实测 Apodex1.1：不止生成报告，Agent 真正把复杂调研任务做完了
作为一个非常关注AI行业并且在相关板块也做了一点儿投资的人，对 AI泡沫 这个主题非常感兴趣。
AI是否有泡沫？如果有泡沫，多长时间内会破？
AI这个主题太过宏大，我相信它将是未来数年人类科技发展的重要方向。但AI短期内有没有泡沫？这是最近大家讨论的热点问题之一，不同的人有不同的看法——很多行业大咖、金融老炮们貌似都很权威，但他们的观点截然不同，让人莫衷一是。
话说，我虽然也做点投资，有时候也从单点分析过AI泡沫这个主题，但并没有系统思考过这个问题；而且对于如何系统分析这个主题，我还真没有头绪。
最近在X平台上，刷到不少关于 Apodex 的文章，我还认真研究了一下，了解到这是一个主打多智能体协同的模型，瞄准金融、科研等高复杂度任务。从测评成绩和口碑上来讲，都挺不错的。
尤其是我看到向阳乔木老师 @vista8 使用Apodex做了不少事：
① 生成了一套 8w 字讲如何在现实生活中应用讲故事技巧的课程。
② 为最近 X 最流行的 Linux 操作系统 Omarchy 生成了一份6w字的学习手册。
③ 调研分析了100个最热的 Obsidian 插件，生成了一份 PDF 白皮书。
④ 上传美国人口和婚姻调研数据 CSV，数据清洗、研究后给出洞察结论。
这些事都很实用，也让我联想到 AI泡沫这个主题 或许适合用Apodex这种面向金融和科研复杂问题的专业模型分析和梳理一下，我也希望它能给我一些启示。
于是我用Apodex分析和研究了一下这个主题。很多传统深度研究类 AI 产品，擅长快速输出一份漂亮完整报告。但这里有一个很关键的区别：能给出答案，不等于可以持续、可验证地把一件复杂任务做完。这也是 Apodex 1.1 给到我的核心感受，它的定位不是简单输出一份文本简报，而是让推理走出报告，走进真实任务的执行过程，完整覆盖理解目标、拆解任务、执行操作、处理中途反馈、失败修复、产出可核查结果的全链路。
以下分享一下我的实测过程：
打开 https://www.apodex.ai/ ，选择deep discover模式（功能最强大的模式），输入 “AI是否有泡沫？如果有泡沫，多长时间内会破？”因为我想学习Apodex分析问题的方式，所以并没有问的很细。
https://huggingface.co/collections/apodex/apodex-11然后点击 开始研究 按钮。
Apodex 判断这是一个需要多源证据、交叉核验的开放性复杂问题，随即自主完成任务拆解，拉起任务看板，组建专家 Agent 团队分工取证。这里用到的正是 Apodex1.1 的异步 Agent Team能力：模型自己判断任务如何拆分、需要启用多少个 Subagent，多个子智能体可以并行开展工作，阶段性结果可以实时回流，不用等待全部分支任务跑完才输出内容。
它分出了 4 个代理，分别去研究不同的问题方向，并行执行，独立取证；第 5 个代理做最终汇总验证。
重点的实测来了：任务还在运行、子 Agent 还在取证的过程中，我直接追加了新的需求：“黄仁勋认为 AI 有五层蛋糕，每层都要分析泡沫的可能性、泡沫可能的破裂形式”。
这就是 Apodex 1.1 另一个核心特性：任务执行过程中用户可以随时介入干预。传统 Agent 大多是一旦启动任务，只能等待全部跑完；中途新增条件就需要全部推倒重来，从头跑一遍。但 Apodex 会保留已经完成、依旧有效的中间结果，只针对新增的约束重新规划、调度受影响的子任务，不需要销毁全部已完成工作，原有任务丝毫不受影响，直接把我的新要求并入当前调研链路中继续推进。
右侧的任务看板全程可视化展示整个分析的全部过程，不是单纯转圈加载，每一个子任务、运行状态都清晰可见，本次任务各个 Subagent 分工如下：
子代理（subagent）market_data_researcher：负责定义 “泡沫” 判据并用当前 AI 市场数据逐条检验（估值 / 营收背离、capex 回报缺口、投机程度），搜集 AI 市场硬数据：全球 AI 资本开支、收入规模、营收‑支出缺口（如 Sequoia $600B gap）、头部公司估值与盈利、AI 融资与裁员；并且把数据映射到 AI 五层架构的每一层（玩家、收入、capex、利润率、估值，这正是我中途追加进来的分析维度）。
子代理（subagent）expert_view_researcher：搜集 “有泡沫” 方专家观点及具体时间线预测（Grantham、Taleb、Acemoglu、对冲基金做空方等）；搜集 “无泡沫” 方专家 / 机构观点（ARK、Sam Altman、黄仁勋、Sequoia、营收增长数据等）；同时核实 “黄仁勋 AI 五层蛋糕” 框架的确切出处、原话、日期与每一层的定义，区分本人原始表述和媒体二次解读。
子代理（subagent）history_analogist：负责分析历史泡沫类比案例（2000 互联网泡沫、1840 铁路狂热、1929 大萧条等），提取周期、破灭触发机制，迁移给到本次 AI 行业分析作为参照。
子代理（subagent）counter_thesis_skeptic：扮演反向视角，综合多方证据输出情景化时间线与关键监测指标，针对算力、服务器、云平台、模型、应用逐层评估泡沫可能性与潜在破裂形式。
最后的代理 final_verifier：汇总五层架构全部分析内容，再一轮做独立核验，产出最终可追溯的答案。
整套分析框架完整且逻辑闭环，区别于普通大模型直接输出观点，整套工作流看得见每一步调研动作。
最终，Apodex 得出结论：“AI 行业有一定泡沫，但泡沫集中在回款慢、融资依赖高、竞争同质化的层级”。
Apodex分析AI泡沫问题的框架，如图：
小结本次体验：
1.不只是产出一份报告，而是完整走完复杂调研全流程，做到 “把任务做完”；
2.异步 Agent Team 多子智能体并行作业，自主拆解任务、阶段性结果实时回流；
3.任务运行途中可以随时追加条件，保留有效中间成果，仅更新受影响部分，不用全部重跑。
如果你也想自己跑一轮类似的研究，可以访问Web端地址：https://www.apodex.ai/ ，直接上传文件、表格、数据和资料运行复杂研究任务。
另外，Apodex 1.1 已经开源，Apodex 1.1 mini（35B）开放了 Hugging Face 权重，
https://huggingface.co/collections/apodex/apodex-11
FrontierAgent 已在 GitHub 开源，欢迎顺手点个⭐：
Github 地址：https://github.com/ApodexAI/FrontierAgent