小D写的：https://www.zhaozhaoai.com/biji/167.html 腾讯马维斯超级实战笔记给了我很大启发，既然他写笔记了，那我偷个懒，从技术层面聊一聊Marvis吧！
一、AI中间层：打破应用孤岛的“系统级总线”
Marvis最底层的技术设计，是一个被称为“统一AI中间层”的系统级基础设施。它将原本分散的终端系统、文件、应用、算力和跨端连接纳入同一个抽象层，在操作系统的权限边界之内，构建起一个可以承载AI任务调度与执行的运行时环境。这一设计的战略意图是：在操作系统层面，将整台电脑封装成一个可对话的“智能对象”。用户不必记住设置入口、文件路径或软件操作步骤，只需要用一句话说明目标，Marvis即可理解任务、拆解步骤、调用对应能力执行。从架构角度看，这个“AI中间层”类似于操作系统内核与应用层之间的一个虚拟化层，但它承载的不是硬件资源，而是AI任务——任务是输入，系统是执行体，输出是用户的真实操作结果。这种架构的技术前提是对底层系统的深度理解。Marvis能直接触达Windows底层，实现从系统设置到数据处理的闭环操控：一句话查询硬件配置、电池健康、网络状态，检测游戏运行条件，并通过自然语言调整系统参数。与市面上大多数停留在应用层面的AI工具相比，这种直连底层的设计，才是它能够“真干活”的关键。
二、多Agent协同架构：出厂预置了一个“AI团队”
Marvis在架构上的另一个独特设计，是出厂预置了六个协同工作的AI Agent，组成一个开箱即用的“AI团队”。这六个Agent分别是：
主Agent：任务总管，负责理解需求、拆解任务、调度其他Agent执行。
File Agent：文件管家，处理文件搜索、阅读、编辑生成、格式转换。
Computer Agent：系统运维专员，负责硬件检测、系统设置、性能优化。
App Agent：应用操盘手，一句话调用电脑EXE应用和手机APK应用。
Browser Agent：网页交互专员，执行网页登录、数据抓取。
Search Agent：搜索专家，负责联网搜索与信息聚合。
这套架构的核心思想是专业化分工。主Agent不直接执行具体操作，而是基于对用户指令的理解，将复合任务拆解为原子级操作，然后分配给最合适的专项Agent并行执行。用户一句话提出需求后，多个Agent可以同时开工、分工协作，最后汇总执行结果一并呈现。这种分工方案相比单一模型从头干到尾，有两个显著优势：一是各Agent在自己的垂直领域做精做强，操作更可靠；二是并行执行大幅缩短了复杂任务的响应时间。
三、双模式设计：让“端侧智能”真正落地
大模型落地操作系统，一个核心矛盾是如何在能力和隐私之间取得平衡。Marvis给出的解决方案是“效率模式+隐私模式”双轨制。
效率模式（端云协同）：复杂任务的语义理解与规划依赖云端模型（混元、DeepSeek V4），文件处理、执行动作和本地索引等工作仍在端侧完成，响应速度快、理解能力强。
隐私模式（全本地）：完全采用端侧模型（Qwen），所有数据解析、图片识别、对话推理均在本地完成，数据不上云，断网也能正常使用。
这两种模式并非简单选择“本地”还是“云端”。Marvis采用的是分层拆解的任务路由策略：能在本地完成的识别、索引和预处理尽量在本地消化，必要时才调用云端能力完成意图理解和复杂规划。由于做了大量的端侧预处理，Marvis在图片搜索、文件理解等任务上可显著减少云端Token消耗。
四、芯片层与操作系统层的双重优化
Marvis在技术落地上采用了芯片层+操作系统层的双重优化策略，以确保端侧模型能够在个人电脑上高效运行。
芯片层的Intel深度合作：Marvis与Intel深度合作，结合Intel的端侧AI能力与OpenVINO加速技术，端侧模型推理性能提升20%以上；在中小模型场景中，Intel AIPC架构下的GPU/NPU推理速度相比传统CPU可提升2至10倍。OpenVINO是Intel开发的跨平台推理优化工具包，通过统一的API屏蔽底层硬件差异，实现模型在不同硬件架构之间的高效部署。
操作系统层的微软协同：在操作系统层面，Marvis与微软携手，基于Microsoft Foundry on Windows端侧AI开发平台，通过系统级的WinML推理框架实现大模型在本地NPU、GPU和CPU上的优化运行。更重要的是，通过MCP on Windows提供的本地设备代理注册表（ODR），Marvis接入了系统级文件MCP服务，实现了在应用内通过自然语言Prompt直接操作电脑文件的能力。
这套“双路优化”的技术策略，让Marvis在普通消费级PC上也能流畅运行端侧模型，将大模型能力真正下沉到了个人电脑的本地环境。
五、安全设计：L2级兜底与“硬垂询”
当AI获得操作系统级的操作权限时，安全就成为不可回避的核心议题。Marvis在这方面构建了L2级安全兜底机制，核心设计是一个名为“硬垂询（Hard Confirm）”的强制确认机制。
这套机制将操作按敏感程度分级：
批量删除文件、修改系统核心配置等敏感操作：AI会先给出执行计划，通过弹窗请求用户确认，强制二次确认后才执行。
资金交易等更高敏感级别的动作：必须由用户本人完成，AI无权代劳。
这种设计背后的逻辑是：AI可以帮你处理系统层面的绝大多数操作，但在涉及不可逆修改或资金流转时，人类必须作为最终决策者。这是对“人机协同”边界的清晰界定。
六、跨端协同技术
Marvis的跨端能力，源于腾讯应用宝团队在跨端运行技术领域的深厚积累，这一点在当前市面上的AI助手中是相当独特的差异点。
跨端技术的实现主要体现在三个层面：
-
手机远程操控电脑：用户可在手机上直接查看电脑屏幕并实时接管操作，PC锁屏状态下手机仍可远程输入密码解锁操控。
-
电脑操控手机应用：在PC端直接运行和操作手机APK应用，打通桌面与移动端的边界。
-
文件无缝流转：手机与电脑之间的文件传输与共享，同账号自动同步。
这种跨端协同并非简单的远程命令发送，而是通过同账号协议实现真正的桌面级实时可视化操控。用户在手机端看到的不是文字指令的执行结果，而是电脑屏幕的实时画面，可以亲自点击、拖动、接管，体验与本地操作几乎没有区别。
小结
腾讯Marvis在技术架构上走出了不同于传统AI助手的路线：它不是套壳大模型后加个对话界面，而是在芯片级、操作系统级、模型层和应用生态四个维度构建了完整的AI能力底座。从整体架构来看，Marvis的设计逻辑清晰且具有系统性——AI中间层解决了“系统怎么理解AI任务”的问题；六Agent协同解决了“任务怎么拆解执行”的问题；双模式设计解决了“能力与隐私如何平衡”的问题；芯片+操作系统双重优化解决了“端侧模型能不能跑得动”的问题；跨端技术解决了“不同设备之间怎么协同”的问题。五个部分环环相扣，形成了从底层基础设施到上层用户体验的完整技术闭环。对于关注AI基础设施演进的技术人和开发者来说，Marvis的出现至少标志着：AI正在从“云端聊天应用”下沉为“操作系统的基础能力”。