新加坡的Agent黑馬Agnes，雙殺技能：Deep Design × Wide Research重新定義智能體？

之前在X上看到過一個新加坡版的DeepSeek，叫Agnes AI，主打一站式Agent空間。

但當時我自己搞產品焦頭爛額的，隨手點開看了看，就放下了。

后來在Product Hunt上又看到這款產品，以及各種海外平臺時而刷到。

終于，前段時間在WAIC，我見到了他們的創始人，還有他們即將發布的新功能。

這次讓我覺得，當一款不錯的產品第三次出現在我眼前，再錯過、再忽略，就是我的問題了。

也許，這是一個能改變我對Agent的看法，或者能節約我人生里很多個小時的產品呢？

在新加坡被視作DeepSeek一般的存在，會名不符實嘛？

沒想到兩個即將上線的新功能，卻給了我很不一樣的驚喜……

https://agnes.life/

AI Design進入2.0時代——Deep Design

之前的圖像生成像個“一錘子買賣”，還是簡單的輸入-輸出。

但是現在，Agnes AI的Deep Design引入了完整的多輪推理機制。

我想讓“設計一個科技新聞直播間的背景墻”。

指令發出以后，拆解出的設計大綱下面，有一個Deep Design按鈕。

還有一個每次用我都喜歡的小細節，就是點中那個Go按鈕，有一種類似游戲沖鋒式的“Ready！Go！”的滿足感。

執行過程會將多個細分任務并行處理，也就使得生成速度異常迅速——應該是我所有體驗過的Agent產品中最快的。

那么效果如何呢？

除了靜態的科技背景，還給我生成了動態效果，質感還是很滿足預期的。

我還發現，不僅能用自然語言描述需求，還可以在生成的圖像上直接進行手繪標注——

無論是圈出需要調整的構圖區域，還是用箭頭標明光影方向，甚至畫上簡單的替代元素輪廓。

Agnes 會將這些手繪信息進行矢量化解析，與原圖的語義結構相匹配，然后驅動生成引擎進行二次渲染。

這種基于視覺指令的交互模式，消除了純語言溝通的模糊性，讓修改更精準、更貼近設計師的真實工作流。

整個的流程非常絲滑，這里我錄成視頻給大家完整看一看。

這里是設計一個并不存在的“末日地堡”。

整個過程被拆分為多步驟流水線：

首先生成初版圖像；

然后調用一個或多個多模態 AI Agent，從構圖完整性、主體與背景比例、色彩協調度、紋理細節解析度等多個維度進行質量審查；

接著針對檢測出的問題，生成可執行的修改指令，比如“左側留白過多，建議添加前景元素”或“材質細節丟失，提升分辨率并調整光照方向”；

隨后系統會同時生成多個改進版本，并通過圖像質量評估網絡（IQAN）在語義一致性與視覺美學分值上進行排名，選出最優版本；

最后再將其與初始文本描述進行一致性驗證，確保需求與產出精準匹配。

再給大家看一個設計的未來閱讀器，也是基于以上過程，多步驟、多任務并行完成。

就很類似專業設計團隊的閉環協作：有審稿人、有修改建議、有候選方案、有質量復檢。

最終的結果呈現，不僅快，而且好！

Wide Research：不止于廣

Wide Research 則把“并行計算”理念搬進了知識工作場景。

用戶可以在一次查詢中調動上百個專用 AI Agent，每個 Agent 專注于一個子任務——

比如說，學術Agent負責檢索并提取最新論文的關鍵結論；市場Agent追蹤競品動態并生成對比矩陣；

政策Agent解析監管文件中的重點條款；數據Agent調用API抓取并清洗公開數據集。

比如我想用 Wide Research “廣”的能力，詳細盤點一下硅谷華人圈有哪些AI科學家。

分析邏輯非常清楚。

接下來則是直接給我了一個大名單：

然后是更細分維度的人員盤點：

所有結果會實時匯聚到中央協調模塊，進行去重、分類、優先級排序，并以結構化知識庫的形式呈現給用戶。

體驗下來，除了結果可靠，再用一個字形容，就是“快”。

這種多Agent協同的架構，不僅在速度上遠超傳統串行調用，更在信息覆蓋廣度、交叉驗證的深度上，接近專業分析團隊的水準。

像Manus也有類似Wide Research的功能，但即便是Manus的快速模式也明顯花的時間更長。

相比 Manus 等工具，Wide Research 在多線程調度、上下文緩存優化、以及跨領域信息融合能力上都有顯著優勢。

單看同樣的關于“盤點硅谷華人科學家”的任務，就能很直觀看出信息量的巨大區別。

我還嘗試了一個“馬來西亞市場拓展”的調研分析，也是類似的情況。

這次 Agnes AI 則是給了我詳細的圖表，完成度幾乎可以說勝過市面上各大Agent產品。

類似的產品條理也挺清楚的，只是參考價值、信息增量就小很多了。

更重要的是，Wide Research 的成果可以無縫導入 Deep Design 流程。

就好比說，一個品牌營銷團隊可以先用 Wide Research 獲取全球同類產品的視覺風格與市場反饋數據，再直接交給 Deep Design 2.0 進行風格遷移生成；

