出品 | 51CTO技術棧（微信號：blog51cto）

上周四，一款非常令人迷惑不解的現(xiàn)象級產(chǎn)品，只用了一天時間，就把“封神”和“打臉”兩種滋味都嘗了個遍。

這款號稱全球首個“通用代理”人工智能平臺，于上周預覽推出，其引發(fā)的關注度席卷了整個技術圈。

Hugging Face 的產(chǎn)品負責人稱 Manus 是“我嘗試過的最令人印象深刻的人工智能工具”。人工智能政策研究員 Dean Ball將Manus 描述為“使用人工智能的最復雜的計算機”。

不過很快就有人就質(zhì)疑Manus背后的創(chuàng)新水平“實屬套殼”，懷疑其在通過一場Demo 來做饑餓營銷。據(jù)說，Manus的官方 Discord 服務器在短短幾天內(nèi)就增長到超過 138,000 名成員，據(jù)報道，Manus 的邀請碼在中國閑魚上高達10萬元的的價格出售。

緊接著，很快就有年輕的中國團隊，花了3個小時就手搓出了一個簡易的“Open”版本的 Manus，贏得了業(yè)內(nèi)的一致點贊。

有關 Manus 和 OpenManus，相信會有不少朋友不清楚它們各自的來歷、理念、實現(xiàn)路線和爭議點。這里為大家梳理一下，希望能有所幫助。

Manus的理念究竟是什么鬼？

打開Manus官網(wǎng)，就會有個醒目的slogan： “Less Structure, More Intelligence”。

翻譯過來就是，更簡化的架構(gòu)、更聰明的智能。不過大眾們似乎把這一點也看成了套殼炒作的證據(jù)之一，一度被戲稱：“Less Structure, More Hype”。

谷歌和OpenAI率先推出了基于其深度推理模型來賦能Agent的前沿工作，例如DeepResearch、Operator等。

或Claude的MCP協(xié)議對工具使用領域的革新，Manus的技術突破相對有限。

它的主要創(chuàng)新點是借助推理模型實現(xiàn)了簡化結(jié)構(gòu)，同時增強智能處理能力的設計。 

這也就是媒體人楊遠騁Koji發(fā)布的據(jù)說來自Manus團隊內(nèi)部的“Less Structure, More Intelligence”理念。 

Manus是縫合怪嗎？

Manus 并非完全從零開始開發(fā)。據(jù)社交媒體報道，該平臺結(jié)合使用現(xiàn)有和經(jīng)過微調(diào)的 AI 模型，包括 Anthropic 的 Claude 和阿里巴巴的 Qwen，來執(zhí)行起草研究報告和分析財務文件等任務。

然而，Manus 背后給出了該平臺據(jù)稱可以實現(xiàn)的非常多的例子，從買房咨詢到編程視頻游戲。

圖片

不過用例如此之多的“通用”Agent，在業(yè)內(nèi)人士看來，不過是一個產(chǎn)品“縫合怪”。

功能上，Manus 可以被看成是一個整合了 Computer use、虛擬機、Multi agent 協(xié)同的產(chǎn)品。

而在技術實現(xiàn)上，原理也并沒有特別新鮮，據(jù)業(yè)內(nèi)人士預測，Manus是基于 Claude 模型生成能力、開源模型后訓練增強的規(guī)劃能力，再結(jié)合各種預制的 Agent，按照設定好的工作流：構(gòu)建 todo 清單、新建虛擬機環(huán)境、調(diào)用工具、結(jié)果整合、自我檢查、輸出結(jié)果，來解決任務。

原理沒有太多的創(chuàng)新，但Manus的能夠?qū)崿F(xiàn)的功能多樣性、豐富細致的程度也是為外界所稱道的，這背后需要做極大的工程任務。

整合的工作量這么多，背后有什么通用的技術棧可以做成這件事嗎？業(yè)內(nèi)專家認為Manus很有可能是基于 MCP（模型上下文協(xié)議）的聚合模式。

圖片

不過，剛剛季逸超在X回應：Manus 并沒有使用 Claude 的 MCP，靈感更多還是來自于朋友，不過沒有完全采用 CodeAct。

圖片

Manus的架構(gòu)揭秘：運行在沙盒中的多Agent任務

有專家從Manus演示實例分析認為，Manus有效整合了DeepResearch、Artifacts和Operator三大現(xiàn)有能力。

據(jù)媒體引用但未出現(xiàn)在Manus官網(wǎng)上的官方資料稱，Manus AI 使用一套名為“Multiple Agent”的架構(gòu)，運行在獨立的虛擬機中。通過規(guī)劃代理、執(zhí)行代理、驗證代理的分工協(xié)作機制，來大幅提升對復雜任務的處理效率，并通過并行計算縮短響應時間。

