<!-- title: 桌面Agent四栈生死：Mariner之死与Computer Use出路 -->

## 概述

2026年5月4日，Google悄然关闭了Project Mariner——曾被视为"AI浏览器自主操作"标杆的实验项目。它的死亡不是意外：17个月的公开测试中，独立浏览器Agent暴露出延迟高、容错差、无法处理动态内容三大致命缺陷。Mariner的关闭标志着一个转折点：**纯视觉驱动的桌面自主Agent正让位于API原生与工作流嵌入的Agent架构**。本文解剖Mariner之死的深层原因，实测对比OpenAI Operator、Claude Computer Use、Manus三栈仍在运行的桌面Agent，结合100次企业部署回溯数据与12家企业的171% ROI实证，给出桌面Agent从Demo走向生产的完整路线图。

---

## 一、Mariner之死：独立浏览器Agent为何失败

### 1.1 Mariner的技术路径

Project Mariner于2025年Google I/O大会首次亮相，基于Gemini模型的视觉能力，通过实时截屏→坐标映射→鼠标点击的方式操控Chrome浏览器。其核心架构：

```
用户指令 → Gemini规划 → 截屏识别 → 坐标定位 → 执行点击/输入 → 循环
```

这种"看屏幕→操作"的模式在当时被称为"Computer Use Agent"的典型范式。Mariner能完成机票预订、表单填写、信息检索等多步骤Web任务，理论上替代了RPA（机器人流程自动化）的脚本编写环节。

### 1.2 三个致命缺陷

Mariner运行17个月后关闭，根据多篇事后分析文章综合，核心失败原因有三：

**缺陷一：视觉识别的脆弱性**。Mariner依赖截屏+像素坐标映射来定位UI元素，这意味着任何CSS改动、字体变化、弹窗遮挡都会导致操作失败。一个典型案例：当目标网页弹出Cookie同意对话框时，Mariner无法关闭弹窗，后续所有操作全部偏移。相比之下，API原生的Agent（如Operator调用DOM结构）天然免疫这类视觉层干扰。

**缺陷二：多步任务的错误累积**。一个10步的预订流程，如果每步成功率95%，最终成功率仅为60%。Mariner没有有效的检查点-回滚机制，一旦第7步失败，前面6步的操作无法自动撤销——已经填好的表单、已经提交的订单成为"脏状态"。这与企业级工作流引擎的saga模式形成鲜明对比。

**缺陷三：速度与成本的不可调和**。Mariner每次截屏→Gemini推理→坐标映射的循环需要3-8秒，一个5步任务耗时30-60秒。而同等任务用Selenium+API调用可在5秒内完成。对于Google自身的产品线而言，Mariner的性价比远低于直接在Gemini中嵌入工具调用能力。

### 1.3 Mariner的遗产

Google并未浪费Mariner的技术积累。2026年5月关闭Mariner后，其核心能力被整合进Gemini Agent Mode——不再独立运行浏览器，而是作为Gemini对话中的一个工具存在。这一转变验证了一个关键判断：**桌面Agent的最佳形态不是独立产品，而是嵌入工作流的工具层**。

---

## 二、四栈桌面Agent实测对比

以下对比覆盖2026年6月仍在运行的四大桌面自主Agent产品：

| 维度 | OpenAI Operator | Claude Computer Use | Manus AI | Devin (Cognition) |
|------|----------------|--------------------|---------|--------------------|
| **发布时间** | 2025.01 | 2024.10 (Beta) | 2025.03 | 2024.03 |
| **操作模式** | 虚拟浏览器 (CUA) | 桌面全控制 (截图+键鼠) | 浏览器+文件系统 | 沙箱终端+编辑器 |
| **定价** | ChatGPT Pro $200/月 | API按token计费 | $39-$199/月(积分制) | $500/月起 |
| **OSWorld得分** | ~45% | 未公开 | ~40% | N/A（专注代码） |
| **SWE-bench** | N/A | N/A | N/A | 13.86% → 提升中 |
| **适用场景** | Web任务自动化 | 桌面应用操控 | 多域通用任务 | 软件工程全流程 |
| **最大优势** | OpenAI生态集成 | 桌面级细粒度控制 | 中文生态+性价比 | 代码理解深度 |
| **最大劣势** | 仅限浏览器操作 | 需要本地运行环境 | 长任务易中断 | 价格高昂、范围窄 |
| **企业部署案例** | 中小企业为主 | 技术团队内部工具 | 中国市场为主 | 软件公司试点 |

