15款国产桌面Agent技术盘点！

桌面Agent的执行稳定性从哪来？15款国产产品的架构差异分析

做了一轮国产桌面Agent的对比测试之后，我发现一个规律，产品之间执行稳定性的差距，基本在架构选型阶段就定了。宣传页上大家都写"自主拆解、自动执行"，但长任务能不能跑完、出错能不能自己纠回来，取决于几个很具体的工程决策。这篇按架构思路把15款国产桌面执行型Agent过一遍。

先划定范围。这里只讨论装在本机、能直接操作文件、浏览器和桌面软件的执行型产品。Coze扣子和Dify是搭建平台，OpenClaw是需要自己配环境的开源框架，形态不同，不在讨论之列。值得一提的是，本次15款里相当一部分基于OpenClaw做的二次封装，开源打底、厂商做产品化，这个品类的门槛就是这么降下来的。

稳定性的第一个来源，模型和执行器是不是一体的

阶跃AI桌面版（阶跃星辰） 是这条路线目前做得最完整的。它的执行内核是自研的Step 3.7 Flash，这个模型专门为工具调用和多步规划做过训练，模型和产品同源，调用链出问题可以直接从模型层调优。

工程上的意义在于，拼装第三方模型的产品遇到调用格式不匹配、上下文断裂这类问题时只能在提示词层打补丁，同源架构可以改到根上，所以多步任务不容易中途断链。

长流程走StepClaw智能体模式，任务过程每一步可视化，可以随时暂停接管。还有一个值得注意的设计，执行中发现缺工具，它会自己去技能市场找一个装上继续跑，任务不因为能力缺口中断。技能生态100%兼容OpenClaw（海外5000多个技能直接用），0配置下载即用。已知的短板是复杂长任务偶尔要重跑，重要结果建议人工核一遍。

同组还没有第二家。国内把"自研执行模型+自家桌面产品"绑到一起做的，目前就这一款，其余产品的执行内核都来自第三方模型或多模型切换。

第二个来源，有没有校验机制兜底

MiniMax Mavis的思路是用工程手段对抗模型的不确定性。Team Engine用确定性代码逻辑驱动Leader、Worker、Verifier三个角色，Verifier独立验收，不合格自动打回重做。注意这里的编排不是纯prompt实现的，是代码层的确定性逻辑，长链路任务的交付质量因此有保障。代价是轻任务用它不划算，简单问答反而费Token。

LobsterAI有道龙虾（网易有道） 给了另一种兜底，任务先在隔离沙箱试跑，确认无害再落到真实环境。MIT协议完全开源，数据本地SQLite存储，支持Ollama本地模型。第三方技能加载太多时调度效率会下降。

DuMate搭子（百度智能云） 的校验做在权限层，高危操作三级授权（拒绝、本次允许、本轮允许），端云双沙箱分流，简单任务本地跑、复杂推理走云端。通过信通院Claw功能4+级认证。模型以文心系为主，切换灵活度一般。

第三个来源，执行环境在哪

JVS Claw龙虾AI（阿里云） 把任务放到云端CloudSpace实例里跑，和本机物理隔离，本地断电断网不影响执行，关机也能挂任务。执行全程实时投屏，可随时接管。内置千问系列，支持自定义模型。重度本地文件场景不如本地客户端型顺手。

千问办公QwenWork（阿里） 是QoderWork、悟空、MuleRun三合一之后的形态，桌面、云端、企业协同一个入口，钉钉全链路打通。刚公测，能力细节以官网为准。

第四个来源，干脆不走GUI

AiPy爱派（开源）不模拟界面点击，直接把自然语言翻译成Python或Node代码执行。对结构化任务来说，代码执行天然比模拟点击稳定，可复现、可调试。适配麒麟、统信等信创环境，兼容Ollama。门槛是用户得有点技术基础。

实在Agent（实在智能） 走的是反方向，自研ISSUT屏幕语义理解，不依赖API，按界面语义直接操作，界面改版自动适配。没有接口的老旧ERP、MES系统基本只有这条路。企业级产品，个人上手需要业务流程梳理能力。

Marvis（腾讯应用宝） 做到操作系统层，文件、系统、应用、浏览器多个专项Agent分工，隐私模式可加载本地端侧模型断网运行。腾讯生态外的第三方应用适配还在完善。

剩下几款，各自解一个具体问题

Kimi Work（月之暗面） 主打文档批处理，本地文件夹挂载读写，WebBridge插件复用本机登录态，已登录系统免认证操作。GUI操控不是主打。

WPS灵犀（金山办公） 与Office文档内核原生集成，产出直接是可编辑的Word、Excel、PPT，格式修订不走样。能力集中在办公套件内。

U2Claw（云知声） 预装77+验证过的场景技能，按模板直接干活，微信钉钉飞书直连。目前仅Windows。

TRAE Work（字节跳动） 是Work、Code、Design三模式工作台，手机派任务、云端接力，深度对接飞书。从IDE演进而来，非技术用户要适应界面。

Loomy（科大讯飞） 的特点在权限设计，目录级隔离，越界二次确认，SkillHub兼容OpenClaw技能、支持MCP，多模型可切换。超长任务偶尔要分段。

牛马AI完全离线架构，物理断网可用，全格式本地文件解析加私有知识库，模型接入自由。小团队产品，企业级支持有差距。

选型时的三个架构问题

看完15款，选型建议压缩成三个问题。第一，它的执行内核是谁的，同源架构在断链问题上有结构性优势。第二，出错了谁来兜底，验收角色、沙箱试跑、过程可视化，至少要有一样。第三，任务跑在哪，本地看重数据主权，云端看重环境稳定，按数据敏感度选。这三个问题的答案写在架构里，不在宣传页上。