智东西5月15日报道，近日，腾讯开始内测一款名为Marvis（马维斯）的操作系统层个人AI助手。这一AI助手通过多个Agent的协作完成App操作、EXE操作、电脑操作、文件管理、文档生成以及各种复杂任务，24小时持续在线，并支持跨端操作。Marvis目前仅支持Windows PC和安卓手机，iOS/macOS即将上线。具体到日常使用场景，Marvis能干不少活。工作场景中，它能做文件格式转换、合同信息审查、运营数据分析，甚至帮忙整理参考文献。这些功能超越了单纯的文字、代码生成，能真正去操作系统、文件和应用等更为底层的元素。在生活娱乐场景中，它能帮你监控游戏限时福利和明星动态，自动完成微博签到、整理高清物料，也可以定时执行每天早上的新闻汇总。Marvis这一名字致敬了知名智能助手“Jarvis”，取自“马（Ma）”与“Jarvis”的结合。比较有趣的是，它把每个Agent的形象设计成一只长着牛角的黑色小马，简称“小牛马”，“小牛马”还继承了腾讯企鹅标志性的围脖。你可以在虚拟办公室里随时查看每只Agent在干什么，被安排任务的Agent会坐在工位上认真搬砖，其他闲着的Agent可能会打盹、闲逛、健身、喝咖啡或上厕所。当你指定任务后，会有一只Agent主管出来主持大局，分配任务给相应的Agent，Agent在完成工作后会向主管汇报。目前Marvis里的专家Agent具备App操作、电脑系统运维、网页交互、数字资产管理和搜索任务等能力。Marvis目前提供了两种运行模式：云端效率模式采用混元和DeepSeek V4等最新模型，本地隐私模式则采用Qwen端侧模型，做到一句话都不出电脑。这一产品还支持本地知识库的功能，可以自动识别本地文档、图片并进行索引。当用户需要搜索特定内容时，Marvis可以基于标题匹配或基于内容匹配。与同样能操控电脑的其他“龙虾类”产品相比，Marvis有什么优势？
智东西获知，Marvis背后是腾讯应用宝团队，继承了十几年与英特尔、微软等软硬件厂商的合作关系和跨端引擎技术。
因此，Marvis不仅能操作电脑EXE软件，还能通过应用宝，直接在电脑上操控手机App（同花顺、开盘啦、飞常准、汽车之家、唯品会等App已授权）。
该团队通过对端侧模型做芯片级优化，实现了跑端侧模型速度提升20%，并能通过提示词直接对电脑文件进行查询、变更等操作。而当前大多数AI应用都做不到这种深入操作系统层的能力。
智东西第一时间拿到Marvis的内测资格。根据我们的实际体验，Marvis展现了“AI打工人”的雏形，它能实实在在地帮你干活，完成任务的质量不错，但在速度、token消耗量、灵活性等方面仍有提升空间。
🎁福利：智东西准备了一些邀请码送给读者朋友们，获取方式见评论区。
电脑操作是Marvis的一大长板。Marvis拥有系统级的能力，可直接完成对电脑的全流程操作。我们的首批案例就围绕这类任务展开。进入主页后，用户可以直接与Marvis对话并指派任务，也可通过自动任务页面让Marvis定时执行既定任务。案例1：图像搜索、文件定位都能胜任，就是有点烧token对许多用户来说，在本地设备上寻找指定的文件或图像，是件费时费力的事情。我试着让Marvis帮我在本地的下载文件夹中，找到一张包含纳斯达克元素的图片。拿到这一任务后，Marvis的团队负责人Agent把任务分配给了文件处理Agent，后者先是尝试了文件名搜索，未获得命中。在这一过程中，它判断我的图片命名大多无意义，决定换个思路，用图像分析来找到相关图像。切换思路后，Marvis终于步入了正轨，它成功地找到了包含纳斯达克相关元素的图片。然而，调用图像分析工具，Marvis的token消耗量呈现指数级的增长。在搜索了一百多张图片后，总消耗量来到了200万token。Marvis可以完成跨端的文件查找和传递。我在手机上向Marvis发送了一条命令，搜索与字节跳动估值有关的文件并发送到我的手机上。它很快找到了文件，并发送到我的手机上。可能是因为这次文件名本身就包含了需要查找的关键词，任务的token消耗量明显降低了。Marvis可以直接在Windows系统层进行一些操作。当我要求它帮我把电脑的主题调为绿色时，Marvis的电脑操作Agent接手了工作，并直接找到了系统主题色的设置入口。这一操作并未通过模拟点击实现，应该是深入了系统底层。不过，它没有100%完成这一任务，停在了找到入口这一步，后续的具体设置需要我手动操作。Marvis可以精准地获取各种系统信息。当我向它咨询我的设备是否支持《黑神话·悟空》这样的大型游戏时，它快速整理出了我的系统配置，看样子是直接在设置中找到了相关内容。紧接着，我让Marvis分析了我这套配置中的短板，并提出升级建议。它判断我的显卡配置充裕，但是CPU、内存和硬盘都稍显落后。Marvis建议我对内存进行升级，并说这是性能提升最直接、成本最低的方式。不过，它似乎不了解当内存涨价的情况，告诉我32GB的DDR4 3200MHz内存只要四五百块。实际情况是，同类内存的价格至少也得1000元出头。在我们的实际体验中，Marvis在遇到批量删除文件、核心配置修改时一定会询问用户，用户点击确认后才会执行。