學術團隊則可以先讓 Wide Research 整理最新研究趨勢與關鍵數據圖表，再在 Deep Design 中生成對應的視覺化海報或演示PPT。

這種研究與創作的連續性，消除了工具切換帶來的上下文丟失和時間消耗，讓AI真正成為協作過程中的中樞神經。

在我看來，Agnes AI的核心價值恰恰就在于：

它從來不打算把“AI能力”當成獨立技能點來賣，而是把這些能力作為“流程節點”融合到真實團隊協作里。

Agnes AI：從生成工具到協同伙伴

在如今AI工具滿天飛、噱頭泛濫的世界里，我總會問自己：到底哪一個AI產品，是真正從一開始就為“人”設計的？

不是為了炫技，不是為了堆功能，而是真正回到用戶協作場景、落到真實使用路徑。

去思考 AI 應該如何與人共創，如何嵌入團隊，如何不成為另一個累贅工具？

Agnes AI，也許正在交出這個問題的一個答案。

這款來自新加坡NUS系統孵化、由技術創始人 Bruce 領導的協作式 AI 平臺，正試圖做一件不太時髦、卻極其重要的事情：

把AI從碎片化的點工具，打磨成真正的一體化協作空間，從生成內容到共享知識、從設計圖像到產出幻燈片，徹底消滅你在內容創作中的“中間步驟”。

從Deep Design到Wide Research，它是一次深度整合。

而且回過頭看，之前已經上線的幾個功能也可圈可點。

它不僅能生成圖像與視頻，更關鍵的是，這一切都可以基于“研究內容”來驅動——

可以先讓 Agnes AI 做 Deep research，然后讓它自動生成圖片，緊接著一鍵生成PPT。

PPT的質感非常有國際范。

文字、圖像、結構、邏輯，全線打通，協作即創作。

不是“Canva + ChatGPT + Notion + Slack”的拼盤，而是一個從底層打通、為協作而生的 AI 系統。

我們正在見證一類全新的工作方式的誕生：生成不再是終點，而是協同的起點。

沒有邀請碼、不搞饑餓營銷，卻漲勢良好

在產品快速進化的同時，Agnes 也交出了一份漂亮的增長答卷。

截至目前，平臺日活已超 2 萬，并持續增長。且活躍度高、分享率強、留存率優于行業平均水平。

在此背景下，Agnes AI 正以 1 億美元估值進行新一輪融資。

創始團隊正在考慮提高估值，以爭取更大的資本儲備，加速全球擴張——特別是在日本、東南亞與北美市場的部署。

值得一提的是，Agnes 并沒有走內測+邀請碼式路線，而是每發布一個新功能，就直接對所有用戶開放注冊、所有功能全面可用。

沒有排隊、沒有暗門、沒有提前篩選——每個人都能直接體驗完整版本。

這份開放姿態，本身也是一種產品自信。

創始人 Bruce：算法與產品之間的“那個人”

在 Agnes 身上，有一個細節讓人印象特別深：它的技術實力不是拿來裝門面的，而是真正在每一次迭代中發揮價值。

而這種“技術為用”的思維，正來自于創始人 Bruce 本人。

他是典型的技術創業者：成長于新加坡NUS孵化體系，既做過算法研究，又帶過工程團隊。

他在今年的世界人工智能大會WAIC上做了演講，呼吁人類與 AI 的互動不該是黑箱協作，而應該是“理解 + 指令 + 執行 + 反饋”的正向閉環。

也在新加坡舉行的全球 AI + Robot 交流圓桌會議中分享了團隊在設計 Agnes 時對“多模態輸入+語義反饋”的系統化思考。

有些公司喜歡嘴上說“算法、技術驅動”，但Agnes AI是寫論文、跑工程、開源實現、反饋到產品、再進一輪優化的全棧路徑。

財經雜志、MoneyFM、Dollars&Sense 也都報道過 Bruce 與 Agnes 的產品理念與市場表現。

Agnes 想做的不是“一個更強的工具”，而是“一個值得信任的協作伙伴”。這背后，是創始人對人與工具關系的深度思考。

在 AI 技術迅猛發展的當下，一個產品是否值得關注，已經不再取決于它能不能生成更炫的圖片或做出更花哨的視頻，而是它有沒有真正將 AI 融入人類真實工作流，做到自然、可信、高效的共創。

Agnes AI正在這條路上，用務實的系統設計、硬核的技術實現和清晰的產品理念，為 AI 協作空間立下標桿。

沒有炫技，只有協同。

它可能不是你看過最熱鬧的 AI 產品，

但它有可能，是你真正愿意長期依賴的那個。