智能体引领产品变革
—2026年度产品创新设计智能化趋势报告
01
浙江大学软件学院
AI产品进入“可托付智能”阶段
From AI-assisted output to bounded delegation
2025–2026年的关键变化不是“又多了一个AI按钮”，而是产品开始具备任务理解、计划分解
、工具调用、跨应用执行、持续记忆与结果校验能力。
能力变化
从生成内容，转向完
成任务；从一次响应
，转向多步计划；从
单应用，转向跨工具
行动。
界面变化
从聊天框，转向可编
辑产物、浏览器侧栏
、眼镜显示、语音/手
势/环境感知。
关系变化
从工具效率，转向协
作关系：用户把目标
、约束和部分控制权
交给智能体。
风险变化
从输出错误，升级为
行动错误：权限、隐
私、可追溯、回滚与
责任边界成为产品核
心。
Agent不是一种功能，而是一种产品架构；真正的创新点在于如何定义“可托付的边界”
02
Agentic Product = 模型能力 + 产品上下文 + 工具连接 + 交互约束 + 信任机制
感知层 文本 / 图像 / 语音 / 屏幕 / 传感器
理解与记忆层 用户意图、历史偏好、场景状态、组织知识
计划层 目标拆解、步骤排序、工具选择、失败恢复
行动层 浏览网页、编辑文件、控制设备、调用API
治理层 授权、审批、审计、回滚、责任边界
能力成熟度：从“答复”到“托付”
L1 问答助手 回答/生成
L2 协作副驾 围绕产物协作
L3 任务智能体 多步执行+工具
L4 委托型代理 长期目标+自主监控
L5 具身/社会智能体 环境行动+关系经营
03
什么是 Agentic Product？
A product that can perceive, plan, act, and be governed in context
Agenda
Part 2工作流再造
从工具调用到过程协作 10
Part 3环境与具身智能
从屏幕助手到空间存在 15
Part 4价值重塑与设计策略
从能力竞争到可信生态 21
Part 1Agent跃迁
从生成内容到委托任务 05
04
Part 1
Agent跃迁
——从内容生成到任务委托
模型不再只是回答问题，而开始主动完成“可交付的任务”。因此，产品设计的核心
不只是prompt输入，而是任务委托、工具调用、审批边界和错误恢复。
05
▤
☑◎
▣
▣
趋势一：任务委托化
AI 不再只是根据输入生成内容，而是开始具备理解目标、接入背景、规划路径和调用工具的
任务能力。产品入口也随之从“提示词输入框”升级为“任务委托入口”。
目标
AI时代，用户需要告诉系统“写什么”；
Agent时代，用户更关心“最终要完成什么
”。系统将模糊意图转化为明确目标，并围
绕结果持续推进。
示例：“帮我完成一份竞品分析报告”。
上下文
任务开始前，产品会主动收集文件、历史记
录、偏好、业务背景和相关数据，减少反复
追问
示例：结合品牌语气、历史方案和行业数据生成更准确的内容。
工具与权限
Agent具备调用工具和执行动作的能力，明
确哪些操作可自动执行，哪些必须获得确认
，以建立安全可信的交互边界。
示例：发送邮件、删除数据、调用外部系统前需要授权确认。
约束
Agent在一定边界条件，包括时间、预算、
风格、质量标准与合规要求等等条件下工作
。
示例：在一周内完成，保持专业风格，且不得使用未授权数据。
状态
↗
Agent在必要时暴露任务进度、关键决策
与下一步计划，让用户随时理解系统在做
什么，并在必要时介入调整。
示例：已完成资料收集，正在分析竞品，下一步输出结论摘要。
交付
Agent的价值不止于回答问题，而在于交
付可验收、可修改、可复用的成果。交付
标准越清晰，系统越能稳定完成闭环。
示例：最终输出PPT、报告、数据表，并支持继续修改与迭代。
任务委托化
06
案例：通用智能体正在形成三类产品入口
研究型代理 行动型代理 场景型代理
擅长深度信息检索、整理与分
析，输出结构化洞察帮助用户
完成研究、分析与决策支持。
1 2 3
具备自主规划与执行能力，能
调用工具帮助用户把想法落地
为具体任务与成果。
深度融入特定场景与系统，提
供持续陪伴与主动服务让智能
体成为用户环境的一部分。
行业研究、竞品分析、学
术调研、市场洞察
07
日程安排、旅行预订、自
动化办公、任务执行
智能家居、车载助手、数
字人、健康陪伴
案例：面向日常场景用户的智能体产品--OpenClaw
OpenClaw面向日常任务处理场景，进入用户聊天入口，连接邮件、日历、浏览器与自动化工具，帮助普通用户完成跨应用事务。
