NeuralAgent 3.0

嘿，Product Hunt 👋 我是Khaled，NeuralAgent的创始人。

NeuralAgent 是一个真正能操控你电脑的AI——它能看见你的屏幕，并控制鼠标和键盘，在桌面和浏览器应用里完成实际工作。

3.0 的新特性：这个版本让 NeuralAgent 变得飞快。之前的版本专注于“能用电脑”，3.0 则聚焦于“闪电般速度”，由我们全新专门打造的 Fast model 驱动。

我们构建 Fast model 只有一个任务：执行 UI 操作——点击、打字、导航——每个动作约 285ms。它配合一个负责规划和监督的推理模型，让 Fast model 飞速完成常规工作，同时在出错时也能足够聪明地恢复。

⚡ 快速更新：自上面那个发布视频录制以来，它又变快了！这是最近的一段：NeuralAgent 实时发送 WhatsApp 消息。留意光标，那就是 Fast model 全速执行。在正常流程中，它一次性规划任务，然后让 Fast model 飞速执行，只有当出现问题、监督模型介入恢复时才会重新规划。

https://www.youtube.com/watch?v=imFEuXv7meM

电脑操控智能体虽然有用，但一直很慢——你只能坐在那里看着它思考、点击、等待。我们想要让它感觉是即时的。

3.0 的另一项新功能：Fast Model Replays。一次完成任务，保存下来，然后通过文字、语音或聊天提及在几秒内重新运行。关键点：Replay 不是录制的宏。它不像 RPA 那样触发保存的坐标，每次运行时 Fast model 都会重新分析实时屏幕，每个动作都重新基于屏幕定位，因此界面变化时它能自适应，而不是像脆弱的脚本一样崩溃。你既能获得保存工作流的闪电速度，又能拥有真正看见自己在做什么的模型的弹性，以及确保任务执行的监督者。Smart Model Routing 将每一步发送给正确的模型，因此即使是很长的多步骤任务也能保持快速。

这一切都建立在 NeuralAgent 已有的能力之上：Watch & Learn 将你的工作方式转化为可复用的工作流、技能库（Google、Excel、PowerPoint、PDF、编程、研究）、定时工作流，以及用于规模化运行 UI 任务的企业云电脑。

背景信息：NeuralAgent 已被全球数万人使用，我们非常兴奋今天发布它。

上面的演示是实时的。期待你的反馈，我会全天在这里回答所有问题 🚀

更多 Fast model 演示：
https://www.youtube.com/channel/UCXGEZyKZZMZzOkTAA_r5TVA

因为 screenshot → model → action 的串联导致我尝试过的大多数 agent 堆栈都接近多秒循环，如果从意图到点击是端到端的，那么 ~285ms 的 UI 操作执行时间是一个有意义的基准。通常的操作粒度是什么（单次点击 vs. 多步骤流程）？这个数字是基于本地推理吗？我还想知道当原生应用不暴露标准 accessibility trees 或 DOM 变化时，你们如何处理部分失败？action layer 是专有的还是开源的？

~285ms 的 UI 操作执行时间如果是从意图到点击的端到端，就是一个有意义的基准——我试过的大多数 agent 堆栈因为 screenshot → model → action 的串联都接近多秒循环。这个数字是在本地推理上测量的吗？典型的操作粒度是什么（单次点击 vs. 多步骤工作流）？还希望知道当 DOM 变化或原生应用不暴露标准 accessibility trees 时，你们如何从部分失败中恢复？你们是否开源任何 action layer，还是保持专有？

我们能否将它和一个前沿智能体（比如 Claude 或 Codex）结合起来处理电脑操控任务？

重放功能很实用。电脑操控智能体虽然有用，但保存任务并快速重新运行，才是让它们成为真正工作流一部分的关键，而不是一次性演示。

喜欢Fast model加reasoning model的架构，我有点好奇，当supervisor在出错后介入重新规划时，这种恢复通常会给流程增加多少延迟？