小天fotos·视频笔记：扒光马维斯的底，大部分人都没懂这个系统层级Agent
扒光马维斯的底：大部分人都没懂这个「系统层级 Agent」
一条 10 分钟的产品拆解视频，讲的其实不是某个 AI 功能，而是一个更根本的判断：拦住普通人用 AI 提效的，往往不是 Token 不够，而是电脑上那些没人愿意教你的小问题。
一、背景：一个「反常识」的观察
视频开场，博主小天fotos 抛出了一个他自称的「暴论」：
阻止大部分普通人用 AI 提效的，可能不是你 Token 不够，而是电脑上的小问题。
他举的例子非常日常——输入法出了问题，想打「好的」却出来拼音的「hao de」，折腾半小时搞不定，最后还得找 IT，人家点两下就好了。耽误了双方时间，自己还挺不好意思。
即便是天天折腾电脑的极客，也一样会被这类「小破事」卡住：写文档、写代码的效率确实提高了，但遇到环境问题照样要停摆，整体效率的提升就被这些摩擦吃掉了。
而这类问题的共同特征是：它不属于「AI 能力问题」，属于「操作系统知识问题」。 大模型能给你写出正确的步骤，但你不知道那个设置入口在哪，方案就落不了地。
马维斯是什么
马维斯（Marvis）是腾讯应用宝团队做的操作系统层级个人 AI 管家，2026 年 5 月 20 日全量上线。博主起初并没关注——他自己是 Codex 200 美元/月的订阅用户，每天在各种 Agent 里折腾，第一反应是「又来一个 Agent 而已」。
真正让他改观的是一个反差：推荐他的人是平时不太用 AI 的妻子。她在国企做信息中心主任，人又热心，同事电脑有点小毛病都爱找她，帮也不是、不帮也不是。最近她遇到这类求助，直接把马维斯甩给对方就解决了。
这个细节其实点出了产品的定位差异：它的目标用户不是极客，而是「那个总被问电脑问题的人」，以及「不敢问的人」。
二、拆解：它到底哪里不一样
博主用 Codex 把 Mac 版马维斯的安装目录「扒了个底朝天」，翻遍了卡片代码、内置 Skill 和工具配置。以下是他发现的几层结构。
2.1 交互层：不是给答案，是「喂饭」
第一个测试是让马维斯优化游戏帧率（他原本没指望能优化出什么）。结果它把所有可能影响性能的地方逐条梳理了一遍，更关键的是——分析过程中弹出了卡片。
这些卡片做了三件事：
- 告诉你这件事对应 Windows 的哪个具体设置；
- 部分参数可以直接在卡片里调整（例如音量滑块、三台显示器各自的分辨率下拉框）；
- 需要进系统设置的，卡片上就有「打开」按钮，一点直达对应页面。
这一点是整个视频的核心洞察。博主原话的意思很直接：一个不熟悉电脑的人，就算用了 Codex，它告诉你「去调整电源方案设置」，你依然解决不了——因为你连设置怎么打开都不知道。
而马维斯的做法是：把按钮递到你面前。 跟着操作一次，顺手就学会了。以前要自己找教程、慢慢攒经验，现在是一次带练。
2.2 架构层：卡片背后是真实工具，不是一段文本
看懂代码后，博主拆出了这套设计的本质：
卡片里的控件，背后接着的是实际的工具。AI 根据你要做的事，把对应的操作界面调出来。
这是对「生成式 UI」的一种落地理解——界面不是预先写死的菜单，而是运行时按任务需要把可操作的控件拼出来。而且这套思路 Windows 和 Mac 两端一致。
卡片覆盖的范围也不止系统设置：找文件、看图片、安装应用都有对应的卡片形态。
2.3 Skill 层：写着「排查手册」，而不是「功能说明」
翻内置 Skill 时，博主说他终于理解了妻子为什么觉得好用——输入法、声音、蓝牙、显示器、网络、电脑卡顿，大量技能都在处理日常电脑问题，而且写得极其细致。
以 Mac 输入法为例，它把「不能输入」拆成了四种完全不同的情况：
- 输入法根本没装；
- 装了但没添加到输入法列表；
- 添加了但没切换过去；
- 只有某个特定软件里不能输入。
四种情况对应四条不同的排查路径，最后才告诉你该去哪个系统入口处理。声音诊断同理：系统音量、默认设备、耳机连接、单个应用无声，都要分开判断。
更值得注意的是它还规定了「怎么汇报」：
- 查不到的，不能说「正常」；
- 只给了设置入口的，不能说「已经修好了」；
- 工具执行成功之后，还要复查。
这三条其实是 Agent 落地最难的部分。绝大多数 Agent 的信任崩塌，都来自「它说搞定了，其实没搞定」。把汇报纪律写进 Skill，等于把「不许吹牛」变成了工程约束。
2.4 运行环境：把极客工具打包成「整盒包」
在安装后的组件目录里，博主发现了 Python、Node、npm、rg（ripgrep），以及浏览器自动化相关组件。
其中 rg 这个细节他专门点了出来：这是极客常用的搜索利器，让 Agent 从一堆文件里精准定位需要的那几行，少读无关内容，直接省 Token。
用他的比喻：马维斯像一个特别懂行又热心的网友，把强大的工具默默做成了「整盒包」。你不需要成为极客，也不需要学这些工具，照样能用上——思路还是「直接喂饭」。