1 理解上下文 连接聊天入口、邮箱、日历与文件，沉淀用户偏
好、历史任务和待办状态。
2 拆解生活任务 把“清理邮箱、安排会议、处理行程”等模糊目
标转化为可执行步骤。
3 调用真实工具
4 持续执行
不只生成代码，还能编辑文件、运行命令，并连
接终端、IDE、Git与浏览器等真实工具链。
在发送、删除、预约等关键动作前请求确认，并
把执行结果回传到聊天入口。
聊天入口 / 持久记忆 /
多渠道
任务计划 / 状态追踪 /
下一步
Gmail / Calendar /
Browser / Cron
关键确认 / 结果回传 /
长期任务
08
Claude Code主要面向开发场景，进入真实开发环境去读取和理解代码库、规划修改、调用工具并验证结果。
1 理解代码库 读取项目结构、依赖关系与相关文件，让AI先获
得完整的工程语境，而不是只看当前问题。
2 规划执行路径 把需求拆解为可执行步骤：定位问题、确定影响
范围、安排修改顺序，并明确验证方式。
3 调用真实工具
4 验证并交付
调用浏览器、邮件、日历、文件与定时任务等工
具，把建议变成真实操作。
通过测试、检查diff、修复问题并形成可提交结
果，让输出可验证、可回滚、可交付。
全局上下文/多文件定位/
规范理解
任务拆解/影响分析/执行
计划
文件编辑/命令执行/工具
集成
测试验证/Dif检查/可交
付结果
案例：面向专业领域用户的智能体产品--Claude Code
09
Part 2
工作流再造
——从工具调用到过程协作
当Agent具备过程协作与能力复用能力，产品不再只是调用工具，而是开始重组任务链路，
形成可协作、可沉淀、可进化的工作流。
10
☑◎
▣
趋势二：人机过程协作化
产品不再只展示一个 Agent 的执行过程，而是人组织多个角色化 Agent 围绕目标分工协作、共享上下文并持续接力。
目标共识
人定义目标、约束与标准，
Agent 将其转化为可执行计划。
过程共管
Agent 展示步骤、工具调用和
中间结果，人可在关键节点确
认、补充和调整。
角色分工
Agent 分别承担不同角色，人
负责方向和优先级。
结果共创↗
最终结果不是 Agent 一次性生
成，而是在人类反馈与 Agent
迭代中共同完成。
过程协作化
11
单次 AI 功能
通用推理 / 生成 / 理解
Reusable Skill
可复用能力包
场景经验 + 工具调用 + 输出模板 + 反馈优化
持续产品能力
服务具体场景并不断进化
1 能力封装
把高频任务中的知识、步骤、
工具和输出格式封装为可调用
模块。
2 能力组合
多个能力模块可以串联成完整
任务链，支持更复杂的产品流
程。
3 场景沉淀
同一能力可以在设计、营销、
办公、开发、服装、家居等不
同场景中迁移使用。
4 持续进化
用户反馈、使用数据和版本迭
代会持续优化能力，让产品越
用越稳定
可调用 可组合 可进化
趋势三：能力模块化
知识、工具、流程和规则被沉淀为 Skill / Workflow / Playbook等，用户不必每次从零描述需求， Agent 能在不同场景中
稳定调用成熟能力。
12
案例：产品正在从“结果生成”走向“过程共创”
过程协作化
人机过程协作化正在进入各类用户场景。用户提出目标，AI 生成阶段结果，人再通过预览、判断和反馈持续校准。
智能产品不再只是一次性
输出答案或结果，而是把
需求表达、方案生成、预
览反馈和持续修改连接成
一个过程。
用户不需要掌握完整专业
流程，但可以在关键节点
判断方向、补充偏好、调
整结果，与 Agent 共同
推进任务。
1.
Figma Make 将用户的想法或
已有设计转化为可交互原型、
Web App 和互动 UI。用户可
以通过对话继续构思、迭代和
优化，而不是只获得一张静态
设计稿。它把“生成界面”变
成“边预览、边反馈、边修改
”的协作过程。
Figma Make
Stitch Fix Vision 让用户上传
自拍和全身照，AI 生成“自己
穿上不同造型”的个性化图像
，并持续提供穿搭灵感。它体
现了服装产品从“推荐商品”
升级为“人机共创造型过程”
：AI 给出可视化方案，人通过
审美判断和风格反馈持续校准
Stitch Fix Vision
13
案例：产品正在从“单点功能”走向“能力模块
能力模块化
能力模块化让 AI 不再只是一个隐藏模型，而是被封装成可调用、可组合、可复用的产品能力，嵌入到生活工作场景。
智能产品正在把复杂 AI
能力拆解成用户可理解
、可调用的能力模块。
这些模块、以不同功能
形式进入产品界面，支
持不同任务调用。
2
.
