🤖 端侧 AI · 架构演进
手机从“等指令”走向“主动干”：OPPO 启动端侧 Multi-Agent 内测，把全域记忆与多专家协同推向终端
7 月 27 日，OPPO 启动「小布 Next 计划」，开放端侧 Multi-Agent 协同系统内测。该系统搭建了端侧全域记忆架构与全时意图感知引擎，打破传统单体智能体“一问一答”的被动响应范式，尝试在终端本地实现多 Agent 分工协同与主动服务。
来源：企业披露 / 官方发布•
2026-07-27•
全文约 2.5 分钟读完
#OPPO
#端侧AI
#Multi-Agent
#小布Next
端侧 Multi-Agent
多专家系统协同运行（内测阶段）
100+ 项
打通系统级能力，支持 MCP 服务
端侧全域记忆
本地上下文推理，敏感操作保留人工确认
⚡ 30 秒速览
- 架构改变：从单体 Agent 转向端侧多 Agent 专家组团，各 Agent 具备独立记忆、技能与上下文。
- 主动模式：结合时间、地点、设备状态感知环境，在用户尚未开口时提前生成待处理方案。
- 安全边界：上下文规划在手机本地完成，仅在必要时走 PCC 安全链路调用云端；敏感操作“只准备、不代办”。
- 生态兼容：原生接入便签、相册等系统功能，同时兼容瑞幸、印象笔记、飞猪 Skill 及美团 MCP 服务。
- 尝鲜入口：寻找 Find X8/X9 及一加 13/15 系列机型，通过系统设置申请内测资格（招募需审核）。
01范式转变 从被动工具箱到主动伙伴
过去的手机 AI 主要依赖用户手动唤醒并输入明确指令。小布 Next 尝试将交互形态拉入主动智能阶段：
被动响应模式（传统 Agent）
用户想起来 → 唤醒 AI → 下达指令 → 执行单次任务。本质上依然是静态工具箱。
主动智能模式（小布 Next）
感知环境与状态 → 识别潜在需求 → 预先调度专家 Agent → 生成方案等待确认。
“工具再多，也只是让 AI 更能干。如果每一件事情都要等到你想起来再打开它，再告诉它做什么，那它只不过是一个工具箱。未来的 AI 手机，应该主动适应人、服务人，而不是人去适应一个个AI。”
—— 朱海舟，OPPO ColorOS产品经理
02多 Agent 如何协同？真实工作链演练
🏃 运动中断与紧急邮件处理主动服务
- 用户运动时收到公司紧急邮件，全时意图感知引擎自动捕获上下文。
- Agent 团队在后台完成资料整理、回复草拟与附件准备。
- 用户拿起手机时无需从头打字，页面直接呈送已就绪的回复方案，完成单点确认即可发送。
🎓 求职全流程自动化协同浙大学生共创场景
- 突破传统 AI 仅能修改单篇简历的局限，集群化调度招聘、简历、面试、设计等多个专业 Agent。
- 多 Agent 共同分工：持续监测岗位信息、自动对齐简历排版、生成针对性面试问题并设置投递提醒。
📚 基于端侧全域记忆的新书推荐本地上下文
- 拒绝死板输出公共热榜，自动检索端侧读书笔记、小布记忆与历史阅读记录。
- 准确过滤已读内容，精准推荐符合个人近期知识结构的新书。
03底层架构 端侧调度与安全控制线
系统将上下文理解、任务规划与智能调度部署在手机端侧本地运行。涉及复杂运算时，遵循严格的权限防线：
端侧意图感知→本地 Agent 规划→PCC 安全链路（必要时）→用户最终确认
在支付、邮件发送等敏感关键节点，小布 Next 恪守“只做准备、不替决定”的原则，所有最终操作均需用户明确授权，防止智能体越权决策。
“主动智能将是AI手机真正的拐点。下一代AI应主动感知需求、主动服务用户，真正成为用户的智能伙伴。我们希望通过小布Next计划，让这个未来提前到来。”
—— 刘作虎，OPPO首席产品官
🔍 编辑视角
根据企业单方披露，本次内测主要展示了端侧 Multi-Agent 在特定演示场景中的编排能力。由于多智能体并行调度对内存占用、长周期功耗控制以及第三方 MCP 生态的兼容深度要求极高，实际量产体验仍待后续大规模内测及第三方复测检验。
行业观察：AI 手机的战场正从单一模型的参数竞逐，转向端侧多智能体编排与隐私上下文防线的工程落地。
尝鲜说明： Find X8/X9 系列及一加 13/13T/15/15T 用户，可进入手机「设置 - 帮助与反馈 - 共创」获取招募信息（官方设置审核机制）。