100 降到 40；实验设计从 100 降到 50；论文写作和研究协作的效率也都有显著提高。当然，这里应该包含了额外验证的时间，不然实际效率提升会更明显。
报告中也具体举例了 AI 如何帮我们提高数据处理能力。比如基因组学里，AI 可以分析数百万条基因序列；在材料科学研究中，通过 AI 的辅助，几周就能筛选出有潜力的新材料，传统方法可能得好几年。这确实令人振奋。
AI 还能破解跨学科交流的障碍，比如医生和工程师沟通困难时，AI 自动帮双方翻译术语，让团队合作效率提高了 40%。想想看，以前明明大家都说同一种语言，却互相听不懂，现在 AI 能自动把专业术语变成人话，是不是很赞？
至于提高研究质量与可重复性，报告认为 AI 能减少人为错误，更严格地遵循科学方法。不过我觉得这个得辩证地看待。如果用得不好，AI 也可能降低研究质量。因为现在做个「看起来像模像样」的研究比以前容易多了，所以我们对 AI 产生的内容，更得小心甄别才行。
挑战
说完机遇，咱们也得现实一点，看看 Fellou 在报告中指出的挑战有哪些。报告里用雷达图形象地展示了这些挑战，发现最突出的问题就是数据隐私和结果的可靠性。其次还有伦理问题、学习曲线、技术复杂性，以及成本投入。隐私问题咱们都懂，尤其医学、生物这些敏感领域，数据安全尤其重要。而结果的可靠性，其实主要取决于最终使用 AI 工具的人是否够谨慎。
报告特别指出 AI 系统可能会出现「幻觉」问题，也就是生成一些看似真实、但实际是虚构或错误的内容，这在科研领域可是大忌，稍不注意可能就引发严重后果。
报告还引用了一位博主的提醒：「AI 虽好，但思考主权不能丢。」
我个人觉得这句话特别值得咱们深思。毕竟科研还是要靠人类的创造性思维，AI 目前主要还是帮咱们处理繁琐枯燥的任务。如果什么都依赖 AI，科研人员自身的价值又该在哪里体现呢？
值得注意的是，这里有个乌龙事件。
一开始我看到文献 5，就不由自主想要划过去 —— 在 AI 时代，两年前的内容，可能与今天的技术环境之间差异巨大，价值较低。但是我实际打开才发现，这是知乎上两年前提出的问题，但是回答却是新鲜出炉的。
如果不点开查看，真的有可能因为「时效性」的偏见，错过有价值的回答。
使用 Fellou 研究报告的时候，你或许也需要注意这一点。
工具
接下来报告介绍了一些常用的 AI 工具和应用。第一个推荐的就是 Elicit，它专门给科研人员设计，用来辅助学术研究的，非常精准。其他像 MyStylus（专注于学术写作）、Scite.ai（帮助确认文献引用准确性）、Scholarcy（快速分析文献）、ResearchRabbit（文献管理与调研整合工具），还有 Agent Laboratory（基于大语言模型的科研自动化平台）也都被提到。不过，我注意到 SciSpace 没有出现在列表里，似乎有所欠缺。
报告还贴心地给出了工具整合策略建议，比如根据研究阶段选择工具：初期用 Elicit 和 ResearchRabbit，中期可以考虑 Agent Laboratory，到了论文写作的后期就可以使用 MyStylus。此外，根据学科特点，比如数据密集型的学科可能需要更强的数据分析工具；同时还要考虑工具之间的整合，比如用 API 或工作流管理工具实现数据流转。
这些建议的内容，与我们在 2023 年 10 月发表于《图书情报知识》的文章《AIGC 时代的科研工作流：协同与 AI 赋能视角下的数字学术工具应用及其未来》观点一致。
趋势