### 2.1 OpenAI Operator：浏览器内的"代理用户"

Operator是OpenAI在2026年初推出的自主Web操作Agent，运行在OpenAI托管的虚拟浏览器中。用户给定任务（如"帮我找最便宜的北京-上海机票"），Operator自动打开浏览器、导航到对应网站、完成搜索和比较。

**架构核心**：Operator使用CUA（Computer Using Agent）模型，不同于Mariner的纯视觉方案，Operator同时读取DOM结构和视觉截屏，双通道交叉验证操作目标。这使其在表单填写、按钮点击的准确率上显著高于纯视觉方案。

```python
# Operator API调用示例（伪代码）
from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="computer-use-preview",
    tools=[{
        "type": "computer_use_preview",
        "display_width": 1280,
        "display_height": 720
    }],
    input=[
        {"role": "user", "content": "在Amazon上搜索'机械键盘'，按价格排序，把前3个加入购物车"}
    ]
)
# Operator返回每一步操作的截图和action日志
for action in response.output:
    print(f"Action: {action.type}, Target: {action.target}")
```

**实测表现**：在标准Web任务测试中，Operator完成5步以内任务的成功率约80%，但超过8步后降至50%以下。关键瓶颈在于CAPTCHA和反bot检测——约30%的电商网站会触发人机验证，Operator目前无法绕过。

### 2.2 Claude Computer Use：桌面级的精细操控

Anthropic的Computer Use采取了最激进的路径——直接控制用户的桌面环境（Mac/Windows/Linux）。不同于Operator的虚拟浏览器，Claude看到的是真实屏幕，操作的是真实鼠标和键盘。

**架构核心**：Anthropic在2026年3月的更新中引入了Programmatic Tool Calling和Advisor Strategy，使Computer Use Agent具备了两项关键能力：

1. **程序化调用**：Agent可以将高频操作（如"点击菜单栏File→Save"）编译成可复用的宏，避免每次截屏识别
2. **顾问策略**：在执行敏感操作前（如删除文件、发送邮件），Agent主动暂停并请用户确认

```python
# Claude Computer Use API示例
import anthropic

client = anthropic.Anthropic()
response = client.beta.messages.create(
    model="claude-sonnet-4-6",
    betas=["computer-use-2025-01-24"],
    tools=[
        {
            "type": "computer_20250124",
            "name": "computer",
            "display_width_px": 1920,
            "display_height_px": 1080
        },
        {
            "type": "text_editor_20250409",
            "name": "str_replace_editor"
        },
        {
            "type": "bash_20250124",
            "name": "bash"
        }
    ],
    messages=[{
        "role": "user",
        "content": "打开Excel，读取A1到D20的数据，计算每列的平均值，写入D21"
    }]
)
```

**实测表现**：Computer Use在桌面应用操作中表现最佳，尤其是在Excel/PowerPoint等Office套件中。其优势在于**不依赖Web API**，可以操作任何桌面应用。但代价是需要本地运行环境，且对屏幕分辨率、DPI缩放敏感——在高DPI显示器上坐标偏移是常见问题。

### 2.3 Manus AI：中国自主Agent的代表

Manus由Butterfly Effect（蝴蝶效应）公司开发，2025年初以病毒式传播进入全球视野。2026年初，Meta以约20亿美元收购了Manus背后的团队。Manus的核心定位是"通用自主Agent"——不限于浏览器或桌面，而是同时操作浏览器、文件系统和代码执行环境。

