在2025世界人工智能大会（WAIC 2025）中，观察到四种产品趋势：
- 交互形态方面：AI Agent已广泛普及，垂直领域正探索多模态交互，硬件与语音结合成为主流，并增强全双工能力（支持实时插话或打断），同时注重情感或心理分析，以拓展多样化交互场景。
- 输出结果方面：不再局限于Markdown格式，而是与文档、机器人执行深度融合，或者是内嵌在游戏、直播中的各类插件；在教育领域，应用从资源生成转向真实课堂模拟，如圈画重点等教学行为模仿及数字人广泛应用。
- 技术实现方面：垂直领域厂商提供端到端解决方案，涵盖数据采集与多源异构数据平台、知识封装及MCP协议精准调用、基础能力组件化与智能体个性化，实现自动化任务执行和规模化协同，从而高效响应前端需求。 尽管存在技术问题（处于原型阶段、点击后大量报错），但市场的活跃度非常高，企业加速布局。
- 创业产品方面：在效率和办公方面的创业公司最多，可以对会议/听课录音添加tag、快速添加到笔记、生成总结，或对文档进行标注和修改（类似notion）。
总结下来：
- 产品的交互形态越来越多样化，功能更细化
- 产品的输出结果越来越复杂化，执行更完整
- 产品的迭代速度越来越流水线，考验底层能力
接下来介绍一些我认为有价值的内容。
一、学生生涯规划
典型代表是科大讯飞、愿途、嗷呜爱学、智师益友、apply-U。原来在自主招生领域，有很多类似crimson的咨询机构，帮助学生规划高中三年的学业成绩、课外活动等。随着自主招生被综合评价替代，原来的咨询机构转为学校提供生涯规划课程（国家规定的社会实践这门课程中的1/4）。
通过询问现场工作人员，实现的方式都是根据学生的基本信息、Quiz（包括一些性格测试和题目），然后使用agent规划合适的课程和学习资源，以知识图谱和tasks list方式进行呈现，有明显前后关系。
也有提出从申报大学到未来就业，提供更远景的职业规划建议。（如apply U，https://www.apply-u.com/dashboard/，虽然写的全是bug，但可以推测是一些tutors通过AI开发的一个平台，这是一个很明显的趋势萌芽）
PPIO提供的是多agent方案，这和我们最早的设计有点类似，但用户如何区分多个agent？为何不用一个通用agent？我的思考逻辑是用户对话不是针对一个类型、而是一件具体的事情。我们如果以事情（也就是task）作为触发，就避免了用户的思考，也能发挥通用agent优势。
二、交互形式创新
典型代表如科大讯飞学习机（包括AI blackboard），与教学场景结合非常深入，获得本次展会镇馆之宝荣誉。教师可以手持电子笔调用Agent并进行语音输入，也可按下快捷键圈画blackboard内容快捷查询，可书写作业内容或通过agent生成作业列表并确认推送给学生/家长。基于真实环境，完成尽可能多的workflow整合，形成真正提升现实生产力的解决方案。
腾讯地图全新上线旅游规划 Agent--AI叮当（淘宝和京东也推出电商agents，帮助商家选品营销、帮助顾客进行选购），集成旅游攻略生成、周边搜索、景点简介、小程序点单、顺路规划与可编辑行程保存等多项能力，全面升级用户在出行前、中、后的智能规划流程，为用户带来一站式智能出行新体验。不同的业务类型，通过MCP协议整合在对话框内，agent根据输出内容进行不同样式呈现，用户可通过简单的点击交互即可完成全链路。
科大讯飞的学习机，提供类似地图的学情档案、知识图谱样式呈现知识点关系、将学习任务以Timeline的方式呈现，都是可以借鉴的设计元素。
这种AI导诊设备也有一些交互上的亮点：①多屏互动，避免了复杂环境中语音识别的缺陷；②提供快捷指令按钮，快速识别用户最核心的需求；③多个回答选择，在用户意图不明确的时候，帮助用户进行梳理思路。
在每一轮对话中，开场白、预置问题和每一轮回复之后的用户问题建议，是引导目标性不强的用户快速熟悉产品和会话的关键，但这样还是很依赖用户进行大量的思考和决策。
①要么优化prompt，限制问题的开放性，只需要用户回答Y/N，或做简单的回复；
②通过前三轮会话，要求用户提供大量背景信息，然后和用户确认本次会话的planning，确认后直接完成全部输出，中间不允许被打断。
Agent非常通用的产品形态，一般界面元素分为：
- Avater、招呼语、功能描述
- 输入框（包括模型/模式选择、是否联网等）、上传附件、语音输入、发送按钮
- 细分agent调用不同工具
- 推荐问题或内容
交互简化到极致，就是硬件的搭配，戴上这个耳机，说话=点击暂停+长按语音输入+发送，减少很多操作，并且因为收音效果好，提升用户体验，还能提高盈利。语音输入已经是绝对主流，在教育领域，数字人的应用也是非常广泛。
三、文档编辑创新
我们在使用chatgpt的时候，经常遇到的2个问题：
①从主流程一旦被打断，就会造成多轮对话干扰主流程，如询问某个问题的过程中用户提示错误信息，纠正后就很难回到主流程（agent产品采取的策略是用户只能update planning，对于tasks list中的处于status=in progress的任务不会中断output）；
②尤其是对文字的一些操作希望能输出google doc或提供doc link进行编辑（这个占业务场景比例高），如果能提供一个workspace，针对对话过程中调用的tools和输出结果，进行统一管理和编辑，就会避免很多跳转的交互。
如https://histella.cn/，这款产品目前只开发了针对doc的操作。此外还有很多针对PPT的agent，如chatppt，可以通过对话编辑ppt（类似的产品还有lovart）。chatppt还有一个锁定大纲的细节，这个我很赞同，在生成过程中打断，其实是一件非常浪费的事情，无论是tokens还是用户的等待时间、决策路径，都带来非常失败的体验。
四、笔记类产品
这次印象深刻的是一个叫ticnote的产品，在标准的会议记录和内容总结基础上，提供了aha moment功能，针对用户在对话过程中的一些交互（如输出内容）或提炼对话内容后自动推荐。
Shadow AI可以自定义订阅内容和推送机制，这个也是非常赞的一个点子。希望通过agent根据用户tasks list+用户习惯，定制化推送策略和内容。
最后
还有一个让人印象深刻的事情：我和DraMa团队成员（就2个人）聊过，他们目前只是做了一些简单的动画和界面，但他们预计在9月份正式上线。①他们有明确的版本规划、无论是团队内部还是对内外测的玩家，都是以非常明确的milestone进行推进；②他们信心很足，一方面是他们已经验证了业务流程获得认可；②是通过前期探索，已经建立了底层开发环境，接下来就是按部就班完成工程方面的建设。
除此之外还有lumos、convolens语境、deep me、martover 托沃、云蝠智能、goact.fun也印象深刻。
有一些AI产品是以插件的形式嵌入其他产品中，如“逗逗”，这款产品刚出来的时候，是作为桌面虚拟玩偶，类似小时候杀毒小狮子或曲别针。现在是在游戏中获取实时画面，为玩家提供技能建议或游戏攻略。
还有如Eigent（还有各种RPA，智谱autoGLM），是桌面agent，能够调用操作系统接口，调用其他软件，完成更复杂任务。
AI时代，最需要的是想象力和执行力。