内容编辑丨特工彩虹糖
内容审核丨特工小天
AI 时代，文库和网盘两个国民级产品，正在发生巨大改变。
16 年历史的百度文库，最开始通过 UGC 模式构建了国内最大的文档共享平台，积累了海量的文档资源。
而百度网盘，推出的时候就深耕个人云存储市场，成为国内用户规模最大的个人云盘服务商。
可以说，两个产品分别占据了公域知识分享和私域文件📄管理的核心场景。
2023 年，百度启动了文库与网盘的 AI 重构工程，随后文库、网盘实现了技术、能力、产品层面的融合打通，沧舟 OS 作为统一的内容操作系统支撑两大平台的融合。
8 月 18 日，GenFlow2.0 的正式发布，呈现了这次技术重构的关键成果。
这次重构也让两个国民级产品实现了真正意义上的焕新 —— 文库不再只是文档下载平台，网盘也不再只是存储工具，它们共同打通了内容从生产到消费的闭环。
产品体验：专业的 AI 交付物
使用文库GenFlow2.0 的最直观感受，是还没仔细看内容就会被交付格式惊艳到。
第一次使用 GenFlow2.0 生成贵州茅台投资分析报告时，其展现在屏幕上的是一份完整的、可以直接使用的咨询报告。蓝色渐变的封面、自动生成的三级目录、嵌入在正确位置的数据图表、首行缩进和标题加粗，每个细节都符合部分咨询机构发布的报告规范。
这种对格式细节的要求，让 GenFlow2.0 生成的报告在视觉上就能够传递出专业感。
对于从业者而言并不复杂的报告格式，在传统路径中，AI生成文本，用户复制粘贴，需要再花几小时调整格式。而 GenFlow2.0 直接跳过了中间环节，几分钟时间，用户得到的是 60 页的成品报告而非素材。
BTW，GenFlow2.0 产出的分析报告都是 Word 格式但也能直接导出为 PDF，用户可以在 PC 端和移动端内完成任何内容和格式的编辑，也就是在应用内闭环了 Office 的功能。甚至推荐输入都是“这段文字改成斜体并加下划线”的格式修订，GenFlow2.0 这次真的把产品闭环做到了极致。
再聚焦到任务运行过程：进度条上清晰标注着任务规划、任务执行、输出结果三个阶段，每个阶段都能看到系统在做什么。
更重要的是，GenFlow2.0 做到了让用户在任务运行过程中实时干预。
当我看到系统在进行任务规划时，临时想到还要加入其他对标股票的对比，直接点击“暂停”按钮（注意不是“终止”按钮），就可以补充需求，让我能够随时介入任务运行的过程，这在很大程度上能避免用户第一次输入不够完整或有细节变化，以及纠正 AI 分析思路的偏差。
原始需求表述不完整的情况下实时介入补充需求
HTML在线报告的交付物生成过程也同样令人惊喜。
在 Labubu 品牌合作项目这个案例中，GenFlow2.0 同时生成了项目执行方案的 Word 文档、PPT 汇报材料和 HTML 在线报告。
与其他大多数生成可视化报告的产品不同的是，GenFlow2.0 生成 HTML 可视化报告时可以看到的是实时渲染结果而非 Coding 过程，可视化报告也保留了完整的交互体验，鼠标悬停在图表上会显示详细数据，下载后也可以点击引用链接进行确认，数据细节和引用都很丰富。
可视化报告生成过程 GenFlow2.0 自动滚动并生成图表
不过更期待团队的可视化报告可以在保持现有质量的同时有更多风格化体验，目前的报告虽然基本稳定无 bug，但却过于模板化。
技术架构：工程化水平正在成为 AI 的产品壁垒
当前 AI 领域存在一个现象，大家都在关注模型能力的突破，却忽略了一个关键事实 —— 当 AI 本身的能力并不足以覆盖所有交付物时，真正决定 AI 产品可用性的是工程化水平。
GenFlow2.0 的背后是 100 多个专家 Agent 同时工作，这个 Multi-Agent 架构实现起来需要极其扎实的工程基础。
搜索 Agent 深度集成了百度搜索、百度学术和文库资源，它知道什么时候该去学术库找论文，什么时候该去财经频道找新闻。数据 Agent 专门处理各种格式的结构化信息，PDF 财报、Excel 数据表、API 接口，它能准确提取京东集团 2025 年 Q2 营收 3567 亿元这类精确数据。
分析 Agent 运行着各种金融模型，基础的 PE 估值、复杂的蒙特卡洛模拟都在其能力范围内。创作 Agent 掌握着不同文体的写作规范，咨询报告的专业语气、研究论文的引用格式都了然于心。格式 Agent 则确保每个标题的字号、每张图表的位置都符合专业标准。
此外，从电商网站需求分析的任务规划界面可以清晰看到，GenFlow2.0 如何将一个宏大的需求分解成具体的执行矩阵。不仅有“脑图专家”画出了电商网站主要功能和设计要素框架，还有“图表专家”做了电商网站系统架构设计图，包括用户核心体系和系统核心组件的分析。
之后，GenFlow2.0 调用代码 Agent 和生图 Agent 分别生成前后端代码、创建商品图片，最终呈现的是一个包含商品分类、热门推荐、购物车🛒、用户登录等完整模块的网站。
商业逻辑：技术积累到场景闭环
文库 GenFlow2.0 构建了清晰的产品层次和分层策略。
基础 Docs 文档满足日常文档需求，专业研究报告适配正式汇报场景，HTML 报告则提供了交互式体验和协同编辑能力，而对于技术开发需求 GenFlow2.0 还能直接生成包含前后端代码的完整网站，这让每个用户都能获得最适合其工作场景的交付物。
根据 McKinsey 的研究，生成式 AI 应用价值的 75% 集中在客户运营、营销销售、软件工程和研发四个领域，而专业文档生成恰好贯穿了这些关键业务场景，GenFlow2.0 这种专业呈现形式对于正式汇报和客户交付具有重要意义。
相比之下，Claude 等主流 AI 工具生成的内容若没有搭配 MCP 仍需要用户手动复制粘贴到文档软件中，Notion AI 虽然集成了编辑功能但缺乏 Office 的报告格式，Microsoft Copilot 主要优化的是 Office 内的编辑体验而非完整报告的生成。
此外，文库与网盘协同让 GenFlow2.0 拥有的“记忆系统”共同构成了平台生态。用户存储在知识库中的产品提案、项目材料都能成为 AI 的专属语料。例如，写新的 Labubu 合作方案时，用户可以调用过往的 IP 案例和设计规范。
GenFlow2.0 Web 端与自由画布打通，可以自由编辑
GenFlow2.0 让我看到了 AI 应用的一条务实路线。在大模型参数竞赛愈演愈烈的今天，团队选择了把工程做扎实，把产品做可用，把商业模式跑通。
当 100 个 Agent 能够协同工作，当个人知识库能够被 AI 调用，当垂直领域的专业能力能够被规模化...不论 GenFlow2.0 如何实现，这个产品都足够真实，且闭环交付。
这个 AI，太像人了。