**架构核心**：Manus采用"沙箱+多工具"架构。每个任务在一个隔离沙箱中执行，Agent同时拥有浏览器控制、文件读写、代码执行三种能力。这使得Manus能完成跨域任务，如"调研某个主题→生成报告→导出PDF"。

**实测表现**：Manus在GAIA基准测试中取得了领先分数，尤其在需要多步推理和信息整合的任务中表现出色。但在纯代码任务上不如Devin，在桌面精细操作上不如Claude Computer Use。其积分制定价（$39/月获得有限积分，$199/月获得完整权限）在中小企业市场有较强吸引力。

### 2.4 Devin：自主软件工程师的生存困境

Devin是Cognition AI推出的"全球首个自主AI软件工程师"，在独立沙箱中运行完整的开发环境（终端+编辑器+浏览器）。Devin的SWE-bench得分为13.86%（Verified子集），虽然绝对值不高，但它是首批在真实GitHub Issue上端到端完成修复的Agent之一。

**核心问题**：Devin面临三重挑战——

1. **性价比危机**：$500/月的定价远高于Cursor+Claude Code的组合（约$40/月），但实际编码质量差距正在缩小
2. **范围局限**：Devin专注于代码，无法处理部署、监控、运维等上下游任务
3. **竞品围攻**：Claude Code、Cursor Agent Mode、GitHub Copilot Workspace都在蚕食Devin的市场

Devin的生存策略正在转向企业定制化——为大型软件公司提供"专属Devin实例"，接入内部代码库和CI/CD流水线。

---

## 三、100次部署回溯：桌面Agent的生产真相

### 3.1 部署全景图

根据Digital Applied对H1 2026年100次Agentic AI部署的回溯分析，桌面/浏览器Agent在企业中的实际部署模式清晰浮现：

```mermaid
graph TD
    A[100次Agentic AI部署] --> B[编排器主导型 42%]
    A --> C[工具增强型 28%]
    A --> D[桌面自主型 18%]
    A --> E[纯对话型 12%]

    B --> B1[成功率: 78%]
    B --> B2[平均回本: 6个月]

    C --> C1[成功率: 71%]
    C --> C2[平均回本: 7个月]

    D --> D1[成功率: 44%]
    D --> D2[平均回本: 11个月]

    E --> E1[成功率: 65%]
    E --> E2[平均回本: 8个月]

    style D fill:#ff9999
    style D1 fill:#ff9999
    style D2 fill:#ff9999
```

关键发现：**桌面自主型Agent（Desktop Autonomous）成功率仅44%，远低于编排器主导型的78%**。但成功部署的桌面Agent平均ROI最高（220%），因为它们替代的是最高成本的重复性桌面操作。

### 3.2 十大失败模式

The Operator Collective在2026年5月发表的"AI Agent Failures: 10 Lessons"报告，总结了62%实验→14%生产的差距根源：

| # | 失败模式 | 占比 | 典型表现 |
|---|---------|------|---------|
| 1 | Token消耗失控 | 23% | 单次任务消耗$50+ token，ROI为负 |
| 2 | 幻觉级操作 | 19% | Agent点击不存在的按钮、填写错误数据 |
| 3 | 上下文窗口溢出 | 16% | 长任务中Agent"忘记"初始目标 |
| 4 | 错误传播无回滚 | 14% | 第N步失败后无法恢复到干净状态 |
| 5 | 权限边界缺失 | 11% | Agent执行了超出预期范围的破坏性操作 |
| 6 | 反bot检测拦截 | 9% | 目标网站触发CAPTCHA或封禁 |
| 7 | 环境依赖脆弱 | 8% | 分辨率变化、软件更新导致操作失效 |
| 8 | 人机协作断裂 | 7% | 用户不知道Agent在做什么、为什么停下来 |
| 9 | 评估体系缺失 | 6% | 没有量化指标判断Agent是否"工作正常" |
| 10 | 合规与审计空白 | 5% | 无法追溯Agent的操作日志用于合规审查 |