MBUX 将导航搜索、地点推荐
、路线规划、车辆信息和多轮
对话整合进车机体验，让用户
在驾驶场景中持续调用出行相
关能力。
Mercedes-Benz MBUX
Virtual Assistant
Alexa+ 将家居控制、购物、
提醒、娱乐、信息查询等能力
整合到统一语音入口中，让用
户不必分别打开不同 App，而
是通过自然语言调用一组日常
生活能力。
Amazon Alexa+
14
Part 3
环境与具身智能
——从屏幕助手到环境智能体
当Agent拥有视觉、语音、空间感知甚至运动能力，智能产品开始从app中走出来，成为环境智能体。
15
当 Agent 拥有视觉、听觉、位置、运动、记忆和表达能力，产品体验不再只是界面效率，而是“如何与用户共处”。
趋势四：智能体在场化
AI
Presence
1.边界
哪些信息可以感知，哪些行为必须克制？
2.姿态
如何用距离、朝向、位置让用户感到安全？
3.记忆
住什么能形成关系，忘记什么才能保护隐私？
4.节奏
何时主动、何时等待、何时安静退出？
5.表情
如何表达状态、意图和情绪，而不过度拟人？
16
Meta Ray-Ban Display
镜片内显示、摄像头、语音、实时字幕、翻
译与 Neural Band 手势控制结合，让 AI 从
“听你问”升级为看见上下文后给出轻量提
示的反馈”。眼镜从拍摄设备转向信息界面
。
Google Project Astra /
Android XR Glasses
Project Astra 不是已上市眼镜，而是 Google
的多模态 Agent 技术方向；Android XR
glasses 是未来硬件载体，重点是共享用户视
角、理解上下文、实时翻译和导航提示。
AI 眼镜正在把摄像头、麦克风、显示与语音模型整合为随身入口，让 Agent 能够看见用户所见、听见用户所听，并在真实
生活场景中提供即时辅助。
案例：产品正在从“随身屏幕”走向“环境感知入口”
环境感知入口
AI 眼镜的价值不只是把手机
信 息 搬 到 眼 前 ， 而 是 让
Agent 具备持续感知环境的
能力。
它通过摄像头、语音、字幕、
翻译和轻量显示，把用户所
处的真实场景转化为可理解、
可响应的上下文，从而在合
适时机提供提醒、解释、导
航和辅助决策。
1.
17
桌面机器人和陪伴机器人不再只追求任务执行，而是通过注视、靠近、触摸反馈、表情、声音和日常节奏，在低风险场景中
建立持续陪伴感。
案例：产品正在从“可爱玩具”走向“情感化陪伴”
LOVOT / EMO / Loona
这些陪伴机器人证明，关系感来自持续出现
、主动靠近、触摸反馈、稳定节奏和轻度记
忆，而不只是更强的问答能力。
Ropet
通过柔软触感、屏幕表情、语音互动和情绪
反馈，主打陪伴与回应。它的重点不是效率
，而是让用户感觉“它在回应我”。
情感陪伴化
情感化 AI 的关键不是更会
说话，而是让用户感到
“它在回应我”。
这类产品通过身体动作、
表情反馈、触摸互动和轻
量记忆，把 AI 从功能型工
具转变为可被感知、可被
亲近、可形成日常关系的
陪伴对象。
2.
18
Alexa + across Echo / Ring / Fire TV
Alexa+ 把语音助手扩展到音箱、门铃、摄像头和电视等设备中，让家庭智能从“单点控制”转向
跨设备理解、提醒和任务编排。
家庭智能体不再只是执行单个语音命令，而是理解空间、设备、日程与家庭情境，在多个设备之间完成协同服务。
案例：产品正在从“智能家居控制”走向“空间管家”
空间管家化
家庭 AI 的核心价值正在从
“控制设备”转向“管理
场景”。
它不仅需要听懂用户指令，
还要理解家庭空间中的人、
设备、时间和事件，并在
不同设备之间主动协调任
务，例如提醒、看护、投
影、安防、娱乐和生活建
议。
3.
