AI智能体正在全面接管我们的屏幕。阿里刚开源的Qwen-UI-Agent直接打通移动端、电脑端和网页端，在MobileWorld测试中拿下82.1%的高分，综合性能超越行业旗舰。配合browser-use这类工具，智能体能轻松看懂网页并自动执行在线任务。真机多模态操作已经不再是瓶颈。
光会点鼠标还不够，智能体得学会怎么干活。现在的技术能从被动的截图和键鼠操作中提取任务模型，把人类行为变成可审计、可复用的规则。这种能力放到出行研究领域，直接催生了三智能体工作流。它能主动收集数据、做行为建模，甚至结合天气做需求预测，把过去割裂的流程一口气打通。
最硬核的是智能体开始“卷”自己了。AI4AI-Bench这个基准测试专门盯大模型智能体在算法设计上的表现，重点研究递归自我改进（RSI）。简单说，就是让AI自己去优化产出AI系统的训练算法。下一代系统直接继承上一代的改进，这简直就是智能体的“自我进化”。
从看懂屏幕到模仿人类行为，再到修改自身底层算法，AI智能体彻底告别了“只会聊天”的时代。它们正以惊人的速度渗透进真实世界的各种复杂任务中。未来的工作流，可能就是智能体自己搭的了。