再来看看 Fellou 给出的未来趋势预测。它提到几个重要趋势，比如 AI 工具会越来越专业化、定制化，针对不同学科提供精准服务；未来的 AI agent 还会拥有多模态交互能力，不光处理文字，还能处理图片、视频、音频等各种信息，甚至能和环境实时交互。
更厉害的是，AI agent 未来可能实现自主实验，形成「闭环」研究流程。这意味着初级科研人员可能需求会减少，毕竟很多过去需要手动打下手的工作，未来 AI 都能自己完成了，只要你明确输入输出目标，它就能可靠地自动执行任务。
报告同时强调了未来科研模式的改变，人类负责创造力、直觉和价值判断，AI 则专注数据处理和知识整合；科研门槛的降低则让更多有才华的人有机会参与高水平研究。比如，过去只有资金充足的大实验室才能做的研究，未来小团队甚至发展中国家的研究者都能通过 AI 参与竞争，这种科研平权的趋势非常令人期待。
不过，科研周期缩短、竞争加剧，对科研人员的挑战肯定也更大了。所以 Fellou 还特别建议，要把 AI 辅助科研能力纳入教育体系中，同时建立新的科研评价体系，强调创新性和社会影响；推广开源工具帮助资源不充足的地区；建立专门的 AI 科研伦理规范，确保技术健康发展。
建议
报告对研究人员给出了具体建议：一方面要把 AI 当作辅助工具，不要完全依赖；另一方面要系统学习 AI 工具的优缺点，根据实际需求构建自己的工作流。
此外，使用 AI 得到的重要结果必须反复验证；发表论文时，要坦率披露 AI 工具的使用情况，遵守学术伦理规范。
这里我就不得不多说几句了 —— 要让大家坦率披露 AI 使用，必须消除目前广泛存在的偏见：有人只要听说谁用了 AI 做科研，就会扣上一顶「投机取巧」的帽子加以鄙视。这种环境下，哪里有人愿意放心大胆披露自己的 AI 使用情况呢？但是，现在还有谁在科研活动中，真的一点儿都不使用 AI 吗？当别人利用 AI 翻译润色，让文章读起来地道如同 native speaker 手笔，你不使用就会在学术发表竞争中处于不利地位，对吧？有些导师把任务布置给研究生，提交上来的结果远超预期，难道是凭空得来的？但是很多人就是选择把这种「人人用 AI ，却都不好意思说」的拧巴，当成了「房间里的大象」。
营造一个更健康的 AI 协作环境，很是急迫。科研评价体系也该适时调整，比如明确披露 AI 使用情况可以增加文章发表或者获得基金资助的概率，大家才更能抛弃掉疑虑、愿意公开 AI 使用情况。
评价
看完了报告内容，咱们简单评价一下 Fellou 这个 AI agent 应用。
最为重要的是，它的信息检索能力非常讨巧 —— 毕竟 Fellou 是个真正的浏览器，不需要额外模拟什么「无头浏览器」之类，直接能访问你登录过的网站，自动采集数据、操作网页，甚至直接向 Notion 等网页应用里写东西。
但也有个小问题需要注意，就是 Fellou 目前向网页里写东西还不太顺畅，步骤稍显繁琐，每一步都要框定一系列元素传递给大模型反复思考确认，效率并不高。我让它用 Notion 新建页面，填进去文章标题正文，居然用了好几分钟，各种莫名其妙的失败。现在这个阶段，我个人建议先用它来采集信息，写入任务还是咱们人亲自来做更省时间。
不过整体来看，Fellou 的搜索资料能力、信息整理能力都不错，生成的报告页面也相当专业美观，更重要的是目前免费使用，这个条件下我觉得已经非常超值了。
现在使用 Fellou 还需要邀请码，没有邀请码的话可能得排队等候。这是没办法的事情，毕竟创业团队的计算资源有限。有时候访问量大了，可能会提示服务器过载。
偶尔 Fellou 也会占用比较大的内存被 macOS 警告。如果你的电脑内存不足，可能会感到有些吃力。
看来下次换电脑，我一定得把内存加大些。