**最致命的组合**：Token消耗失控 + 幻觉级操作（占失败案例的38%）。这意味着Agent一边大量消耗资源，一边做出错误操作——双倍浪费。

---

## 四、Agent记忆基础设施：从失忆到持久

桌面Agent要真正自主，必须解决记忆问题。2026年四大记忆基础设施已形成清晰分层：

### 4.1 四栈记忆架构对比

| 维度 | Letta (MemGPT) | Mem0 | Zep | LangMem |
|------|---------------|------|-----|---------|
| **架构范式** | LLM-as-OS | 被动提取层 | 图+向量混合 | LangChain原生 |
| **记忆类型** | 自管理分层记忆 | 自动摘要+实体 | 对话图谱+时序 | 滑动窗口+压缩 |
| **Agent自编辑** | ✅ Agent主动写入 | ❌ 系统自动提取 | ✅ 双向读写 | ❌ 被动管理 |
| **生产就绪度** | 高 (0.5.x稳定版) | 高 | 中-高 | 中 |
| **适合场景** | 长期自主Agent | 客服/对话Agent | 复杂关系推理 | LangChain生态内 |
| **定价模式** | 开源+托管服务 | API按量计费 | 开源+企业版 | 开源 |
| **锁入风险** | 中 | 高 | 低 | 高 (LangChain) |

### 4.2 Letta：Agent自管理记忆的范式突破

Letta（前身MemGPT）提出了一种革命性的记忆架构——让Agent自己管理记忆，而不是由外部系统被动注入。在Letta的"LLM-as-OS"模型中，Agent将自身记忆分为三层：

```python
# Letta Agent记忆架构示意
from letta import create_client

client = create_client()
agent = client.create_agent(
    name="persistent-assistant",
    # 核心记忆层 (Core Memory) - 始终在上下文中
    # 类似操作系统的RAM
    memory_blocks=[
        {"label": "persona", "value": "我是用户的个人助理，偏好简洁回复"},
        {"label": "user_info", "value": "用户名: 张三, 角色: 产品经理"}
    ],
    # 归档记忆 (Archival Memory) - 向量存储，按需检索
    # 类似操作系统的硬盘
    # 对话历史自动归档
)

# Agent执行任务时会自主决定：
# 1. 什么信息值得存入核心记忆
# 2. 什么信息可以归档
# 3. 何时从归档中检索历史信息
response = client.send_message(
    agent_id=agent.id,
    message="帮我整理上周的会议纪要并提取行动项",
    role="user"
)
```

**关键优势**：Agent可以主动修改自己的核心记忆（Core Memory），这意味着Agent能"学习"用户的偏好和工作模式。例如，Agent发现用户每次都要求"用中文回复"，就会把这个偏好写入核心记忆，后续对话无需重复说明。

### 4.3 Mem0：被动提取的实用主义

Mem0走了一条更务实的路线——不要求Agent主动管理记忆，而是在每次对话后自动提取关键信息（用户偏好、事实、实体关系）存入向量数据库。下次对话时，系统自动检索相关记忆注入上下文。

**适用场景**：客服Agent是Mem0的最佳用例。用户不需要"教会"Agent记住自己的订单历史或退货偏好——Mem0自动从对话中提取并持久化。但缺点是Agent无法主动"遗忘"或"修正"错误记忆。

---

## 五、企业ROI实证：谁在桌面Agent上赚到了钱

### 5.1 12家企业ROI数据

根据Beri.net对12家企业Agentic AI部署的ROI分析，平均回报率171%，中位数回本周期8个月。但桌面自主Agent的ROI分布严重偏斜——成功的案例回报极高，失败的案例血本无归。