在這個架構(gòu)中，每個代理可能基于獨立的語言模型或強化學習模型，彼此通過 API 或消息隊列通信。同時每個任務也都在沙盒中運行，避免干擾其他任務，同時支持云端擴展。每個獨立模型都能模仿人類處理任務的流程，比如先思考和規(guī)劃，理解復雜指令并拆解為可執(zhí)行的步驟，再調(diào)用合適的工具。

圖片

據(jù)OpenManus 和 OWL 以及部分信息源得知，從當前Manus可以執(zhí)行的操作和其技術描述來看，其AI架構(gòu)與工作流其實并不難實現(xiàn)，很容易重構(gòu)——它很有可能是三個相關功能的串聯(lián)，由一個主腦做步驟調(diào)配。

當然也有可能根本不需要主腦，以規(guī)劃代理同時承擔工作協(xié)調(diào)的能力。

圖片

在Manus的解釋中，除了瀏覽網(wǎng)頁用到了Computer Use（計算機使用）之外，它在虛擬機中的計算機應用并不多。這也是 MIT 博士 Zengyi Qin 認為它在無邊界操作系統(tǒng)級環(huán)境（open-ended OS Level environment）中未取得突破的原因。

在能力層，它只不過這個工作流當前各個節(jié)點的能力大幅增強了，而其負責規(guī)劃的主腦也進化成了可以分布拆解和發(fā)起任務的推理模型。

而其代理層及模型層架構(gòu)中與DeepResearch和Artifact能力的重疊基本是100%的（圖像瀏覽用了一些Operator能力）。

因此官網(wǎng)上介紹的智能研究、高級數(shù)據(jù)分析、任務自動化三大功能其實也就是Manus的極限了。

Manus跟Operator對標科學嗎？

在 X 上的一段熱門視頻中，Manus 的研究負責人季逸超暗示該平臺優(yōu)于 OpenAI 的深度研究和Operator等代理工具。

季逸超聲稱，Manus 在通用人工智能助手的流行基準 GAIA 上的表現(xiàn)優(yōu)于深度研究，GAIA 可探測人工智能通過瀏覽網(wǎng)頁、使用軟件等方式開展工作的能力。

圖片

論文中指出，GAIA 測試根據(jù)解決問題所需的步驟數(shù)量以及回答問題所需的工具種類被分為三個遞增的難度級別。大致使用以下定義來為問題分配難度級別：

• 一級問題：通常不需要工具，或者最多需要一個工具，且不超過5個步驟。
• 二級問題：通常涉及更多步驟，大約在5到10步之間，并且需要結(jié)合使用不同的工具。
• 三級問題：是為近乎完美的通用助手設計的問題，需要執(zhí)行任意長度的動作序列，使用任意數(shù)量的工具，并且能夠訪問整個世界。

為了形象的理解問題的難度，可以看下面的這個例子：

一級問題

問題：根據(jù)美國國立衛(wèi)生研究院（NIH）網(wǎng)站列出的信息，2018年1月至5月期間針對痤瘡患者進行的幽門螺桿菌臨床試驗的實際入組人數(shù)是多少？
真實答案：90

二級問題

問題：如果這一整品脫全是冰淇淋，那么根據(jù)維基百科2020年報告的標準，其脂肪含量比美國聯(lián)邦標準高出或低了多少百分比？請以正數(shù)或負數(shù)的形式回答，并保留一位小數(shù)。
真實答案：+4.6

三級問題

問題：在2006年1月21日美國國家航空航天局（NASA）的“每日天文圖片”中，可以看到兩名宇航員，其中一名看起來比另一名小得多。截至2023年8月，在這名較小宇航員所屬的NASA宇航員團隊中，哪位宇航員在太空停留的時間最少？他在太空停留了多少分鐘（四舍五入到最近的整數(shù)）？不包括那些從未進入過太空的宇航員。請給出該宇航員的姓氏，并用分號與分鐘數(shù)隔開。
真實答案：White; 5876

GAIA 樣例問題

不過這里需要注意的是，OpenAI 的 DeepResearch 主要用于深度研究領域的，主打一個"AI研究員"的功能，能夠自主分析復雜的專業(yè)信息，實時查找和綜合數(shù)百個在線資源，最終生成一份專業(yè)水準的完整報告。

而 Manus 則覆蓋了更廣的任務范疇，而 DeepResearch 主要用途則是報告生成。所以這本就是一場不公平的對比。

Manus的早期用戶反饋

然而在用戶實際測試使用中，即便是與DeepResearch對比，有網(wǎng)友表示 Manus 效果并不好：

Deep Research 在不到15分鐘內(nèi)完成了。不幸的是，Manus AI在第18/20步時失敗了，耗時50分鐘！?? 它之前表現(xiàn)得相當不錯——我一直在查看Manus的輸出結(jié)果，看起來非常出色。然而，再次運行相同的指令時就有點令人沮喪了，因為它耗時太長！