2.5 两件容易混淆的事：本地知识库 vs 本地模式
这是视频里少见的、需要读者自己分清的技术细节：
| 本地知识库 | 本地模式 | |
|---|---|---|
| 做什么 | 自动给本地文档、图片建索引，用关键词检索相关内容 | 让模型本身也在本机运行 |
| 前提 | 无特殊要求 | 硬件配置达标，需下载一个千问（Qwen）小尺寸模型 |
| 适用 | 把「落灰的文件」变成可检索的数字资产 | 飞机上没网、数据敏感不能上云的场景 |
博主特别强调：这两者不是一回事。知识库解决的是「找得到」，本地模式解决的是「断网也能跑、数据不出机器」。
2.6 组织层：主 Agent + 五个专业 Agent
马维斯内置了一支小团队：
| Agent | 职责 |
|---|---|
| 主 Agent | 接收需求、拆解任务、分派、汇总结果 |
| Computer Agent | 系统层操作（设置、硬件、诊断） |
| File Agent | 文件管理 |
| App Agent | 应用操作 |
| Browser Agent | 网页交互 |
| Search Agent | 联网搜资料 |
用户不需要指定谁上场。演示时他让马维斯展示系统卡片，主 Agent 把任务交给 Computer Agent，再把结果带回来。
博主的评价是：这种组织方式特别适合一个场景——「我卡在某件事上，你帮我处理完：查原因、给方案、能执行的执行、需要我操作的把入口递给我。」
三、边界拓宽：从「修电脑」到「跑开源软件」
视频后半段，博主提出一个更进一步的判断：马维斯不只是解决电脑使用问题，它还在拓宽普通人使用 AI 的边界。
3.1 WSL：把「你去装个 WSL」变成「我帮你装好」
他在安装目录里发现了一个「Windows 里安装 Ubuntu 子系统」的 shell，也就是 WSL。
这里说出了很多开源软件的现状：不少工具在 Linux 上支持更好、生态更繁荣，但对 Windows 用户的标准答案永远是一句话——「你去装个 WSL」。这句话对普通用户等于关门。
马维斯把这件事当成一个专门要解决的问题：你不用先学一遍 Linux 命令，就能让它帮你操作这个子系统、部署你想用的开源软件。
3.2 Docker：从「会拼这几个字母」开始
Docker 是部署开源软件的利器，但普通用户哪会配这些东西。视频里的说法是：现在你只需要会拼 Docker 这几个字母，把它敲出来，剩下的它来。
具体覆盖的步骤包括：安装 Docker Desktop → 配置镜像源 → 处理具体项目的部署环境。
3.3 技能广场
内置能力不够时，技能广场提供了扩展入口，可以添加技能，也有 Skill、MCP、CLI 的连接入口。
3.4 远程管理电脑
博主有多台电脑：Mac、Windows，有的日常使用，有的只跑几个服务。用一端的马维斯，所有设备一目了然，还能在不同系统之间切换。手机发一条指令，远程端同步执行——他甚至演示了「手机下指令、远程电脑监控」的用法。
他提到的期待也很具体：希望支持 NAS。因为他的 GPU 服务器全跑在飞牛 NAS 上，如果马维斯能接进来，就太方便了。
3.5 Token 成本
默认模型是混元 3 + DeepSeek V4 Pro，每天给 1000 万 Token 的免费额度。按他的判断，解决这类日常问题足够用。
四、核心观点（分条）
- AI 提效的真正瓶颈常在操作系统层，不在模型层。 模型能给出方案，但用户不知道设置入口在哪，方案就死在第 99 步。
- 「喂饭式交互」是面向普通人的正确形态。 不是输出一段指导文本，而是把可操作的控件直接递到眼前；操作一次，顺便完成教学。
- 生成式 UI 的价值在于「任务驱动界面」。 控件背后接真实工具，AI 按需把操作界面拼出来，而不是让用户在固定菜单里找。
- Skill 的质量决定 Agent 的可信度。 把问题分支拆细（未安装 / 未添加 / 未切换 / 单应用失效），并在 Skill 里写明汇报纪律，才能避免「假成功」。
- 运行环境本身就是产品力。 预置 Python、Node、npm、rg、浏览器自动化，把极客工具打包给普通人，同时降低 Token 消耗。
- 「本地知识库」与「本地模式」是两条不同的技术路线，一个解决检索，一个解决离线与隐私。
- 多 Agent 分工的意义是「不用用户指定谁上场」。 主 Agent 编排、专业 Agent 执行，用户只描述目标。
- 操作系统与开发环境的知识，是普通人进入 AI 时代的必修课。 这项知识缺口正在被 Agent 填平。
- 即便是极客也有未解的问题：缺一个「管家」。 Coding Agent 能把项目做完，但机器状态、服务是否掉线、任务跑到哪一步，仍然要人操心——这是「管家」与「工具」的分界。
