Strawberry 1.0：号称每周省100小时的AI浏览器

从浏览器到AI工作台

Strawberry 1.0 在 Product Hunt 上以「每周为团队节省超过100小时」为卖点亮相，获得130张投票和37条评论，在当日榜单上排名第2。它将自己定义为「AI浏览器」，但实际能力远不止网页浏览——它更像一个内嵌在浏览器中的多智能体工作平台。

根据官方描述，Strawberry 能够在几分钟内完成原本需要数小时的工作。它的核心理念是把重复性行政事务交给自动化代理，让团队把注意力放回真正需要判断力的环节。

「Companion」：可共享的智能体

Strawberry 把自家的智能体称为「Companion」。用户有两种方式获得：从预制列表中选择一个现成的，或者从零创建一个。创建之后，用户可以「教」它自己的偏好和工作方式，再分享给整个团队使用。

这个设计的关键在于「共享」——智能体不是个人效率工具，而是团队资产。一个被调教好的 Companion 可以被多名成员复用，这意味着团队规模越大，边际收益可能越明显。这也是官方敢提出「每周节省超过100小时」这一量级说法的底层逻辑。

多智能体系统（Multi-Agent System）是指多个具备自主决策能力的智能体协同完成任务的架构，常见模式包括并行执行、任务分解与角色分工。与单一助手不同，多智能体可以让不同代理分别负责检索、筛选、汇总等子任务，从而在批量场景（如同时调研数百条线索）中显著提升吞吐。Companion 的「可训练、可共享」特性还涉及智能体配置的持久化与权限管理：团队需要决定谁可以修改代理行为、代理能访问哪些数据源，以及变更如何同步给所有使用者。这些工程细节决定了共享智能体在真实团队中的可靠性与安全性。

具体能做什么

官方给出的能力清单覆盖了几类典型的知识工作场景：

• 并行线索调研：Companion 可以并行研究数百条线索（leads），把原本串行的搜索、筛选、整理工作压缩到一次批量执行。
• 会议转写：自动转写会议内容，省去手动记录和事后整理。
• 自动化跟进：处理后续的跟进动作，减少因遗忘或拖延造成的流失。
• 重复性行政事务：官方把这类工作描述为「团队一直拖延的杂事」，交由代理接管。

这些能力单看都不新鲜，但把它们全部收进一个浏览器入口、并以共享智能体的形式组织起来，是 Strawberry 在形态上的差异点。

谁在用

官方称已有「数百个团队」在使用 Strawberry，并点名了 Lovable、Tandem Health 和 ElevenLabs。这几家都是产品驱动型团队，对工具链的自动化程度要求较高，它们的采用在一定程度上为产品做了背书。

不过需要客观看待：官方没有披露活跃用户数、留存或具体的节省时长测算方式。「每周超过100小时」更像是一个面向团队的整体口径，而非单个用户的实测数据。对于评估工具的人来说，更务实的做法是把它拆成「你团队里有多少重复性工作可以被代理接管」来估算。

文中提到的 Lovable、Tandem Health 和 ElevenLabs 均属于产品驱动增长（PLG）型团队，这类团队通常工具链轻量、迭代节奏快，对自动化工具的接受度高，因此常被 SaaS 产品选为早期标杆客户。不过，早期采用者名单本身并不等于广泛验证：它反映的是产品在特定类型团队中的适配度，而非跨行业、跨规模的普适效果。评估这类背书时，更值得关注的是客户的使用深度（是否嵌入日常流程）与续费情况，而这些数据在官方材料中通常不会披露。

定位与局限

Strawberry 选择「AI 浏览器」作为叙事框架，好处是入口足够普适——浏览器是知识工作者每天停留最久的地方，把代理放在这里能降低使用门槛。潜在的问题是，浏览器同时也是一个已经高度成熟、被巨头把控的战场，AI 能力的同质化竞争会很激烈。

此外，代理接管行政事务的前提是它能稳定访问团队所用的各类系统，并正确处理权限与数据边界。官方材料没有展开这部分细节，这通常是这类产品在真实团队环境中落地时最需要验证的环节。

对于正在被线索调研、会议记录、跟进催办这类工作拖慢节奏的团队，Strawberry 值得放进试用清单；但「节省100小时」应当视为方向性承诺，而非可以直接写进预算的确定收益。