AnyGen走的不是NotebookLM的路子

前段时间一个叫作AnyGen的智能体开始出现在很多技术媒体的文章中无一例外都拿来和NotebookLM进行对比有人甚至称它为国产的NotebookLM但我认为并不是其实AnyGen和NotebookLM是两种AI产品。什么是AnyGen呢我相信很多人都不认识它甚至都没听说过AnyGen是字节Lark海外飞书团队开发的一款办公生产力智能体支持的技能非常多底层应该是Skills和MCP的封装能直接将需求转换为成果其实更像Manus。比如你只需提交一个excel表AnyGen就能输出一份完成的分析报告可以导出pdf、ppt。NotebookLM则更偏向于AI知识库本质上用于记录内容并通过AI整合输出多模态的结果类似的有Notion AI、ima。AnyGen则将对话式AI进行了功能延伸不再只生成临时的单一形式答案而是一步到位支持在用户的个性化定制下产出可交付的文件。包括但不限于文档、PDF、Word、PPT、网页等而且产出内容既可以是专业的分析报告还可以是故事绘本调研论文等。还有一点AnyGen和NotebookLM的核心差异在于NotebookLM主要基于你上传的文件创建知识库并严格在此知识库范围上输出内容主打的是减少AI幻觉保证内容的可追溯。AnyGen则更加开放你只需要通过简单的对话它就会搜集各种开放的资料进行知识整合输出结果比如让它调研某个产品的市场行情它就会搜罗-整合-输出扔给你一份报告。当然AnyGen也可以选择关闭搜索模式但其本身产品特点就是在于通过大量的外部知识产出可交付的成果。AnyGen虽然是字节的产品但主要面向的海外市场其底层模型有可能是Gemini、Claude这类头部模型比如它有一个生成故事绘本功能用的是nano banana pro模型所以其模型能力应该是顶级的。我测试了AnyGen的几个核心场景包括分析数据、创建网页、生成PPT、创建故事绘本、批量调研我认为是AI执行落地业务的一个很好的开始和范例。首先是分析数据这是最日常的办公业务。AI做数据分析最大的bug在于不清楚业务的细节因为业务知识是碎片化、分散在各地的但其优势是处理数据、搭建模型非常强大而且有丰富的外部知识体系。我提交了一个笔记本电脑的销售数据集有产品名称、价格、销量等详细的信息让AnyGen分析数据并输出分析报告。AnyGen会将任务进行拆解包括数据梳理、脚本编写、可视化设计等每个步骤应该对应着某个skill。它还会提供可选配置项让用户自己选择数据分析的关注点、主指标、分析维度、异常值处理、图表偏好等。确认好步骤和用户偏好后它就开始逐步执行并生成结果大概需要3-5分钟。输出的结果包含洞察和完整报告它从品牌、地区、商品等多维度分析了商品GMV表现报告中的图表是可交互的整个报告可导出PDF。它支持将报告转换为PPT版本生成的PPT除了图片外其他都是可编辑的虽然排版没那么花里胡哨但结构清晰我觉得改一改可以直接用于日常汇报。可能由于我的提示词比较简单有大佬用AnyGen做出看着很专业的东西出来。相对于生成PPT报告我其实更喜欢AnyGen的制作网页和创建故事绘本功能效果比我想象的要惊艳。比如创建一个适合小朋友学习的Python编程网站。在这里插入图片描述效果如下这样的网页UI风格有点不太像AI做出来的。但是具体的网站功能模块AnyGen并没有去开发需要再给到更细的提示语让它逐步去开发。前面说到AnyGen用到了nano banana模型来制作漫画绘本跑出来的结果很nano banana相当的专业。比如让它设计个漫画讲解关于claude mcp和skill的功能和使用场景要求通俗易懂、好玩有趣。漫画如下看着是不是还不错将知识与漫画完美的结合在一起果然还得是nano banana。最后我测试了AnyGen的批量调研功能它可以根据简单的需求收集数据形成复杂的调研报告适合学习研究类似于Gemini的deep reaserch不过它交付的文件更多有PDF、word文档、ppt等。比如让它总结20家车企的新能源汽车从产品、价格、销量、技术等方面进行分析预测2026年的新能源汽车市场行情。形成的分析报告有模有样图文并貌透露着咨询调研报告的味道。总的来说AnyGen是字节迈向通用Agent的很重要的一步其显现出的目的也很明确不再满足对话大模型的限制要用AI一键搞定日常办公的各种需求直接交付结果不需要人来指挥、确认。AI不需要学习用起来就是最好的学习。https://www.anygen.io/home?invitation_code43DODU9EFKFZ2R3❞这让我想起了notion创始人Ivan Zhao最近写的一篇文章《蒸汽、钢铁与无限智识》其中提到“从骑自行车到开汽车”的类比。今年编程代理的实践告诉我们“人机协同循环” 并非总是必要的。这就像让专人检查工厂生产线上的每一颗螺栓或让旗手在汽车前方开路参见 1865 年《红旗法案》。我们需要的是人类从 “高效节点” 监督循环而非深陷循环之中。 一旦语境整合完成、工作成果可被验证数十亿工作者将从 “骑自行车” 升级为 “开汽车”进而迈向 “自动驾驶” 的新阶段。❞有空可以去读一读这篇文章可以说是2025年解读AI最好的文章之一。