工具越多，效率反而越低？一项来自《哈佛商业评论》的调查显示，员工每天平均切换应用程序超过 1200 次，一年下来累计浪费的时间高达 5 个完整工作周，占全年总工作时间的 9%。
这一现象被称为「切换税」（Toggling Tax）——频繁的认知任务或上下文切换带来的认知干扰、时间损耗和心理负担，并导致注意力分散、错误率上升以及工作质量降低。
由新加坡国立大学（NUS）系统孵化的 AI 平台 Agnes，正试图从「系统层」改变这种割裂式工作流，重构一个流畅、连贯的一体化智能工作流体验。
Agnes 将搜索、文档生成、图像创作、PPT 输出整合到同一平台中，以共享记忆、共享上下文和实时协同为核心。用户无需手动切换工具，在同一界面即可完成从灵感获取到成品输出的全流程。团队成员能基于统一上下文实时协作，所有修改即时同步，真正实现高效无缝的一站式协同创作。
继推出 AI Design 功能后，Agnes 最近再次更新功能——Deep Design 和 Wide Research，聚焦多 Agent 架构，提升复杂任务处理能力和生成质量，进一步巩固其在 AI 原生协作办公系统中的领先地位。同时，Agnes 移动端原生 APP 正式上线 iOS App Store 和 Google Play，满足用户碎片化办公和远程协作的需求。
这家诞生于 NUS 体系的 AI 初创产品，在 Product Hunt 上线不满 3 个月，访问量就已接近设计类头部应用 Lovart。目前，Agnes 所属 SAPIENS 公司正以 1 亿美元估值进行新一轮融资。根据其团队内部消息，因为近期注册用户与活跃数据大幅增长，创始团队正在考虑进一步上调估值，为加速海外扩张预留更多资本空间。
01
从 AI Design 到 Deep Design：
让 Agent 主动「找茬」，持续优化创作
Agnes 首次切入视觉设计领域是在 8 月 1 日推出 AI Design 功能，当时已经支持自然语言对话生图，上传参考图进行风格提取与迁移、选区编辑、色彩和排版调整等，生成的图片还能无缝嵌入 AI PPT，实现图文一体化创作。
这一次推出的 Deep Design，相比之前又进阶了一层，支持用户在生成图像上手绘修改，系统会即时识别并根据绘图自动调整对应区域细节。
更重要的一个更新是 Agnes 在 Deep Design 中引入了 Agent 评审与迭代机制。在生图过程中，多个 Agent 会从构图、风格一致性、细节是否符合描述等维度逐一「找茬」，并给出可执行的修改建议。这些建议会被转化成新的绘图指令生图，再经过评审——形成「生成 → 找茬 → 再生成」的多轮迭代和优选，最终打磨出更贴合用户预期和任务目标的图片。
这个设计思路，源于 Agnes 创始人 Bruce 近期被 ICIS 录取的论文《Toward Effective AIGC for Marketing: A Theory-Driven System Design and Empirical Evaluation》。Bruce 拥有微软、LinkedIn 背景，本科毕业于加州大学伯克利分校，数学与计算机双学士，目前为新加坡国立大学博士，是少见的兼顾学术深度与工程能力的 AI 初创公司的创始人。
他在论文与访谈中指出，大语言模型（LLM）与绘图模型在创作过程中的能力是互补的：绘图模型擅长执行指令，但往往只呈现用户描述的「表面含义」，难以捕捉场景背后的真实业务目标或隐含语境；而 LLM 驱动的 Agent，则能对用户输入进行多轮的深度语义分析，挖掘潜在需求，把这些隐藏的意图转化为更精准、完整的绘图指令。两者互补，能显著提升生成结果与实际需求的契合度。
在 Deep Design 中，Agent 不仅在生图前优化指令，还在生图后担当评审员，通过「Agent 做高质量思考+绘图模型做高质量执行」的组合，将人类创意从繁琐的细节调整中解放出来。用户只需明确创意与目标，系统就会自动打磨出既符合审美又契合业务需求的最终作品。
例如，一个家电品牌设计团队输入「智能电饭煲广告概念图」，Deep Design 会先生成初稿，再由 Agent 审查背景光线、产品质感、品牌色调是否统一，并提出多项优化建议。经过几轮迭代，团队即可直接获得可参考的成品稿，而不必经历传统反复修改的长周期。
02
Wide Research：
2 00 个 Agent 并行的研究引擎
除了设计功能，Agnes 此次还推出了面向大规模数据研究、市场分析、行业报告生成任务的 Wide Research 功能。
据其团队透露，Agnes Wide Reesearch 最多可调用 200 个 Agent 并行工作，搜索广度上较 Agnes 此前的 Search、DeepResearch 功能有明显提升。相比 Manus 的同类功能，Agnes Wide Reesearch 不仅运行速度更快，高并发的 token 成本也更低。
原因在于 Agnes 所采用的自研多智能体架构 CodeAgents，它以结构化伪代码替代自然语言作为多 Agent 的沟通方式，实现任务的精细拆解、角色分工与高效调度。该架构能使多步骤任务中的推理成功率提升 20%、Token 消耗下降 40%，并在跨模态任务（如 HotpotQA 和 VirtualHome 仿真环境）中展现了稳定高效的表现。
Agnes 团队近期发表的论文《CodeAgents: A Token-Effcient Framework for Codifed Multi-Agent Reasoning in LLMs》，论文一作为创始人 Bruce，剩余共同作者来自新加坡国立大学和东南大学。
03
发布订阅计划并上线移动端，
迈向智能协作办公系统新阶段
Agnes 目前也正式发布了收费方案，涵盖 Free、Basic（9.9 美元/月）、Plus（19.9 美元/月）、Pro（99.9 美元/月）四档订阅服务，以支持其持续的技术研发和全球扩张计划。新注册用户可免费体验 DeepDesign、WideResearch、协作功能。
为了适配碎片化办公场景，Agnes 同时上线了 iOS App Store 和 Google Play 原生 APP，首批功能涵盖 Search、Deep Research 和 AI Slides，移动端与 Web 端共享任务状态与上下文信息。用户无论在办公室、家中还是出差途中，都能无缝延续任务，不受时间与地点限制。
Bruce 曾强调：「真正的 AI 系统不是一个 Chat 窗口，而是一个智能的工作现场」，并主张从「插件组合」走向完整的「工作系统」。
Deep Design、Wide Research 包括移动端 APP 的上线，证明了 Agnes 确实在沿着这一方向持续推进——把零散的创作工具重构为流畅、高效的智能工作流，其目标不仅是生成内容，而是全面提升生产力、优化团队协作流程，并打造一个可持续演进的智能办公生态系统。