Manus火到國外？網(wǎng)友實(shí)測(cè)驚呆！00后博士生0天復(fù)刻霸榜開源第一

作者：新智元 2025-03-10 08:45:00

Manus居然成功火到國外了，內(nèi)銷轉(zhuǎn)出口了？今天開始，在X和Reddit上的外國網(wǎng)友中，Manus的討論聲量開始變大了！拿到邀請(qǐng)碼的歪果網(wǎng)友實(shí)測(cè)后贊嘆：Manus太好用了。而各種開源復(fù)現(xiàn)項(xiàng)目也如雨后春筍一般冒出，人氣持續(xù)爆棚。

非常意外的，Manus本尊和它的開源復(fù)現(xiàn)在國外開始火了！

首先，越來越多的外國網(wǎng)友開始注意到了Manus，并且大贊它是「全球首個(gè)類似AGI的全自主AI智能體」，已經(jīng)快要摘下人工智能的圣杯AGI了。

所以，中國的AI產(chǎn)品這是成功「內(nèi)銷轉(zhuǎn)出口」了？

另外，OpenManus和OWL等項(xiàng)目，更是在國外獲得一眾開發(fā)者的贊賞。

其中，OWL更是以58.18的成績，拿下了GAIA基準(zhǔn)的開源第一！

現(xiàn)在的開發(fā)者社區(qū)中，Manus的開源替代方案已經(jīng)如雨后春筍般冒出，除了star數(shù)很高、人氣暴漲的OpenManus和OWL之外，還出現(xiàn)了autoMate、Deep Research、Open Deep Research等平替。

上下滑動(dòng)查看

親身體驗(yàn)過的開發(fā)者對(duì)此這樣評(píng)價(jià)：大部分開源平替都是偏向Deep Research，但Manus一句話就出代碼和原型的能力，確實(shí)沒有那么容易達(dá)到。

被質(zhì)疑沒有任何技術(shù)創(chuàng)新，只是套殼套得好的Manus，竟然開始在海外掀起聲浪，莫非的確有擊穿海內(nèi)外普通用戶心理的獨(dú)特之處？

讓我們來仔細(xì)看看。

歪果仁驚嘆：Manus也太好用了吧

此前，Manus之所以被詬病為營銷成分居多，就是因?yàn)楦鶦hatGPT、DeepSeek的爆紅途徑截然相反——在國內(nèi)自媒體掀起聲浪的時(shí)候，海外開發(fā)者社區(qū)和技術(shù)網(wǎng)站上一片寂靜。

但就在今天，顯然Manus已經(jīng)漸有了走出國門的趨勢(shì)，在海外大V和網(wǎng)友們那里傳播開了！

在Reddit上的singularity社區(qū)，網(wǎng)友們開始熱烈討論起了Manus，并且拉踩了一把月費(fèi)20000刀的OpenAI智能體。

TheRundownAI創(chuàng)始人Rowan Cheung，就給海外網(wǎng)友們介紹了這款「在中國瘋狂病毒式傳播」的AI智能體。

甚至他給出了這樣的評(píng)價(jià)——「中國的高光時(shí)刻到來了」！并且認(rèn)為只需一段時(shí)間，Manus就會(huì)進(jìn)入美國市場(chǎng)。

事件起因，是TheRundownAI上有一些用戶熱烈討論Manus，于是Rowan Cheung在官方通訊中進(jìn)行了報(bào)道。

不久后，他就收到了Manus聯(lián)創(chuàng)發(fā)來的邀請(qǐng)碼，并展開了親測(cè)。

首先，他讓Manus創(chuàng)建了一份關(guān)于自己的傳記，并且基于這份傳記部署了一個(gè)網(wǎng)站。

Rowan Cheung表示，看到Manus在自己的社交渠道瀏覽文章、部署網(wǎng)站，簡直「瘋狂的令人深刻」。

最終，Manus的信息一直截止到今天的更新，并且完全準(zhǔn)確！

然后，他決定測(cè)試一些更實(shí)用的的東西，比如舊金山最受歡迎的租房地點(diǎn)，需要滿足低犯罪率、大量AI活動(dòng)、高密度的充滿抱負(fù)的年輕企業(yè)家。