圖片

當然，讓人吐槽更多的地方還有很多。

一家AI初創(chuàng)公司 Pleias 的聯(lián)合創(chuàng)始人亞歷山大·多里亞在一篇 X 帖子中表示，他在測試 Manus 時遇到了錯誤消息和無限循環(huán)。一些 X 用戶還指出，Manus 在事實問題上犯了錯誤，并且沒有始終如一地引用其工作——并且經(jīng)常錯過在網(wǎng)上很容易找到的信息。

圖片

據(jù)國內(nèi)不少媒體的實測直播的反饋來看，慢、卡頓、幻覺都是普遍反映的問題。不過，正如一位媒體記者所說的：雖然性能有待提升，但 Manus 帶來的智能體產(chǎn)品體驗可以說是獨一份的。

OpenManus是如何實現(xiàn)復刻的

MetaGPT團隊在上周五一場直播中公開了自己當時開發(fā)OpenManus的設想。

圖片

“兩個月前的一次邊吃飯邊頭腦風暴的過程中，我們想到，一個極簡的 Agent 框架，應該是可插拔的 Tools 和 System Prompt 的組合，之后我們沿著這個思路，寫了一個完整的 Agent 迷你框架。

前天晚上看到 Manus 時，凌晨就和同事商量，下班后的晚上就可以搞一個，應該 3 小時夠了。”

這里，需要解釋下為什么他們會采用可插拔的 Tools 和 System Prompt，原因在于——決定一個 ReAct Agent（ 結(jié)合了反應和行動規(guī)劃能力的智能體 ）的效果的關鍵是 Prompt 和 Action，Prompt 控制了 Agent 整體的行為邏輯，Tools 給定了 Agent 的行動空間，二者被定義就能完整詮釋一個 ReAct Agent。

其次，可插拔的優(yōu)點是可組合，這樣就可以把幾個不同場景下的 Tools 組合到一起來創(chuàng)造一個新的 Agent，定義也很方便，不需要單獨寫內(nèi)部邏輯，只需要修改動作空間（ Tools ）。Tools 本身就該是可組合的。

“我們的工作是把抽象做得更干凈，目前 HuggingFace 的 Smolagents 也是類似的思路了。Manus 效果上讓大家覺得很新奇，實際上主要是由于 Browser Use 和 Computer Use 的使用，所以只要給了 Agent 這兩個工具，那它就都能做到。”

OpenManus公開的技術路線

大家可以從Github上的演示視頻可以看出，OpenManus展示的結(jié)果遠不如 Manus 那么細致和豐富。

OpenManus的一位貢獻者梁新兵也坦承：OpenManus 目前功能還很初級，畢竟只花費3個小時手搓的時間，還需要很多后續(xù)的工作。不過這項不需要邀請碼的開源之作已經(jīng)公開了后續(xù)的開發(fā)路線。照這個路線，基本上全面復刻 Manus 不是問題：

? 更優(yōu)的規(guī)劃系統(tǒng)

? 實時演示功能

? 運行回放

? 強化學習微調(diào)模型

? 全面的性能基準測試

智能體：通用和垂直，哪個更靠譜？

楊遠騁Koji 曾在第一時間連線參加了 Manus 的小范圍溝通會。曾透露了一些不為外人知的細節(jié)：比如 Manus 打榜超過了OpenAI，季逸超 Peak 淚灑辦公室，再比如 Manus 的單任務成本，僅僅只有 2 美刀，并且還有優(yōu)化的空間。

但這里，小編認為還有一個業(yè)界的非共識需要探討：在 Manus 看來，做垂直領域的AI Agent “可能有點不靠譜”，理由是——Manus 打敗了 YC W25 幾乎 3/4 的 Agent 創(chuàng)業(yè)產(chǎn)品。 

圖片

然而，就在上周四我們在欄目“AI實戰(zhàn)派”中與一位大廠大模型應用算法專家李明錦進行了探討。他認為，個人并不看好通用 Agent 的創(chuàng)業(yè)。

一方面，雖然市面上不乏BABY AGI、XAgent、LangChain、AUTO Gen 等類似的產(chǎn)品， 這些框架其實很早就提出來了，但是真正用于生產(chǎn)環(huán)境確實很少，所以本質(zhì)上該類產(chǎn)品的核心還是在于對垂類任務的分解。另一方面，只有將 Agent 面相企業(yè)生產(chǎn)環(huán)境做到定制話，才有可能令其買單。所以說智能體的趨勢一定是垂類、定制畫的。通用 Agent 對于創(chuàng)業(yè)團隊而言，人員有限，很難有精力把所有這些任務都cover 到。

“如果我來主導 Manus 這個項目，我就把它開源！”