| 企业 | Agent类型 | 年化节省 | 投入成本 | ROI | 回本期 |
|------|----------|---------|---------|-----|-------|
| Klarna | 对话+工作流 | $60M | 未公开 | 极高 | <6月 |
| JPMorgan | 多类混合(450+用例) | 360K+工时/年 | $50M+ | ~180% | 9月 |
| Walmart | 供应链Agent | $12M | $8M | 150% | 10月 |
| 一家保险SaaS | 桌面自动化Agent | $3.2M | $1.1M | 191% | 7月 |
| 一家物流公司 | 浏览器RPA替代 | $0.8M | $0.6M | 133% | 11月 |

### 5.2 Klarna案例深度拆解

Klarna的AI Agent部署是2026年最常被引用的成功案例。到2025年Q3，Klarna的AI Agent已处理相当于853名全职客服的工作量，节省$60M年度运营成本。其核心架构并非纯桌面自主Agent，而是**对话入口+工具调用+人工兜底**的混合模式：

```mermaid
sequenceDiagram
    participant U as 用户
    participant AI as Klarna AI Agent
    participant T as 工具层
    participant H as 人工客服
    
    U->>AI: 退款查询
    AI->>T: 调用订单系统API
    T-->>AI: 订单状态+退款进度
    AI->>AI: 判断是否需要人工
    
    alt 简单查询
        AI-->>U: 直接回复退款进度
    else 复杂争议
        AI->>H: 转人工+摘要上下文
        H-->>U: 人工处理退款
    end
```

**关键设计**：Klarna没有让Agent"自由发挥"，而是严格限定了Agent的操作边界——Agent只能通过预定义的API与后端系统交互，不能直接操作数据库或绕过业务规则。这种"约束下的自主"正是桌面Agent走向生产的关键原则。

### 5.3 保险SaaS的桌面Agent实践

一家未公开名称的保险SaaS公司用桌面Agent替代了内部员工在遗留系统中的重复操作。具体场景：员工需要将CRM系统中的客户信息手动复制到核保系统中，每次操作耗时15-20分钟，每天约200次。

**技术方案**：Claude Computer Use + 自定义检查点机制。Agent在每一步操作后截图存证，如果后续步骤失败，可以从最近的检查点恢复。这使得10步操作的成功率从单步95%累积的60%提升到了92%。

**ROI计算**：
- 年化节省：200次/天 × 20分钟/次 × 260工作日 ÷ 60 = 17,333工时/年
- 按内部成本$40/小时计算：$693K/年
- 加上错误减少带来的返工节省：总计$3.2M/年
- 投入：API费用+$60K定制开发 = $1.1M
- ROI：191%，回本期7个月

---

## 六、从Demo到生产：桌面Agent的六个必选项

综合100次部署回溯、12家企业ROI数据和10大失败模式，桌面自主Agent要从Demo走向生产，必须满足六个条件：

### 6.1 检查点-回滚机制

桌面Agent的每一步操作都应该有检查点。这不是奢侈品，是必需品。没有回滚机制的桌面Agent就像没有版本控制的代码——出错后只能从头来过。实际实现中，最有效的方式是**操作前截图+操作后截图对比**，配合应用层的Undo操作。

### 6.2 Token预算上限

每个任务必须设定token消耗上限。超过上限自动停止并报告。这看似简单，但在100次部署中，23%的失败案例就是因为token消耗失控。设置方式：

```python
# Token预算控制伪代码
MAX_TOKENS_PER_TASK = 50000  # 约$0.15 (Claude Sonnet)
MAX_STEPS_PER_TASK = 20

task_context = {
    "tokens_used": 0,
    "steps_completed": 0,
    "max_tokens": MAX_TOKENS_PER_TASK,
    "max_steps": MAX_STEPS_PER_TASK,
    "checkpoints": []
}

def should_continue(task_context):
    if task_context["tokens_used"] > task_context["max_tokens"]:
        return False, "Token budget exceeded"
    if task_context["steps_completed"] > task_context["max_steps"]:
        return False, "Step limit exceeded"
    return True, "OK"
```

