超级星辰超级智能体TeleAgent：一款真干活、真便宜的、离不开的AI办公搭子

2026-07-13 17:37·IT时报

实测星辰超级智能体 |图：AI生成

作者／ IT时报 郝俊慧   编辑／ 郝俊慧 孙妍

能帮你干活的Agent满天飞，你Pick哪个？

最近，中国电信推出了桌面系统级通用智能体助手——星辰超级智能体TeleAgent。

起初，对于这个由电信运营商打造的AI Agent，记者并没有抱太大期待，毕竟各家AI大厂都在这条赛道上拼命“卷”对手。直到用TeleAgent处理完第一份报告，记者意识到，这次可能真的不一样了。

TeleAgent的Slogan是“专属AI办公搭子”，覆盖整理文件、深度调研与资讯、写文档做PPT、写代码做应用四大核心工作场景。实测下来，理解力强、执行力到位、安全性高、使用门槛低、Skill场景丰富、Token免费额度高……最近半个月，TeleAgent已经成为记者的主力桌面智能体，原因很简单，好用且划算。

本地化部署   满足安全“第一需求”

当前用户对AI工具最大的顾虑，往往在于是否会将本地数据上传至云端，尤其是涉及可操控电脑权限的产品时，这种担忧尤为明显。新京报贝壳财经联合智源研究院开展的一份调查显示，超5成用户对AI大模型的数据隐私存在顾虑，占比达55.04%。

TeleAgent最打动记者的地方，是本地化部署。直接在输入框“@本地文件夹”，完成授权后，它可以读取电脑指定文件夹内容，支持读写本地的Word、Excel、PPT、图片乃至压缩包等各类文件，然后根据用户的需求拆解步骤，跨工具流转数据，最后直接提交结果。

这解决了用户的两大痛点：一是读取快，在云端智能体时代，文件需上传并解析后，才能根据指令执行，速度受限于网络质量，而@本地文件，直接本地读取，速度更快；二是安全，除了最后的推理过程，其余处理全部留在本地，本地数据也不上传，这也是它能够定位为政企、采购、法务、财务等高敏感场景专属工具的核心原因。

根据官方介绍，从传输、执行、存储到记忆，TeleAgent一共在七个环节做了防护。

其中一个环节是沙盒隔离，指TeleAgent执行任务时，比如运行一段代码、调用某个工具、读写某个文件等操作，被限制在一个隔离空间里进行，这个空间和你电脑上其他程序、系统关键目录是隔开的，Agent仅能在沙盒内执行操作。即便Agent被诱导执行错误指令，影响范围也被严格限制在沙盒空间内，不会波及未授权的其他文件和程序。

虚拟机隔离则是更进一步的做法，可以直接将整个执行环境部署于独立虚拟机中运行。该虚拟机与本地操作系统为两套完全独立的系统，中间隔着一层虚拟化层。这样即便虚拟机内部执行的任务出了问题，也很难穿透虚拟化层影响到你真正在用的这台电脑。

沙盒隔离与虚拟机隔离叠加最小权限控制、加密存储等技术，属于目前业内处理敏感操作隔离较为通行的思路，虽然并非全新概念，但将这几项技术组合应用于一款日常办公AI工具，在同类产品中并不多见。

核心能力   从对话到交付

在明确TeleAgent能满足第一需求——安全后，记者终于放心让它干活了。

作为一款“聚焦工作办公场景的AI智能体”，TeleAgent主打为客户提供全场景的AI工作能力，比如自主规划任务步骤、调用多种工具、执行操作并返回结果。

这背后体现了TeleAgent的三层能力：第一是主动执行，意味着遇到复杂任务时，它会自行拆解、逐步推进，中途遇阻也会自行调整，不需要用户逐句下达指令；第二是工具联动，一句指令即可同时调用Excel、PPT、浏览器、邮件，数据在工具间的流转不需要人工介入；第三是持久记忆，它会长久留存你的使用偏好，比如常用的PPT配色方案、文件命名习惯，使用时间越长，输出结果就越贴合你的个人习惯。

听起来，这似乎是每一家做Harness Engineering（驾驭工程）AI公司都可以办到的，但实测下来，TeleAgent着实给了记者不少惊喜。

无须精巧提示词

模糊指令一样能打

很多人在使用AI工具前会觉得，是不是必须先掌握一套提示词写法，才能让系统理解指令并更准确地执行任务。

记者实测发现，只要Agent的理解能力足够强大，自然语言的模糊指令，很大程度上可以依靠系统自身补全执行细节，无须用户提前把每一步想清楚并写入提示词。

示例：比如，在对话框输入@Q2销售数据文件夹，“帮我做一份Q2销售数据周报PPT，包含趋势图和重点分析”，这句指令本身相当笼统，没有指定图表类型、配色方案或排版逻辑，但系统会自行理解指令背后的意图，将其拆解为读取Excel数据源、生成图表与分析、制作PPT页面、自动排版优化几个步骤，依次执行完成，过程中可随时暂停查看，不满意再做调整。