Manus給出了一份詳細(xì)完整的報(bào)告，包含了4個(gè)非常準(zhǔn)確的選擇。

最后，他測(cè)試了一下Manus在執(zhí)行非常長的研究任務(wù)時(shí)的表現(xiàn)。

為此，他要求Manus創(chuàng)建一門關(guān)于AI內(nèi)容創(chuàng)作的完整課程。

整個(gè)過程中，Manus耗費(fèi)了2個(gè)小時(shí)，但制作出的課程令人印象深刻，包括工具、用例，甚至還有提示示例。

總之，看起來Rowan Cheung對(duì)Manus的表現(xiàn)十分滿意。

已經(jīng)拿到邀請(qǐng)碼實(shí)測(cè)過的歪果網(wǎng)友表示，自己非常喜歡Manus，唯一的缺點(diǎn)就是慢。

目前，還無法看出海外社區(qū)的這波討論是自來水，還是一種很新形式的PR。

對(duì)于Manus的走紅，不少業(yè)內(nèi)人士的評(píng)價(jià)都是：并沒有工程難度和實(shí)現(xiàn)難度，練劍少年可以批發(fā)，不久后將滿大街都是「屠龍劍」。

為了更好的理解Manus的原理，接下來就讓我們跟著OpenManus項(xiàng)目的一作梁新兵，來分析一下它的算法實(shí)現(xiàn)。

作為一個(gè)多智能體系統(tǒng)，Manus首先會(huì)使用PlanningTool做規(guī)劃，形成一個(gè)包含多個(gè)任務(wù)的線性結(jié)構(gòu)的計(jì)劃，然后順序執(zhí)行每一個(gè)任務(wù)并動(dòng)態(tài)分配給相應(yīng)的Agent。在執(zhí)行每個(gè)任務(wù)時(shí)，Agent會(huì)以ReAct循環(huán)的形式調(diào)用工具來完成每一個(gè)任務(wù)。

1. 規(guī)劃能力：Manus將PlanningTool規(guī)劃工具引入多智能體框架。

這一趴十分重要。舉例來說，Claude 3.7 Sonnet將SWEBench上的解決率從之前的49%提升到了70%。其中，一部分提升來源于模型本身，而另一部分就來源于規(guī)劃了。

2. 工具使用能力（猜測(cè)）：Manus應(yīng)該是Claude加上其他一些經(jīng)過后訓(xùn)練的模型。并通過在工程上的優(yōu)化，來增強(qiáng)它在不同場(chǎng)景下的工具使用能力。

總之，Manus在工程上的實(shí)現(xiàn)還是非常出色的，但技術(shù)層面上似乎并沒有護(hù)城河。

00后博士生0天復(fù)刻，霸榜開源第一

正如上文提到的，來自CAMEL AI的開源項(xiàng)目OWL（Optimized Workforce Learning），在GAIA認(rèn)證榜單中一舉斬獲了開源第一的優(yōu)異成績。超過了Hugging Face Open DeepResearch的55.15%。

據(jù)團(tuán)隊(duì)介紹，其實(shí)在3月3日的時(shí)候，就已經(jīng)取得了GAIA上開源最好的性能。

目前，由于時(shí)間的原因，項(xiàng)目還不是滿血版。但在一波迭代之后，還是有信心刷爆Manus的！

項(xiàng)目地址：https://github.com/camel-ai/owl?tab=readme-ov-file

根據(jù)網(wǎng)友AIGCLINK的分析，OWL把Manus的核心工作流拆成了6步：

啟動(dòng)一個(gè)Ubuntu容器（Agent遠(yuǎn)程工位就位）
知識(shí)召回（把之前學(xué)過的內(nèi)容撿起來用）
連接數(shù)據(jù)源（數(shù)據(jù)庫、網(wǎng)盤、云存儲(chǔ)全覆蓋）
把數(shù)據(jù)掛載到Ubuntu（Agent的搬磚時(shí)刻）
自動(dòng)生成http://todo.md/（規(guī)劃任務(wù)+寫待辦清單）
Ubuntu工具鏈+外接工具組合拳，執(zhí)行全流程任務(wù)

