繼DeepSeek之后，又一個(gè)國產(chǎn)AI一夜走紅。

最近，國內(nèi)AI公司“蝴蝶效應(yīng)”發(fā)布了一款名為Manus的AI Agent(人工智能體)產(chǎn)品，這也是全球首款通用人工智能體。

與傳統(tǒng)AI助手不同，Manus不僅能提供建議或答案，還能解決各類復(fù)雜多變的任務(wù)，直接交付完整的任務(wù)成果。

7天來，Manus使用申請(qǐng)等候名單增加到兩百萬人。我們對(duì)驚人的需求感到非常興奮和謙卑，正在夜以繼日地工作，盡快將Manus帶給更多的人。

那么，Manus 到底是什么？我們今天來客觀聊聊。

Manus 是 AI Agent（智能體）的一種實(shí)現(xiàn)形態(tài)

Manus 是由中國團(tuán)隊(duì) Monica.im 開發(fā)的通用型自主AI Agent（智能體），這個(gè)團(tuán)隊(duì)另一個(gè)產(chǎn)品就是火爆海外的 Monica AI 插件。

Manus 的工作原理是基于底層 AI 大模型的能力基礎(chǔ)，通過自主任務(wù)分解將復(fù)雜任務(wù)拆解為多個(gè)子任務(wù)，并動(dòng)態(tài)調(diào)用不同的 Agent 或工具來執(zhí)行每個(gè)子任務(wù)，最終完成整體任務(wù)。

在具體的實(shí)踐中，它像一個(gè)“自主性比較高的助理”，我們只需要告訴它最終目標(biāo)，它會(huì)自動(dòng)幫我們執(zhí)行完成。

看到這里，可能你會(huì)疑惑，上面這些能力用 GPT、DeepSeek 這樣的 AI 產(chǎn)品不是也能做到嗎？Manus 和它之間的區(qū)別是啥？

這個(gè)問題問得好！它們之間是有本質(zhì)區(qū)別的：

DeepSeek 和 GPT 等都是大語言模型，而 Manus 是基于底層 AI 大模型的通用型 AI 自主智能體。Manus 的嘗試在于在產(chǎn)品化設(shè)計(jì)（如任務(wù)拆解可視化、多模型動(dòng)態(tài)調(diào)度），而非底層技術(shù)原創(chuàng)性。

在具體的使用時(shí)，大語言模型像“大腦”，在使用它時(shí)，通常需要用戶明確地指導(dǎo)任務(wù)的拆解和執(zhí)行順序。例如，用戶可能需要手動(dòng)提示 AI 先生成大綱，再根據(jù)大綱生成內(nèi)容，最后整合成完整文章。這種模式對(duì)用戶的要求較高，需要用戶對(duì)任務(wù)拆解有清晰的認(rèn)識(shí)和表達(dá)能力。

Manus 在實(shí)際任務(wù)執(zhí)行中，恰好就幫我們完成了這一部分，它能自動(dòng)將復(fù)雜任務(wù)分解成多個(gè)小步驟。

以讓 AI 玩 2048 游戲?yàn)槔绻怯?DeepSeek、GPT等 AI 產(chǎn)品，整個(gè)過程會(huì)是這樣的：

我們需要先幫 AI 找到這個(gè) 2048 小游戲的網(wǎng)站，然后還得告訴 AI 游戲規(guī)則，最后 AI 才能開始玩游戲。整個(gè)過程中，需要我們不斷引導(dǎo)和指示 AI 該怎么做。

而用 Manus，我們只需要下達(dá)一個(gè)指令——“想玩 2048 這個(gè)游戲，并拿到最高分”，它就會(huì)自動(dòng)將任務(wù)拆分成多個(gè)小步驟：找到游戲網(wǎng)站、學(xué)習(xí)規(guī)則、制定策略、執(zhí)行游戲操作......全程不需要我們的干預(yù)，最終它會(huì)完成游戲并向我們展示結(jié)果。

Manus的任務(wù)實(shí)踐過程

其實(shí)早在 Manus 之前，你就可能已經(jīng)用過很多 AI Agent 。

比如豆包的“拍照識(shí)萬物”，它作為一個(gè)專門用于圖像識(shí)別的基礎(chǔ)智能體，已經(jīng)在實(shí)際應(yīng)用中展現(xiàn)了 AI Agent 的基本特性。

不過和 Manus 相比，它的功能相對(duì)單一，主要依靠預(yù)訓(xùn)練知識(shí)和內(nèi)置能力，能夠幫助用戶完成特定的任務(wù)，比如識(shí)別圖片中的物體并給出相關(guān)解答，但其能力范圍和自主性都相對(duì)有限。

