实测 OPPO 小布 Next｜端侧多 Agent 第一次让我觉得 AI 手机不是在表演

最近跟几个买了 AI 手机的朋友聊，反馈出奇一致：买的时候新鲜了几天，后来就不怎么打开了。三个原因很普遍——慢，隐私不放心，不够主动。慢是因为多数走 GUI 自动化路线，Agent 在屏幕上一步一步点给你看，点一杯咖啡等十分钟，谁也受不了。隐私是因为数据要上云，大部分人心里抵触。至于主动，如果智能只停留在「你下发指令它来操作」，那手机里那么多上下文就浪费了。

7 月 27 日 OPPO 官宣启动「小布 Next 计划」，开放行业首个端侧 Multi-Agent 系统内测。我拿到资格做了一轮实测。

第一个测试，也是最让我有实感的。

我在测试手机里往便签、日历分散放入了 8 条关于「FDE 项目」的工作信息，又掺了 2 条上次其他项目的干扰信息。然后给小布 Next 下了一条指令：整理过去 30 天项目相关信息，生成交接包，每条结论标注来源，不要把其他项目混进来。

结果它准确找到了 8 条有效信息，排除了 2 条干扰，从下指令到出结果大概 2 分钟。如果让我用桌面 Agent 来做，光是手动从各个应用导出资料再上传，就得 10 分钟，再花 5 分钟写提示词，再等 Agent 花 10 分钟整理。效率反而不如手机端。

背后关键：OPPO 没有走 GUI 路线（让 AI 在屏幕上模仿人点按），而是走 A2A（Agent-to-Agent）模式，多个 Agent 之间直接通信协作。数据也在端侧处理，不需要传云上。

第二个测试更能体现 Multi-Agent 的价值。

我创建了一个由活动策划 Agent、预算 Agent、内容 Agent 和风险检查 Agent 组成的群组，输入需求：在上海滨江办一场 30 人的活动，总预算 5000 元，周六下午，需要投影和茶歇，场地离地铁站步行不超过 10 分钟。

先用单 Agent 跑了一遍。方案看起来完整，但细看发现它花完了全部预算，没有省钱意识，也没有考虑物料和风险预案。属于从单一角度「顺」下来的方案。

再用多 Agent 群组来跑。活动策划 Agent 先提出场地需求，预算 Agent 立刻「挑刺」费用并同步到预算表，硬生生把总预算省了至少 1000 元。风险检查 Agent 同时对方案做了评审，补充了天气预案和备用场地。几个 Agent 之间自发形成了红蓝军博弈，互相制约和优化。

以往这种精准优化，用户得自己找不同 AI 助手反复对话两三轮才能磨出来。在这里，专家团机制自动完成了分工和协作。

隐私方面的设计。 个人数据优先在端侧解析和计算，确实需要云端推理时，通过 OPPO 自研的 PCC 私密计算链路调用。涉及邮件发送、支付等关键操作，Agent 只做准备，不做决定，必须用户确认才能执行。这个边界划分是合理的。

整套系统底层包含四个能力：端侧全域记忆（信息都在手机上处理）、全时意图感知（结合时间地点行为判断什么时候该做什么）、Agent 能力扩展（已经打通 100 多项系统能力）、以及 Multi-Agent 协作架构（多个 Agent 各自有独立记忆和技能）。

目前 OPPO 已经兼容了瑞幸咖啡、印象笔记、飞猪、微信读书、微博 CLI、美团 MCP 等第三方服务，此前与支付宝的 A2A 协同方案也已落地，用户一句话就能完成缴费、购票等服务。

AI 手机买回来用几天就不用了——小布 Next 能改变这个局面吗？现在下结论还太早。端侧 Agent 要从演示走进日常生活，信任比功能更重要。这种信任来自隐私安全、任务执行是否稳定、结果是否准确、过程是否透明，以及用户能否始终保有最终决定权。

小布 Next 在这些方面做了不少针对性设计，但端侧 Agent 还在很早期的阶段。与其说它给出了 Agent 手机的最终答案，不如说它展示了一个值得关注的方向——让 AI 从被动应答转向主动准备，同时把隐私和控制的边界划清楚。

目前 Find X8、X9 系列或者一加 13、13T、15、15T 用户，可以去「设置-帮助与反馈-共创」页面申请内测资格。亲自试一下，比看多少评测都有用。