所有Manus里智能體用到的操作，OWL也會(huì)配齊。

核心機(jī)制Workforce

OWL的核心是一個(gè)多個(gè)AI智能體協(xié)同工作解決任務(wù)的系統(tǒng)，目前還在調(diào)試中，其完整版將是一個(gè)可優(yōu)化的、可遞歸的、動(dòng)態(tài)多智能體合作機(jī)制。

通過使用Workforce，用戶可以快速設(shè)置具有自定義配置的多AI智能體任務(wù)解決系統(tǒng)。

下圖展示了一個(gè)簡單示例的工作流程：

· 架構(gòu)

Workforce遵循層級(jí)架構(gòu)。一個(gè)Workforce可以由多個(gè)工作節(jié)點(diǎn)組成，每個(gè)工作節(jié)點(diǎn)將包含一個(gè)或多個(gè)AI智能體作為工作者。

其中，工作節(jié)點(diǎn)由Workforce內(nèi)的協(xié)調(diào)者AI智能體管理，協(xié)調(diào)者AI智能體將根據(jù)工作節(jié)點(diǎn)的描述及其工具集向工作節(jié)點(diǎn)分配任務(wù)。

除了協(xié)調(diào)者AI智能體外，Workforce內(nèi)部還有一個(gè)任務(wù)規(guī)劃者AI智能體。任務(wù)規(guī)劃者AI智能體負(fù)責(zé)分解和組合任務(wù)，使Workforce能夠逐步解決任務(wù)。

· 通信機(jī)制

Workforce內(nèi)部的通信基于任務(wù)傳遞通道。

在初始化后，就會(huì)創(chuàng)建一個(gè)由所有節(jié)點(diǎn)共享的通道。任務(wù)將被發(fā)布到這個(gè)通道中，每個(gè)工作節(jié)點(diǎn)會(huì)監(jiān)聽該通道，接受從通道中分配給它的任務(wù)并解決。

當(dāng)任務(wù)被解決后，工作節(jié)點(diǎn)會(huì)將結(jié)果發(fā)布回通道，結(jié)果將作為其他任務(wù)的「依賴項(xiàng)」存在于通道中，并由所有工作節(jié)點(diǎn)共享。

通過這種機(jī)制，Workforce能夠以協(xié)作和高效的方式解決任務(wù)。

· 故障處理

Workforce設(shè)有故障處理機(jī)制。當(dāng)任務(wù)失敗時(shí)，協(xié)調(diào)者AI智能體將采取行動(dòng)來修復(fù)它。這些行動(dòng)可以是將任務(wù)分解為更小的任務(wù)并重新分配，或者創(chuàng)建一個(gè)能夠完成該任務(wù)的新工作者。

目前，協(xié)調(diào)者會(huì)根據(jù)任務(wù)已被分解的次數(shù)來做出決策。如果任務(wù)已經(jīng)被分解超過一定次數(shù)，協(xié)調(diào)者將采取創(chuàng)建新工作者的行動(dòng)；如果沒有，協(xié)調(diào)者將簡單地采取分解行動(dòng)。

有一些任務(wù)可能無法由AI智能體解決。在這種情況下，為了防止Workforce陷入無限的AI智能體創(chuàng)建循環(huán)，如果一個(gè)任務(wù)已經(jīng)失敗了一定次數(shù)（默認(rèn)為3次），Workforce將被暫停。