除了豆包之外，“秘塔 AI 搜索”也是一種相對(duì)基礎(chǔ)的 AI Agent 。它的特別之處在于能夠自主決定搜索策略，調(diào)用搜索功能，并根據(jù)用戶提問和搜索到的資料給出更準(zhǔn)確、可靠且完善的回答。

當(dāng)我問“什么是 AI Agent ，舉例說明”時(shí)，秘塔 AI 搜索并不像普通大語言模型那樣直接給出答案。它會(huì)先將這個(gè)問題拆分成幾個(gè)小問題，就像是解決一個(gè)復(fù)雜數(shù)學(xué)題時(shí)先分解成幾個(gè)簡單步驟一樣。然后它會(huì)逐個(gè)回答這些小問題，最后把所有信息整合成一個(gè)完整的回答。

突然爆火的 Manus 到底是什么？真有那么神嗎？

Manus 的缺點(diǎn)依舊明顯

目前，Manus 雖然在某些方面確實(shí)表現(xiàn)出色，缺點(diǎn)也相當(dāng)明顯。

1.上下文限制

就拿上下文長度這個(gè)問題來說吧，它就像是一個(gè)人的短期記憶容量——再聰明的人也記不住太多信息。Manus 執(zhí)行的大多數(shù)任務(wù)，最終都會(huì)卡在上下文限制上。比如下面這個(gè) 2048 游戲的例子，原本計(jì)劃讓 Manus 玩 5 局，結(jié)果才玩了 2 局就不得不停下來了。

根本原因還是基礎(chǔ)的 AI 大模型支持的上下文長度有限。當(dāng)交互內(nèi)容積累到一定程度，系統(tǒng)就無法再處理更多信息，只能中斷任務(wù)。

突然爆火的 Manus 到底是什么？真有那么神嗎？

當(dāng)然這個(gè)問題后續(xù)還是非常好優(yōu)化的，這就像是手機(jī)內(nèi)存從最初的幾 MB 發(fā)展到現(xiàn)在的幾百 GB 一樣，時(shí)間會(huì)解決大部分的容量問題限制。

2.AI 幻覺

現(xiàn)階段每個(gè) AI 都會(huì)有幻覺存在（可回顧往期文章《AI 有多會(huì)一本正經(jīng)地瞎編？超出你的想象！深度解析大模型的"幻覺"機(jī)制》）。Manus 是基于通用大語言模型構(gòu)建的，幻覺發(fā)生的概率更大，甚至可能像滾雪球一樣越滾越大

目前大量實(shí)操案例都表明，Manus 交付的最終成果中往往都存在錯(cuò)誤，需要人工進(jìn)一步篩查。

3.資源獲取受限

很多信息所在的平臺(tái)都需要賬號(hào)密碼登陸才能獲取，導(dǎo)致在執(zhí)行任務(wù)時(shí)，Manus 也無法獲取許多優(yōu)質(zhì)資源。Manus 就像被擋在圖書館門外的學(xué)生，看得到書但拿不到手。這種“看得見吃不著”的問題在很多實(shí)操場(chǎng)景中都會(huì)發(fā)生。

Agent 是 AI 發(fā)展的趨勢(shì)之一

總的來說，包括 Manus 在內(nèi)的 AI Agent 確實(shí)是人工智能發(fā)展的重要趨勢(shì)。

對(duì)普通用戶而言，AI 不再是一個(gè)需要精心“喂養(yǎng)”提示詞的工具，而是一個(gè)能真正理解并執(zhí)行任務(wù)的助手，能極大的提高個(gè)人效率。對(duì)企業(yè)而言，AI Agent 能大幅降低 AI 落地的門檻，讓更多行業(yè)和場(chǎng)景能夠切實(shí)享受到 AI 帶來的效率提升。AI Agent 是連接 AI 技術(shù)與實(shí)際應(yīng)用的重要橋梁，幫助我們真正釋放大模型的潛力，實(shí)現(xiàn) AI 的廣泛落地。

未來，隨著技術(shù)的進(jìn)步，我們有理由相信 AI Agent 的能力邊界會(huì)不斷擴(kuò)展，也會(huì)有更多更好用 AI Agent 產(chǎn)品。

劃重點(diǎn)！！！

千萬不要因?yàn)椤?AI 焦慮”而真的花幾萬塊錢來買一個(gè) Manus 的邀請(qǐng)碼。

大眾·半島新聞綜合自科普中國、財(cái)聯(lián)社、證券日?qǐng)?bào)、每日經(jīng)濟(jì)新聞、極客公園等