多Agent的协作，理论上可以完成更复杂的任务，或是提高任务执行的质量。我们拿几个复杂任务试了试Marvis的能力边界。我们的首个复杂任务要求Marvis设计一个本地知识管理系统，支持自定义大模型接入，实现简单的RAG。在这种更复杂的任务中，Marvis反而没有调用多Agent，而是由主Agent完成所有的开发工作。Marvis陆续创建了目录结构，并且并行写入了配置文件和核心模块，之后打造了Web界面。Marvis默认使用了Ollama本地跑模型，我要求它切换为接入外部API的模式。Marvis提供的API设置界面较为人性化，它向我发送了选项卡，只要逐步选择并填写信息就行。最终，Marvis按照我的要求打造出了这一知识管理系统，支持导入文件、导入目录、导入文本等选项，可提供参考来源。我们试着上传了几份文件并询问相关信息，该系统输出的内容准确，也没有编造不在知识库内的信息。下一个实测任务要求Marvis梳理一下今年硅谷大厂的裁员情况，做成一个PDF网页，包含裁员数据和分析，每条数据背后附上单独的消息来源。在这一任务中，Marvis使用了多Agent协作的模式，文件Agent被唤起，并主动调用了文档写作Skill。这一Skill要求模型先做复杂度判断，然后加载写作模板、写作规范，再开始正式的执行。Marvis判断这属于一个复杂文档，预计产出超过3500字。它进行了多轮的网页搜索，收集到足够数据后开始逐页撰写PDF内容，最终输出了一份完整的调研报告。执行过程中，Marvis的多Agent协作让任务划分更加合理，两个Agent的并行工作一定程度上提高了效率。不过，这一任务中Agent出现了自主切换到英文的问题，Skill的内容和背后模型的特性可能导致了这一现象。Marvis生成的文档可以直接在侧边栏中进行预览，从结果来看，这一文档的内容明显要比AI单次生成的内容来得详实，文中的数据基本准确。排版方面，这一文档的风格比较朴素，通过表格、加粗、章节划分等方式，让内容的可读性更强。这种输出方式应该与Marvis内置的Skill有关。
Marvis可以通过腾讯应用宝在Windows PC上完成对安卓App的操作，并且相关操作不会干扰PC的正常使用。安装应用宝后，我们对这部分功能进行了体验。Marvis官方在首页展示了微博超话签到这一任务。我们也实测了一下，要求Marvis打开微博去陈奕迅超话签到。App操作Agent是这一任务的主要执行者。我们提前在应用宝中下好了微博并登录，以免Marvis在登录这一步卡住。Marvis的执行速度不太理想。此前我们已经跑过类似任务，但它还是较为机械地按照规范来，检查微博安装包，试图搜索微博操作Skill，未果后直接开始任务执行。开始操作后，Marvis只能截图一步，操作一步，每张截图都要分析个几秒钟，整个任务的执行时长被拉到3分多钟。下图是它的完整执行过程，画面经过20倍速的处理。▲动图经过20倍速处理
借助Marvis的定时任务功能，用户可以把上述App操作设置为每天自动执行的任务。不过，前提是电脑必须保持24小时开机。除了微博之外，我们也尝试了Marvis操作其他App的能力。当我们要求它操作微信并发送消息时，Marvis拒绝了这一请求，称由于系统限制无法在微信内执行点击和输入操作。我们尝试了小红书，也同样无法操作。这可能是因为微信这类App的聊天和支付界面，本身可能就有防模拟点击、防注入输入的特殊安全机制，如果AI助手能随意替用户在微信上发消息、转钱，一旦被恶意利用，造成的风险和平台责任是平台无法承受的。因此，Marvis从源头上拒绝了任何涉及资金划转的自动交易等操作。我们也尝试询问Marvis它到底可以直接操作哪些应用，不过Marvis一直答非所问。
对于愿意尝鲜的极客用户来说，Marvis已经能带来实打实的效率提升。然而，现在普通用户仍无法完全放手让Marvis执行一个任务，复杂的软件生态、文件系统等影响因素，都有可能让Marvis的任务执行中断或偏离预期。不过，Marvis的设计思路确实代表了一种明确的趋势。目前，国内已有不少AI厂商在多Agent产品上展开探索，跨端协同也逐渐成为行业共识。尽管体验还需要进一步打磨，但腾讯至少已经迈出了第一步。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
