从 OpenAI、字节跳动，到一众创业团队，今年几乎所有 AI 公司都在推进自己的 Agent 战略：有人做工具执行器，有人做工作流代理，有人主打插件调度，有人想做全能副驾……
在这场尚未定型的「Agent 大战」里，百度也选择了自己的切入方式，从内容创作工具出发，用一个更「擅长干活」的智能体系统来回应实际用户的使用场景。
在今年的 WAIC 2025 上，百度文库预告了全新升级的 GenFlow 2.0，一个打包了模型调度、多智能体协作、主动干预与全链路内容交付的「通用 Agent 平台」。
它的出现，标志着「AI 帮你干活」这件事，正式进入了协作化、多模态、高并发的新阶段。
相比于 4 月份发布的 GenFlow 1.0，百度文库这一次将战线拉到了「通用智能体操作系统」的高度，不仅能接住你的模糊指令，自主调用各种模型和数百个多模态 Agent，更是提出了一个极具野心的目标。
「一个入口，N 种模式，无所不能」。
目前，GenFlow 2.0 还未正式发布，APPSO 获悉预计将于 8 月面向全体用户开放。
GenFlow 2.0 的关键升级点：六种模式切换
从百度的设计理念来看，GenFlow 2.0 想解决的不是「AI 不够聪明」，而是「AI 不够协作」。
在用户侧，它提供了一个统一的入口，用户只需输入一句自然语言指令，就可以由系统自动规划任务，调用不同类型的 Agent 同步执行，生成 PPT、报告、网页、动画、图表等多模态内容。
官方将这种方式称为「通用多智能体协作调度」，强调每个子任务由不同 Agent 并行完成，而不是一个大模型串行处理所有请求。
这种架构思路在此前的 GenFlow 1.0 中已有所展现，新版本则进一步引入了更细化的协作模式。
你可以把它想象成一个 AI 协作团队，有人做内容，有人做图表，有人做排版，有人懂你的过往历史，还有人给结果「擦屁股」做最后润色。GenFlow 2.0 就像是在操作一整个内容流水线。
这背后依赖的是百度文库最新上线的沧舟 OS + MCP 模型调度系统，为多模态 Agent 的并发与高效协作提供了基础设施。
引入的六种智能体协作模式，试图适配从轻量查询到复杂内容生成的不同场景。
最基础的是简单模式，用于快速返回直接答案，比如「8 月上海有哪些演唱会」， GenFlow 2会直接给出答案，提升交互体验。
而面对需要图文多模态生成的任务，系统会切换到通用模式，自动调度多个 Agent 协同生成内容。
如果用户曾使用过百度文库、百度网盘，记忆模式则能基于过往对话、网盘文件等提供个性化补全；像是如果输入「我们上次做的那份报告」，GenFlow 2.0 也能被准确理解和调用。
处理复杂任务时，并行模式可同步启动多个 Agent，各自负责不同子任务，大幅缩短交付时间。 同时，用户在生成中可随时调整需求，而干预模式支持「边生成边修改」；在更高复杂度场景下，系统还会进入深度模式，灵活组合以上能力，系统性完成交付。
记忆模式和并行模式都是 GenFlow 2.0 的首创。
这些模式的组合带来了显著的使用体验跃迁：一句话丢给 GenFlow，不再是等一个模型返回一份内容，而是触发一整套系统开始「动脑、动手、动工具」，最后生成内容翔实、格式丰富、风格统一的可编辑内容。
相比其他 Agent 产品，GenFlow 2.0 补了这些「现实的坑」
GenFlow 2.0 的定位，与目前市面上正在开发或测试的多款智能体产品形成了对照，比如 OpenAI 的 ChatGPT Agent、Kimi K2、Manus、MiniMax 等。
从百度方面公开的信息来看，GenFlow 2.0 目前强调的几个差异点主要集中在：
1.任务执行的「并发性」：不靠一个模型多轮调用，而是多个 Agent 同步工作，目标是减少等待时间。
2.中文语境下的信息检索能力：背靠百度文库 14 亿文档和百度学术 6.8 亿篇文献，内容生成更贴近中文用户的语料系统。
3.个性化程度：通过网盘数据、聊天记录等历史行为建立「记忆库」，尝试更长线地理解用户。
4.可编辑性：生成结果不是「最终答案」，而是可修改的中间稿，依托百度融合编辑器支持继续打磨。
当然，目前这些能力多是基于演示视频和官方说明呈现，后续真实交付效果还需观察。但从产品思路上，GenFlow 明显在「内容生产工具化」这条路上做了更深的系统化尝试。
GenFlow 2.0 在深度模式下完成手机信息查询及整理总结
GenFlow 2.0 在并行模式下设计手办盲盒
官方给出的 GenFlow 2.0 演示项目里，使用它完成了物理备课、研究报告、校招宣讲、绘本制作等多个场景的交付能力。
一个 Agent 能不能搞定？也许更重要的是协作方式
GenFlow 本质上是一次对「通用 Agent」的落地探索，它的特别之处，在于：
- 通用不是一个模型通用，而是一整套 Agent 分工合作的能力通用；
- 调度不仅发生在内容生成阶段，更包含编辑、检索、个人记忆的上下链协作；
- 它不仅懂你说什么，还懂你「说过什么」，系统记住你的风格、偏好与习惯。
WAIC 百度展台现场
百度文库显然是想用 GenFlow 2.0，率先打造出中国语境下真正可用、可商用、可协作的 AI 助理产品，未来也许会走向全场景智能办公平台、企业级交付工具，甚至是基于 Agent 的工作流操作系统。
而它的野心，其实藏在那句口号里：
一个入口，N 种模式，无所不能。
GenFlow 2.0 的万能，大概就在于更高效、更贴合场景。
目前，GenFlow 2.0 尚在测试阶段，最终体验效果和适用边界仍待 8 月份正式上线后验证。但它所呈现出的多智能体并行调度框架，确实为当前 Agent 领域提供了一个结构上不同的解法。
APPSO 也会在新版本上线后第一时间带来上手体验和具体评测，继续关注它在真实场景中的落地表现。
文章来自于“APPSO”，作者“APPSO”。
【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务，堪称「云端超级打工人」而且做到了开源界GAIA性能天花板，达到了57.7%，超越Huggingface 提出的Open Deep Research 55.15%的表现。
项目地址：GitHub：https://github.com/camel-ai/owl
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