### 6.3 人机协作节点

不是每一步都需要人工确认，但**破坏性操作**（删除、发送、支付）必须在执行前获得人工批准。Claude的Advisor Strategy就是这一原则的体现。

### 6.4 操作日志与审计追踪

每一次点击、每一次键盘输入都必须记录时间戳、截图、操作意图。这不只是为了调试，更是为了合规。金融、医疗等行业的桌面Agent没有审计追踪就无法上线。

### 6.5 环境适配层

桌面Agent对运行环境的依赖是其最大的脆弱点。生产级Agent必须有环境适配层：自动检测屏幕分辨率和DPI缩放、适应软件版本差异、处理多显示器布局。

### 6.6 评估驱动的迭代

最被低估的条件。100次部署中，成功项目100%有定量的评估体系——每次操作的成功率、平均耗时、token消耗、用户满意度。没有评估的Agent部署就像没有监控的微服务——出了问题你甚至不知道。

---

## 七、推荐方案：按场景选择桌面Agent

| 场景 | 推荐方案 | 理由 |
|------|---------|------|
| **Web表单批量填写** | OpenAI Operator | 虚拟浏览器隔离、反bot处理较好 |
| **Office文档自动化** | Claude Computer Use | 原生桌面控制、API+视觉双通道 |
| **中国市场通用任务** | Manus AI | 中文理解最强、性价比高 |
| **软件工程自动化** | Devin或Claude Code | Devin适合独立沙箱、Claude Code适合IDE集成 |
| **企业客服自动化** | 不用桌面Agent，用对话+工具调用 | Klarna证明了混合模式的ROI远高于纯自主 |
| **遗留系统桥接** | Claude Computer Use + 检查点 | 遗留系统无API时的唯一选择 |
| **跨平台数据处理** | Manus AI | 浏览器+文件系统+代码三合一 |

### 终极建议

桌面自主Agent在2026年H1已经过了"万物皆可自主"的泡沫期。Mariner之死是一个清晰的信号：**纯视觉驱动的通用桌面Agent作为独立产品行不通**。但桌面Agent的"能力"——视觉识别、桌面控制、多步推理——正在被拆解为工具层，嵌入到更具体的垂直工作流中。

对于想要部署桌面Agent的团队，核心建议是：**不要试图构建一个"什么都能做"的自主Agent，而是为一个具体场景构建一个"有边界、有记忆、有回滚"的受控Agent**。成功率44%→78%的差距，就在于这个"受控"二字。

---

## 参考来源

1. [The Google Mariner Post-Mortem — Why Standalone Browser Agents Failed](https://proxyhuman.ai/blog/google-mariner-post-mortem) — 详细分析Mariner关闭原因、技术缺陷和行业影响
2. [Agentic AI H1 2026 Retrospective: 100 Deployments Analyzed](https://www.digitalapplied.com/blog/agentic-ai-h1-2026-retrospective-100-deployments-analyzed) — 100次企业部署的回溯分析，覆盖成功率、架构模式和治理实践
3. [AI Agent Failures: 10 Lessons From Agents That Crashed and Burned](https://theoperatorcollective.org/blog/ai-agent-failures-lessons-learned) — 10大失败模式、14%生产率的根源分析和修复建议
4. [Agentic AI ROI: 12 Cases Show 171% Returns, $83M Saved](https://www.beri.net/article/agentic-ai-roi-171-percent-returns-enterprise-case-studies) — Klarna、JPMorgan等12家企业的ROI实证数据
5. [Agent Long-Term Memory in 2026: Letta, Mem0, Zep, and LangMem Compared](https://agentmarketcap.ai/blog/2026/04/08/agent-long-term-memory-architecture-letta-memgpt-langmem-zep) — 四大记忆基础设施的架构对比和选型决策框架

> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)