曾提出首個(gè)ChatGPT多智能體框架

團(tuán)隊(duì)表示，距離自己提出全球首個(gè)ChatGPT Multi-agent框架思想，已經(jīng)將近兩年了。

看到Monica團(tuán)隊(duì)把Multi-agent技術(shù)落地成產(chǎn)品非常驚喜。Manus系統(tǒng)設(shè)計(jì)其實(shí)非常巧妙，特別通過文件系統(tǒng)來實(shí)現(xiàn)Context管理和持久化、使用Ubuntu虛擬機(jī)的命令行來實(shí)現(xiàn)靈活的工具使用，是非常值得學(xué)習(xí)的工程思路。

對(duì)此，團(tuán)隊(duì)正在開源復(fù)現(xiàn)中。

除了Web和命令行的操控之外，團(tuán)隊(duì)今后還將實(shí)現(xiàn)電腦、手機(jī)、機(jī)器人、車載等各種跨平臺(tái)的操控。到了那時(shí)，才是真正的賽博workforce！

原因是，OS端Agent有一個(gè)巨大的優(yōu)勢(shì)——比較容易拿到可驗(yàn)證的獎(jiǎng)勵(lì)信號(hào)。也就是說，未來可以通過強(qiáng)化學(xué)習(xí)訓(xùn)得飛起。

也許在一年內(nèi)，我們就會(huì)看到DeepSeek R1 Zero這樣的「啊哈時(shí)刻」出現(xiàn)在OS / Web Agent領(lǐng)域。

團(tuán)隊(duì)介紹

OWL項(xiàng)目第一作者胡夢(mèng)康，是香港大學(xué)攻讀博士學(xué)位，師從羅平教授。他在ICLR、COLING和KDD等頂會(huì)發(fā)表了多篇一作論文，在 AI 研究的前沿戰(zhàn)場(chǎng)穩(wěn)扎穩(wěn)打。如果AI研究是一場(chǎng)解謎游戲，那胡夢(mèng)康無疑是那個(gè)總能找到最優(yōu)解的玩家。

OWL項(xiàng)目共同第一作者周宇航，雖然還在哈工大讀大四，但已在AI研究的道路上跑出了自己的加速度。在校期間專業(yè)排名第一，曾獲國家獎(jiǎng)學(xué)金、省三好學(xué)生等多項(xiàng)榮譽(yù)，保研至復(fù)旦大學(xué)攻讀碩士學(xué)位。

CAMEL-AI.org社區(qū)的創(chuàng)始人李國豪，在帶領(lǐng)社區(qū)尋找智能體的Scaling Laws，他是人工智能研究員和開源貢獻(xiàn)者，致力于構(gòu)建能夠感知、學(xué)習(xí)、溝通、推理和行動(dòng)的智能體。

他的主要研究興趣包括自主智能體、圖形機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺和具身人工智能。他在國際頂級(jí)會(huì)議和期刊上發(fā)表了相關(guān)論文，如ICML、NeurIPS、ICLR、ICCV、CVPR、RSS、3DV和TPAMI。

李國豪曾在英國牛津大學(xué)與Philip Torr教授合作擔(dān)任博士后研究員。他在沙特阿拉伯的阿卜杜拉國王科技大學(xué)（KAUST）獲得計(jì)算機(jī)科學(xué)博士學(xué)位，導(dǎo)師為Bernard Ghanem教授。

在攻讀博士學(xué)位期間，他創(chuàng)立了DeepGCNs.org，致力于研究GNNs的Scaling Laws，他有幸在英特爾ISL與Vladlen Koltun博士和Matthias Müller博士合作，擔(dān)任研究實(shí)習(xí)生，并訪問了ETH蘇黎世的計(jì)算機(jī)視覺實(shí)驗(yàn)室（CVL）作為訪問研究員。

此外，他還作為早期成員在硅谷創(chuàng)業(yè)公司Kumo AI和PyG.org與斯坦福Jure Leskovec教授和Matthias Fey博士進(jìn)行合作研究。