Manus是什么？
首先说清楚，我也没拿到邀请码，没能第一时间体验，并且我填邀请码提交的时候，页面还崩了。不知道是太火爆，还是页面根本没好好做。不过，我看了不少朋友分享的案例，加上咱们AI学习圈的余一老师拿到了测试资格，我就拜托她帮忙跑了两三个任务。整体体验下来，我对Manus的能力也有了个大致的认知。什么是通用智能体呢？以前我们听说过AI能写代码、能画图、能写文章，但前提是你得先规划好方向，AI才能发挥作用。而这次的Manus，从首页展示的用户案例和各个群里流出的测试视频来看，显然已经把多个复杂能力整合到了一起。其中，最关键的一点是——它能自主规划任务并实时调整。这句话看着简单，实际上非常难。职场人都懂，领导有时候布置任务，说得模棱两可，自己熬夜加班做了一个星期，结果交上去后，领导一句“你怎么没理解我的意思？”直接推翻重来。现在，面对AI，我们就相当于它的领导。它能不能准确理解需求，决定了它的实际价值。举个例子，我测试时给它的任务是这样的：“我做了一款‘AI笔记+个人知识库’的产品，叫Get笔记。现在每天的日活是5万，请你帮我出一个三个月内的详细营销方案，把日活从5万提高到20万，前提是不能花一分钱做广告。”这个需求，即使给真人，也是个硬骨头。对于职场新人来说，可能会直接去想三个月的营销方案该怎么写。但对于一个有经验的营销老手，第一反应肯定是：重点根本不是方案，而是“老板不愿意花钱”。接下来，我来跟你拆解一下，Manus拿到需求后做了什么。具体来说，它执行了9步任务。它从我的需求描述中注意到一个关键点——每天已经有5万活跃用户，这说明产品已经具备了一定的用户基础，并且目标用户群已经清晰。因此，增长的关键在于围绕这批核心用户，扩大影响力，而不是盲目撒网。它重点研究了Notion、Obsidian、Logseq和Roam四款软件，分析它们的核心优势和营销增长策略。看到这一步时，我直接冒冷汗，因为这四款软件，正是我一直在研究的对手。分析完后，它让我优先瞄准两个群体：学生和内容创作者。理由是，学生规模庞大，传播效率高，并且一旦形成使用习惯，可以持续很多年。而内容创作者自带流量，影响力大，并且愿意分享，能形成示范效应，带动更多用户。在这两步中，它给我提供了几个产品建议，比如，生成精美的分享卡片，提升用户的传播动力；支持多人协作同一个知识库，方便小团队使用；打造知识库市场，鼓励用户分享优质模板和知识库资源。这几个建议一出来，我瞬间有种自己的产品文档被泄露的感觉，因为这些功能，正好是我们正在开发的重点方向。然后进入第8步，编制详细的营销计划，并在第9步进行审核，提交最终方案。在这个任务中，Manus一共创建了8个新的文本文件，不仅生成了完整的营销规划，还把具体的阶段目标都拆解出来。按照它的预估，执行这个方案后，传播分享的转化率可以达到15%-20%，其中70%的新用户将通过自然传播带来，第一个月的用户量预计能增长到8万。我之所以这么详细地描述这个任务，就是希望大家代入思考一下——即使是资深的营销专家，要做到这个方案的完整度，需要多少时间？又要投入多少精力？特别是以我20年的工作经验来看，这个营销方案的可行性，绝对超过市面上八成的营销策划。而且，这还只是写一个营销方案。我还试过让它写九年级的语文教案PPT，朋友也让它尝试写小游戏、开发网页……结果都超出预期。我把Manus的演示链接放在了文章末尾，感兴趣的同学可以点开看看。所以，Manus给我的第一印象就是——非常强大，真正实现了多种智能体能力的融合。我脑海里一直浮现一句话：“我是革命一块砖，哪里需要往哪搬。”Manus的通用性，正是对这句话最好的诠释。推出Manus的公司名叫Monica，是这两年业内非常出名的AI公司。和其他AI公司不同的是，它们的核心业务并不是大模型本身，而是AI应用。其实，Monica解决了一个非常实际的需求——让很多国内用户能够通过它的产品，使用ChatGPT或者Claude这样的国外大模型。当然，业内也有人特别不屑地把Monica叫做“套壳产品”，但这其实是对它的误解，甚至可以说是不尊重。