无惧复杂任务  多智能体并行处理

在使用Agent处理复杂任务时，常遇到两类问题：一类是效率，如果多份文件排队挨个处理，总耗时会随文件数量线性叠加，假设处理100份文件，每份耗时2分钟，总计就需要200分钟，这还不包括整理、核对的时间；另一类是稳定性，任务执行时间越长，出错和信息丢失的风险越高。

TeleAgent的处理方式属于多智能体系统的典型应用，它将一个大任务拆解为若干互相独立、不依赖彼此结果的小任务，分别交由子智能体同时执行，不仅能大幅压缩总耗时，而且降低了单一任务链路过长带来的出错概率，即便某个子智能体在处理某份文件时遇到问题，也不会拖垮其他并行进行的任务。

示例：记者先用TeleAgent做了一个审核PDF内容的专属技能，然后一次性提交了数十份需要交叉核对的文件。

从运行过程来看，系统可自动对数十份文件进行分批处理，遇到大文件时，还会主动拆分出几个子智能体并行执行，例如两份文件同时进行视觉审读和OCR交叉验证，处理完成后汇总结果再继续下一批，而非逐份排队处理。

更值得一提的是，在近10小时的任务运行过程中，系统全程无中断，即便电脑偶尔休眠，唤醒后也可自动恢复运行，无须手动干预。

“蒸馏”中国电信

TeleAgent与多数AI办公工具最本质的区别，并不只体现在某一项具体功能上，而是它的技能体系和安全设计，某种程度上“蒸馏”了同一个来源——中国电信。

在技能广场，你可以看到丰富多样的Skill。除了系统提前内置的PPT助手、深度调研等，还有能满足更细分需求的舆情监测、合同审查、项目跟踪、知识库归档等等。

作为一家体量庞大、内部流程复杂的企业，市场调研、合同审查、项目跟踪等工作场景，在中国电信内部本就有一套运行多年的成熟流程和合规经验。这些经验被拆解转化为技能广场中可直接安装的技能包，相当于把超大型企业管理敏感数据、执行审批流程的经验，变成普通用户也能上手的实用工具。

更实用的是，除了汇集央企经验“蒸馏”出的技能包，用户将自身的经验和工作流程形成Skill后，可以申请在技能广场上架，审核通过后即可分享给团队，从而缩短团队在同类问题上重复探索的时间。

其实，前文所言的安全设计也遵循同样的逻辑，中国电信作为超大型企业，长期处理敏感数据、执行这类严格内部审批流程积累下来的合规经验，是产品设计之初就内置的默认机制。这也让TeleAgent的前身TeleClaw，成为首批通过中国信通院安全能力评估的企业级类Claw智能体。

这种经验蒸馏的路径，是TeleAgent与偏重内容生成或面向开发者的AI产品之间较为本质的差异。后者的能力边界主要取决于底层模型本身和用户自己编写的提示词，而TeleAgent的技能库覆盖面和安全设计的可信度，在相当程度上取决于中国电信自身的经验积累。

常用场景推荐

1） 整理邮件和日程

设置好规则后，TeleAgent会每日定时连接Foxmail收取邮件，筛选出需重点关注的内容，提炼关键信息与待办事项生成简报，同时自动将待办事项同步至你的工作安排，更新日历后再把简报推送至企业微信。

2） 多媒体视频制作

人人都要短视频的时代，做一条视频的门槛已经几乎被“踩平”。给出相应素材和要求后，TeleAgent会自动写出分镜脚本，每一帧配好画面描述、旁白和时长，接着自己AI生图、配音、加字幕，最后合成一段竖屏视频，中间不用切换任何工具。

3） 自动知识管理

日常工作中，我们会收集到大量学习文档、PPT、调研报告。但当需要使用时，往往只能在海量文件中大海捞针。可以用TeleAgent设计一个合理的知识管理系统，实现文档的自动化处理与智能化管理。

比如将一份调研报告归档至Obsidian知识库，系统自动匹配模板生成front matter，添加标签，与已有笔记建立双向链接，最后反馈具体存储路径，整个归档过程一次性完成，无须人工补充元数据。

推广期Token额度充足

TeleAgent目前处于推广期，提供了较为充沛的免费Token额度。实测中单日消耗最高一次超过4000万Token，尚未触及上限。对比日常办公场景下整理文件、写周报、做PPT这类任务的实际Token消耗，这个额度对个人用户而言基本用不完，短期内不用太担心使用成本问题。

排版／ 季嘉颖

图片／ TeleAgent AI

来源／《IT时报》公众号vittimes