- 普通人学 AI 的起点不该是「憋一个大项目」，而是从每次卡住又懒得研究的电脑小事开始，把眼前这一步走通。
五、金句摘录
「阻止大部分普通人用 AI 提效的，可能不是你 Token 不够，而是电脑上的小问题。」（00:00）
「它会告诉你这件事对应着 Windows 哪个设置，有的直接在卡片里调整，有的能帮你直接打开对应的设置页面。」（01:47）
「你想想一个不熟悉电脑的人，即使用了 Codex，它也能告诉你应该如何调整电源方案设置，可你能解决吗？你连怎么打开设置都不知道。」（01:55）
「马维斯的办法就很简单，就是喂饭给你。点一下就打开了，你就知道了，原来在这里设置。」（02:05）
「卡片里的控件，背后接着是实际的工具。AI 根据你要做的事，把对应的操作界面调出来。」（02:48）
「你查不到的不能说正常，给了设置入口的不能说已经修好了，工具执行成功之后还要复查。」（03:49）
「它把电脑里的设置、文件、应用这些操作全部接到了一起。你说遇到什么问题，它就去查、去处理；需要你手动的，就直接把按钮递到你面前。」（03:57）
「马维斯就有点像那个特别懂行又热心的网友，把强大的工具默默地给你做成了整盒包。」（04:34）
「你的资料库原本只是一些落灰的文件，现在成了可以随时被找到的数字资产了。」（05:03）
「我做的那些 AI 教程经常有人抱怨，说我跳过了这些繁琐的过程……可观众跟着做，卡住的地方可能是文件路径带空格、命令在另一个终端才能跑、依赖下载不下来，甚至连 Git 是什么都不知道。」（06:25）
「操作系统和开发环境的知识，是很多人进入 AI 时代必须要补的一课。」（06:49）
「我有很多本地的算力设备，但就是缺少了一个管家。Coding Agent 很强大，帮我做完项目，但机器的状态、服务有没有掉、任务跑到哪儿了，还是得我自己操心。」（09:02）
「就从那些每次都让你卡住又懒得研究的电脑小事开始，把眼前的这一步走通了，你才有机会用上后面那些更厉害的能力。」（09:34）
六、对内容创作者的启发
视频里有一段自我反思，可能是整条片子最有价值的部分，但容易被产品演示盖过去。
博主说，他做的 AI 教程常被抱怨「跳过了繁琐的过程」——总是聚焦最新模型、演示网站、演示一句话完成工作流，但观众真正卡住的地方，是文件路径带空格、命令要在另一个终端跑、依赖下载不下来、连 Git 是什么都不知道。
而每个人的「卡点」都不一样，一条视频根本无法穷举。
这解释了一个现象：AI 教程的「最后一公里」几乎从不在视频里。 演示环境是干净的、路径是无空格的、依赖是预装好的，观众的环境不是。所以教程的完成度，往往不取决于讲得多好，而取决于作者愿不愿意把环境差异讲清楚。
对做教程的人来说，这里有个可操作的建议：把「前置环境检查」单独做成一节，明确列出「什么情况下你会卡住、卡住之后怎么自救」，而不是把它压缩成一句「按提示安装即可」。
七、客观评述：这套东西的适用与边界
需要说明的是，这是一条产品体验类视频，带有明显的推广色彩。剥离宣传语气后，几点判断仍站得住：
成立的部分
- 「系统层级」确实是当前 Agent 竞争中一个被低估的方向：模型能力趋同后，差距在于能否触达真实的系统接口。
- 「给出入口」而非「给出步骤」，是解决最后一公里的有效手段，这个交互范式值得借鉴。
- Skill 里写汇报纪律（不许把「查不到」说成「正常」），是 Agent 工程化的关键细节。
需要保留的部分
- 能力覆盖面的判断来自单条视频的演示，未做系统性压力测试，具体稳定性需自行验证。
- 远程管理、WSL / Docker 部署这类操作涉及系统底层权限，实际使用中的安全确认机制是否足够，视频未深入。
- 文中提到的「1000 万 Token/天」等额度属时效性信息，以官方最新说明为准。
- NAS 支持、更多端能力在视频发布时仍是期待而非现状（该视频发布于 2026 年 9 月）。
一句话结论
这条视频真正讲清楚的事是：Agent 的护城河不在「会不会答」，而在「能不能把按钮递到用户手上」。 至于马维斯是否做到了，取决于你手上那些「懒得研究的小问题」有多少。
本文依据视频口播内容整理，专有名词（Marvis、WSL、Docker、ripgrep、混元、DeepSeek、Codex 等）已按上下文校正；语音转写可能存在个别偏差，关键数据请以官方说明为准。
视频来源：B站 @小天fotos（space.bilibili.com/28554995）〈扒光马维斯的底，大部分人都没懂这个系统层级Agent〉2026-09-11，原视频链接：https://www.bilibili.com/video/BV1baYL6GEsD（同内容亦发布于抖音号 969304610）。本文为视频内容的文字整理，版权归原作者所有，转载请注明出处。