真正的“套壳”，指的是那些假冒伪劣、直接冒充国外产品的东西。就像Midjourney刚火的时候，在某度上一搜，第一页全是骗子网站，进去就让你充会员——这才叫套壳。而Monica有自己的品牌和定位，它通过技术整合，降低了普通人使用AI的门槛。这和很多年前爆火的Hao123是一样的逻辑——它本质上是在帮普通人更方便地接触新技术，只不过这种普惠性的产品，总会让某些“精英”觉得自己的优势被削弱了。正因为有大量用户在Monica的平台上使用各种AI助手，这家公司也积累了丰富的数据和洞察。比如，在不同的任务场景下，哪个模型表现最好，哪个工具最适合普通人。这反而让Monica成为离用户场景最近的公司。更重要的是，由于它自己并没有大模型，所以在选择AI产品时，它能站在更公正的立场，完全从实际效果出发去挑选最合适的技术，而不是站队某一个大模型。现在，Manus的火爆程度已经到了“一码难求”的地步，甚至有人在闲鱼等平台上，把邀请码的价格炒到了上万元。不过，我建议大家不用焦虑。按我的粗暴判断，不出两个月，国内大厂肯定会推出类似的产品。Manus真正展示的，是多智能体工具如何处理复杂任务，并且用了一种极具冲击力的交互方式。它的分享内容，不是传统的图片，而是AI处理任务的完整视频，让用户能直观看到AI一步步拆解和执行任务，带来极强的震撼感。这足以说明，Monica团队在用户洞察和产品设计上的能力确实很强。但如果回归到底层技术，它所展示的每一项任务，实际上都是现有AI技术已经能实现的功能。从这个角度来看，国内几家大厂要做出类似的产品，并不是难事。它已经积累了大量成熟的开发者和各种插件工具，再加上火山引擎背后的超大算力支持，完全具备做出类似产品的能力，并且很可能实现弯道超车，迅速落地。之前，很多企业和个人开发者已经用Dify搭建了各种内部AI工具，比如我们得到内部的AI广场里的工具，就是用Dify搭建的。如果他们在这个基础上，整合出一个通用AI，至少在企业应用场景中，完全可以跑通。我之所以提他们，原因比较特别——在DeepSeek这波浪潮中，腾讯突然展现出了多年未见的“快速敏捷的斗志”。之前，腾讯或微信团队很少会有这种“莽撞加速”的姿态，但这次他们的反应速度明显变快了。所以，面对Manus这种通用助手形态，他们肯定不会袖手旁观。我认为这些团队有机会弯道超车，还有一个重要原因——Manus这种产品形态对算力的要求太高了。内测用户随便试几下，和大规模普通用户真正用起来，完全是两个量级的考验。
要不然，DeepSeek在春节期间爆火时，服务器怎么会频繁崩溃？而Manus的任务复杂度，比DeepSeek要高得多，每一个任务都涉及更深层次的智能体调度和多步操作。所以，对Manus来说，第一个真正的考验，不是现在的内测阶段，而是全面开放后的实际使用情况。到时候，它能不能顶住大规模用户的压力，才是真正见真章的时候。因为Manus今天的爆火，我发现已经有一大批疑似AI写的文章开始满天飞，内容越来越离谱。比如，最开始只是说Manus推出了首个通用Agent助手，接着就演变成了“中国推出首个AI智能体，秒杀OpenAI，全球都跪了”这种标题党式的夸张说法。与此同时，也有不少同学问我什么是智能体。从广义上来说，智能体的概念可以追溯到1950年。当时，著名科学家图灵在他的经典论文“Computing Machinery and Intelligence”（《计算机器与智能》）中，提出了一个著名的问题：“机器能思考吗？”尽管整篇论文中并没有直接使用“Agent”这个词，但它激发了整个学术界对“能不能让机器像人一样思考和行动”的深入思考。所以，在包括我在内的很多人看来，这算是人工智能的第一粒种子。接下来是1956年，一个对AI发展至关重要的会议——达特茅斯会议。在这场夏季研讨会上，几位科学家坐在草坪上拍了一张合影，可能他们当时也没想到，这次会议和这张合影，后来会被视为人工智能的正式诞生。