Samsung Ballie
Ballie 代表移动家庭伴侣机器人的方向：通过移
动、投影、摄像头、传感器和多模态能力，承担
提醒、家庭控制、生活建议和陪伴等任务。
19
具身智能正在把视觉理解、语言指令、动作模型和机器人身体连接，让智能体进入真实空间，处理真实物体与真实工作流。
案例：产品正在从“机器人演示”走向“物理任务执行”
物理执行化
具身智能的重点不再是展示
拟人动作，而是把 AI 能力转
化为真实世界中的可执行服
务。
产品竞争的关键，也正在从
“机器人像不像人”转向
“能不能稳定、安全、持续
地完成任务”。
4.
Tesla Optimus
Optimus 代表制造企业向通用人形机器人延
伸的长期愿景，现阶段更适合放在“工厂任
务探索”和“量产想象”中讨论。
Figure Helix
Helix 代表机器人基础模型方向：机器人不再只
执行预设动作，而是根据自然语言理解任务、
识别物体，并完成更灵活的协作。
20
Part 4
价值重塑与设计策略
——从能力竞争到可信运营
Agent时代的产品创新，不只比拼模型能力，更比拼：如何形成可持续商业模式、可信任的控制机制、可
扩展的生态接口。
21
Agent 把产品价值从一次性功能，转移到持续执行、持续学习和持续交付结果的服务能力。因此，订阅、任务额度、技能市
场、硬件服务和企业治理平台，会成为更常见的商业模式。
趋势五：改变智能产品的商业模式
商业模式
1.订阅型能力
更强模型、更高任务额度、更长记
忆、更复杂工具调用，适合被包装
成持续订阅能力。
2.技能与智能体市场
第三方开发者或企业内部团队，可以发布
专用技能、连接器和业务智能体，让能力
像应用一样被发现、购买和复用。
3.硬件 + 服务
AI 眼镜、桌面机器人、家庭机器人
不只卖硬件，还会通过云端模型、
记忆能力、场景服务和内容更新持
续升级。
4.企业治理平台
当企业内部出现大量智能体，权限管理
、行为审计、安全策略、评估体系和生
命周期管理，会成为新的基础设施。
22
Agent 越能行动，产品越需要清楚回答：它用了什么数据、被允许做什么、谁为结果负责、如何审计和纠错。
趋势六：可信、隐私与合规成为默认设计项
1. 隐私架构
Apple Intelligence把本地处理和
私有云计算结合起来，强调只处理
完成请求所需的数据，并通过专门
的云端架构保护个人信息。它说明
智能能力不能只看效果，也要看数
据在哪里被处理、如何被保护。
2. 权限与审计
企业 Agent 需要连接邮件、文档、日
程、客户系统和业务流程，因此必须有
清晰的授权范围、操作日志、策略控制
和人工接管机制。
3.监管时间表
欧盟《人工智能法案》已于2024年生
效，通用 AI 模型义务自2025年8月开
始适用。更多关于透明度、高风险系
统和企业责任的要求，将在2026年后
陆续落地。
23
Agent 越能行动，产品越需要清楚回答：它用了什么数据、被允许做什么、谁为结果负责、如何审计和纠错。
面向2026的智能产品设计检查表
1.委托边界
用户是否清楚知道，哪些任务可以交给 AI，哪
些任务必须由人确认？
2.计划透明
AI 执行前，是否展示目标、步骤、数据来源和
关键假设？
3.权限控制
涉及付款、发布、删除、通知、设备控制等高
风险动作时，是否需要明确授权？
4.记忆策略
记忆是否有价值、可查看、可修改、可删除，
并能解释为什么被保留？
5.多端连续
同一个智能体能否在手机、电脑、眼镜、机器
人和家庭设备之间保持上下文？
6.错误恢复
任务失败时，是否有解释、回退、人工接管和
重新执行机制？
7.情感得体
具身或陪伴型产品是否避免过度拟人、过度打
扰和情感操控？
8.评估闭环
是否持续评估任务完成率、用户控制感、信任
感、安全事件和误操作风险？
24
2025–2026 关键词
“下一轮智能产品创新的核心，并非简单把AI嵌入产品，
而是重新设计人、Agent、工具、环境之间的协作关系”
可委托
从回答问题
到完成任务
可连接
从单点能力
到工具生态
可具身
从屏幕界面
到空间存在
可协作
从自动生成
到共同决策
可治理
从黑箱智能
到可控可信
25
2026年度产品创新
设计智能化趋势报告
26
报告团队：刘绮，沈煜程，毛荣杰，李泽健，孙凌云
浙江大学软件学院
