Perplexity 推出全新工具“Computer”——将任务分配给其他 AI 代理的协调器#
概述#
Perplexity 发布了名为“Computer”的新工具（目前对 Perplexity Max 订阅用户开放）。该工具的核心理念是：用户只需描述一个期望的结果，例如“为我的餐厅策划并执行本地数字营销活动”或“为我的工作构建一个用于特定研究的 Android 应用”，Computer 会自动构思、拆解并分配子任务，调用多款模型与多个代理协同完成这些任务。
官方表述将其定位为“一套能创建并执行业务流程的系统”，并声称系统能持续运行数小时甚至数月以完成长期任务。
工作原理#
- 用户以目标或结果为输入。Computer 将目标拆分为若干子任务。
- 系统为每个子任务选择“最合适”的模型或代理来执行，并在云端启动隔离的计算环境。
- 每个任务运行在独立的运行环境中，具备真实文件系统、真实浏览器与真实工具集成的访问能力。
- 系统支持长时间运行与多步工作流，呈现出面向结果的“端到端”自动化能力。
该设计的出发点之一是把原本一些高级用户手动搭配多模型、多插件的流程产品化，使更多用户能在无需繁琐配置的情况下获得类似能力。
Computer 使用的部分模型与分工#
| 模型 | 主要用途 |
|---|---|
| Claude Opus 4.6 | 核心推理引擎，用于总体规划与协调 |
| Gemini | 深度研究与资料挖掘 |
| Nano Banana | 图像生成 |
| Veo 3.1 | 视频制作 |
| Grok | 对速度要求高的轻量任务 |
| ChatGPT 5.2 | 长上下文召回与广范围检索 |
注：Perplexity 采取“按任务选择最优模型”的策略，而非仅限使用单一厂商的模型（这与某些竞品如只用自家模型的产品不同）。
对比 OpenClaw#
OpenClaw（曾用名 ClawdBot、Moltbot 等）是近来流行的“代理式”AI 工具代表，它通常在用户本地作为常驻进程运行，能够在有权限时访问、修改甚至删除本地文件。许多高级用户通过组合模型、插件与 MCP（Model Context Protocol）实现自动化工作流。
Computer 与 OpenClaw 的主要区别：#
- 运行位置
- OpenClaw：多以本地为主，直接与用户机器、文件与应用交互。
- Computer：在云端受控环境运行，任务隔离，集成由 Perplexity 筛选和管理。
- 集成与生态
- OpenClaw：插件与扩展开放、未经严格审核，灵活但存在安全风险。
- Computer：采用“有墙花园”与预构建集成，限制了未知插件介入的风险。
- 安全与信任模型
- OpenClaw 的野性生态展示了强大能力，但也暴露出如误删邮件、提示注入等严重问题。
- Computer 旨在通过集中式管控降低这类风险，但模型自身的错误仍不可完全避免。
可以把这种关系类比为：如果 OpenClaw 是“打开的 Web”，Computer 更像“受管控的应用商店”。
潜在风险与限制#
- 模型会犯错：当 Computer 操作重要数据或文件时，模型错误可能产生不可逆后果（例如破坏数据或产生错误决策）。
- 权限与信任边界：虽然在云端运行并采用受限集成能降低一些风险，但仍需信任服务商与其集成生态的安全性与隐私策略。
- 依赖性与可解释性：自动化调度多个模型，调试与追踪错误来源会更复杂，对企业合规与审计提出挑战。
- 可扩展性与成本：长期运行数小时或数月的工作流会产生持续计算成本，用户需权衡产出与花费。
适用场景（示例）#
- 复杂的内容生产链（例如：调研 → 写稿 → 生成配图 → 制作视频）。
- 长期、分阶段的营销活动自动化与优化。
- 需要跨模态技能的产品原型开发与迭代（文本、图像、视频）。
示例用户提示（示意）:
帮我完成以下任务：
1) 调研本地餐饮市场并生成目标受众分析；
2) 为餐厅设计一周的数字营销计划，并生成文案、图片和 30 秒推广视频脚本；
3) 按优先级输出可执行的日程和所需资产清单。
请把这些工作拆成子任务并分别执行，最后汇总并提供可直接使用的文件。小结#
Perplexity Computer 将多代理、多模型编排的想法产品化，试图把一些高级用户的“自搭流水线”变成对更多人可用的云服务。它在能力与安全性之间做了折中——通过受控环境与预置集成降低风险，但无法消除模型出错与长期运行带来的隐患。未来可预见更多 AI 厂商会以类似方式推出“按任务调度最佳模型”的产品线，竞争与监管都将随之加剧。