工具越多，效率反而越低？一項來自《哈佛商業評論》的調查顯示，員工每天平均切換應用程序超過 1200 次，一年下來累計浪費的時間高達 5 個完整工作周，占全年總工作時間的 9%。

這一現象被稱為「切換稅」（Toggling Tax）——頻繁的認知任務或上下文切換帶來的認知干擾、時間損耗和心理負擔，并導致注意力分散、錯誤率上升以及工作質量降低。

由新加坡國立大學（NUS）系統孵化的 AI 平臺 Agnes，正試圖從「系統層」改變這種割裂式工作流，重構一個流暢、連貫的一體化智能工作流體驗。

Agnes 將搜索、文檔生成、圖像創作、PPT 輸出整合到同一平臺中，以共享記憶、共享上下文和實時協同為核心。用戶無需手動切換工具，在同一界面即可完成從靈感獲取到成品輸出的全流程。團隊成員能基于統一上下文實時協作，所有修改即時同步，真正實現高效無縫的一站式協同創作。

繼推出 AI Design 功能后，Agnes 最近再次更新功能——Deep Design 和 Wide Research，聚焦多 Agent 架構，提升復雜任務處理能力和生成質量，進一步鞏固其在 AI 原生協作辦公系統中的領先地位。同時，Agnes 移動端原生 APP 正式上線 iOS App Store 和 Google Play，滿足用戶碎片化辦公和遠程協作的需求。

這家誕生于 NUS 體系的 AI 初創產品，在 Product Hunt 上線不滿 3 個月，訪問量就已接近設計類頭部應用 Lovart。目前，Agnes 所屬 SAPIENS 公司正以 1 億美元估值進行新一輪融資。根據其團隊內部消息，因為近期注冊用戶與活躍數據大幅增長，創始團隊正在考慮進一步上調估值，為加速海外擴張預留更多資本空間。

01

從 AI Design 到 Deep Design：

讓 Agent 主動「找茬」，持續優化創作

Agnes 首次切入視覺設計領域是在 8 月 1 日推出 AI Design 功能，當時已經支持自然語言對話生圖，上傳參考圖進行風格提取與遷移、選區編輯、色彩和排版調整等，生成的圖片還能無縫嵌入 AI PPT，實現圖文一體化創作。

這一次推出的 Deep Design，相比之前又進階了一層，支持用戶在生成圖像上手繪修改，系統會即時識別并根據繪圖自動調整對應區域細節。

更重要的一個更新是 Agnes 在 Deep Design 中引入了 Agent 評審與迭代機制。在生圖過程中，多個 Agent 會從構圖、風格一致性、細節是否符合描述等維度逐一「找茬」，并給出可執行的修改建議。這些建議會被轉化成新的繪圖指令生圖，再經過評審——形成「生成 → 找茬 → 再生成」的多輪迭代和優選，最終打磨出更貼合用戶預期和任務目標的圖片。

這個設計思路，源于 Agnes 創始人 Bruce 近期被 ICIS 錄取的論文《Toward Effective AIGC for Marketing: A Theory-Driven System Design and Empirical Evaluation》。Bruce 擁有微軟、LinkedIn 背景，本科畢業于加州大學伯克利分校，數學與計算機雙學士，目前為新加坡國立大學博士，是少見的兼顧學術深度與工程能力的 AI 初創公司的創始人。

他在論文與訪談中指出，大語言模型（LLM）與繪圖模型在創作過程中的能力是互補的：繪圖模型擅長執行指令，但往往只呈現用戶描述的「表面含義」，難以捕捉場景背后的真實業務目標或隱含語境；而 LLM 驅動的 Agent，則能對用戶輸入進行多輪的深度語義分析，挖掘潛在需求，把這些隱藏的意圖轉化為更精準、完整的繪圖指令。兩者互補，能顯著提升生成結果與實際需求的契合度。

在 Deep Design 中，Agent 不僅在生圖前優化指令，還在生圖后擔當評審員，通過「Agent 做高質量思考+繪圖模型做高質量執行」的組合，將人類創意從繁瑣的細節調整中解放出來。用戶只需明確創意與目標，系統就會自動打磨出既符合審美又契合業務需求的最終作品。

例如，一個家電品牌設計團隊輸入「智能電飯煲廣告概念圖」，Deep Design 會先生成初稿，再由 Agent 審查背景光線、產品質感、品牌色調是否統一，并提出多項優化建議。經過幾輪迭代，團隊即可直接獲得可參考的成品稿，而不必經歷傳統反復修改的長周期。

02

Wide Research：

2 00 個 Agent 并行的研究引擎

除了設計功能，Agnes 此次還推出了面向大規模數據研究、市場分析、行業報告生成任務的 Wide Research 功能。

據其團隊透露，Agnes Wide Reesearch 最多可調用 200 個 Agent 并行工作，搜索廣度上較 Agnes 此前的 Search、DeepResearch 功能有明顯提升。相比 Manus 的同類功能，Agnes Wide Reesearch 不僅運行速度更快，高并發的 token 成本也更低。

原因在于 Agnes 所采用的自研多智能體架構 CodeAgents，它以結構化偽代碼替代自然語言作為多 Agent 的溝通方式，實現任務的精細拆解、角色分工與高效調度。該架構能使多步驟任務中的推理成功率提升 20%、Token 消耗下降 40%，并在跨模態任務（如 HotpotQA 和 VirtualHome 仿真環境）中展現了穩定高效的表現。

Agnes 團隊近期發表的論文《CodeAgents: A Token-Effcient Framework for Codifed Multi-Agent Reasoning in LLMs》，論文一作為創始人 Bruce，剩余共同作者來自新加坡國立大學和東南大學。

03

發布訂閱計劃并上線移動端，

邁向智能協作辦公系統新階段

Agnes 目前也正式發布了收費方案，涵蓋 Free、Basic（9.9 美元/月）、Plus（19.9 美元/月）、Pro（99.9 美元/月）四檔訂閱服務，以支持其持續的技術研發和全球擴張計劃。新注冊用戶可免費體驗 DeepDesign、WideResearch、協作功能。

為了適配碎片化辦公場景，Agnes 同時上線了 iOS App Store 和 Google Play 原生 APP，首批功能涵蓋 Search、Deep Research 和 AI Slides，移動端與 Web 端共享任務狀態與上下文信息。用戶無論在辦公室、家中還是出差途中，都能無縫延續任務，不受時間與地點限制。

Bruce 曾強調：「真正的 AI 系統不是一個 Chat 窗口，而是一個智能的工作現場」，并主張從「插件組合」走向完整的「工作系統」。

Deep Design、Wide Research 包括移動端 APP 的上線，證明了 Agnes 確實在沿著這一方向持續推進——把零散的創作工具重構為流暢、高效的智能工作流，其目標不僅是生成內容，而是全面提升生產力、優化團隊協作流程，并打造一個可持續演進的智能辦公生態系統。