01
谁在用 Agent
早期用户画像、使用深度与工作流变化
早期用户画像、使用深度与工作流变化
Agent 对 PC 的新需求，人机协作对 PC 的新需求
多设备帮助人管理、调度、接管和验收 Agent
AI 办公处在“入口扩大、深度分化”阶段；研究他们，就是提前看下一阶段的工作方式、终端需求和产品能力。
超 55 类
0—10% 渗透率
10—25 类
20—40%
不足 10 类
80—100%
柱高为对应区间的职业数量（按 55+／10—25／<10 示意比例）；渗透率 = 职业内任务被 AI 覆盖的份额
定性访谈 · 1V1 深访 20 人
回答“怎么变、为什么变”
预调研 9 人＋正式调研 11 人；已将 Agent 用于真实办公任务的中深度用户，以非开发知识工作者为主
定量问卷 1000 份
回答“多少人、哪些人、什么最重要”
普通 PC 办公人群，覆盖 Agent 中深度用户、浅度使用者、尝试后放弃者和未使用者
7人
KNOWLEDGE DELIVERY
严谨交付Agent 生成，人审核
代表用户 · 岗位
报告、研究与方案
整理生成
审核定稿
4人
DATA DECISION
经营决策Agent 计算，人定口径
代表用户 · 岗位
清洗、计算与洞察
跑数分析
判断口径
5人
CONTENT MAKING
表达生产Agent 粗加工，人把关
代表用户 · 岗位
选题、素材与创作
生成初稿
把控表达
4人
PRODUCT BUILDING
产品实现Agent 构建，人验收
代表用户 · 岗位
代码、原型与产品
执行构建
测试验收
参与程度与系统复杂度
极客
OPC
深度用户
完整项目 · 多 Agent
中度用户
关键环节 · 模板复用
轻度用户
单点任务 · 单 Agent
按行为分层，不等同于能力评价
同时调度多个 Agent，并主动配置模型、Skill 与控制层。
代表案例｜某先生：以 CC Switch 管理 Claude Code、GPT / Codex、国内模型及 6 个 Harness 终端。前沿代表性强，复制依赖个人工程能力。
将完整项目交给 Agent，形成稳定的多步骤协作流程。
代表案例｜Grace：把乙方数据纠错规则写成可复用 Skill，并用多个模型交叉验证；原来至少一周的核查可在大半天内完成。
在资料处理、分析、生成等关键环节持续调用 Agent。
代表案例｜某女士：将机械视频拼接、字幕包装和图片插表稳定交给 Agent；策划方向、品牌表达和最终质检仍由本人负责。
以单一产品处理问答、摘要、改写等相对独立的任务。
代表案例｜Sheffy：用豆包、通义听悟完成录音转写和会议摘要；发言人对应仍会错乱，需要人工逐条核对，尚未形成连续工作流。
★ Agent 核心价值区
重复执行
低脑力参与
内耗型工作
规则明确、必须完成，判断要求较低； 持续消耗时间和注意力，完成后的价值感有限。
分析与生成
中脑力参与
稳定产出型工作
目标与框架明确，需要专业处理； 持续修改，确保准确、完整、按时交付。
判断与价值创造
高脑力参与
学习成长型工作
不确定性和责任更高，依赖经验与价值判断； 能产生新的理解、成长感和有影响力的结果。
“Dirty 的活就是不费脑子、实习生也能干的，像 fact-check、确认产品什么时候上市、直接竞品有哪些、查一个简单数据，可能百分之八九十都让 AI 做，但还有 20% 需要人工判断准不准。高脑力 demanding 的，比如调 model，90% 以上还是人力。正常脑力 demanding 的，比如这页 message 和数据已经确定，让它想排版和补充，AI 可以占 70%，剩下 30% 我再人工腾一腾、画一画。”
“dirty work 可能只占 5% 的价值，却占 50% 的工作时间。现在它完全没有了，资本家不会让你舒服半个月，而是给你增加不同的工作，要么加量不加价，要么减价。我一直到今天也没有提前下班，省下来的时间都被别的事情填满了。搭 Dashboard 时我天天加班，一度想放弃，因为我上班这么多年，突然要做一块完全没有经验可复用的事情，前面的优势好像全部没有了，这很让人焦虑。”
早期用户画像、使用深度与工作流变化
Agent 对 PC 的新需求，人机协作对 PC 的新需求
多设备帮助人管理、调度、接管和验收 Agent