不过，那时候连个人计算机都没有，AI的能力也非常有限，只能下下国际象棋、做做简单的数学计算，根本无法完成复杂任务。因此，一些科学家开始思考：有没有可能让软件在不同的计算机或网络环境下，自主行动？如果让多个这样的智能体互相协作，能不能完成更复杂的任务？看看，这些五六十年前的前辈，思考的问题也跟我们一样——要是人类能不上班、不干活，那该多爽？正是基于这种设想，那个时代开始逐渐发展出Agent智能体和多智能体系统的概念。科学家们希望让计算机程序不仅仅是被动执行命令的工具，而是能够自主决策、协作完成任务的“智能体”。大约在1970年，研究者卡尔·休伊特（Carl Hewitt）提出了“演员模型”（Actor Model）。他把AI想象成一群活跃的“小演员”，它们能够在计算环境中自由发挥，不仅可以接收指令，还可以彼此交流、发送消息、做出反应。这种思想，为后来多智能体系统的研究奠定了基础。到了1990年，智能体的概念开始逐步完善，一批学者开始尝试给它下定义，并在论文和书籍中进行系统阐述。其中，澳大利亚人工智能研究院的Anand Rao和Michael Georgeff提出了BDI模型，它成为了智能体研究中的重要理论框架。信念（Belief）指的是智能体对世界的基本认知，比如地图、信息库、知识库等，它需要有足够的背景信息才能做出决策；愿望（Desire）是智能体希望达成的目标，比如完成一项任务、实现某种效果；意图（Intention）则是智能体决定采取的具体行动计划，是它在各种可能性中选择的一条执行路径。如果把智能体比作一只宠物狗，那么它的“信念”就是它能看、能听、能识别陌生人和危险；“愿望”是它想要马上吃到狗粮；而“意图”则是为了吃到狗粮，它决定跳到你腿上撒娇、摇尾巴。这一模型，让AI具备了更清晰的行为逻辑，也为后来自动规划任务的研究提供了关键思路。当然，再往后，我们就进入了移动互联网时代，从Alexa到Siri，各种“智能个人助理”开始登场。只不过，放到今天来看，那时候的个人助理实在是太过基础，远远称不上真正的智能体。它们只是预设好的语音交互工具，能做的事情极其有限，甚至连一场自然对话都无法顺利进行。而如今，随着AI能力的进化，智能体终于走到了真正实用的门槛前。真正让Agent智能体这个概念重新回到我们视野的，是最近几年AI技术的爆发。ChatGPT、GPTs等产品的出现，彻底激发了人们对“指挥AI干活”的渴望。在过去的软件逻辑里，想让Agent完成任务，程序员必须手写大量规则，所有行为都得事先设定好，像是“吃两碗饭就绝对不会再喝一碗汤”，毫无灵活性可言，更谈不上真正的自主性。而现在，大模型的强大语言理解和学习能力，终于让Agent摆脱了这些限制。如今，它们可以直接读懂指令，自己调用工具，自动拆解任务，像一个全能的智能小管家，帮你高效完成工作。过去一年，GitHub上也冒出了不少这样的项目，比如Auto-GPT、BabyAGI，都号称能“自我思考、自我规划”，可以处理一系列复杂任务。虽然我们测试后发现，它们目前仍处于早期阶段，离真正的自主智能体还有差距，但已经足够令人兴奋和期待了。而这次Manus的推出，正是在智能体概念的基础上，又往前迈了一步。以前的智能体，通常需要提前设定好任务和角色，才能投入使用。而现在，Manus就像一个能力超群的全能助手，不管是编程还是绘画，拿到任务就能迅速上手，干得有模有样。这种感觉，让我想起上个月在米兰的达芬奇国家科学与技术博物馆。当时，我站在展厅里，看着达芬奇留下的上百份手稿，涵盖水利工程、飞行器、军事装备、纺织机械，还有那些惊艳世界的艺术作品，心中满是敬仰。而Manus的方向，似乎正是要打造一个“啥都会干的达芬奇”，成为我们身边的智能助理。前面聊了智能体和Manus，不得不说，虽然我自己还没用上，但它依然给了我不少启发。我观察Manus执行任务时，发现它会在网络上进行大规模的信息检索。比如，在做小米新车的PPT这个任务时，它从大量在线文章中提取信息，分析小米的品牌设计风格等内容。
然而，这里有个问题——很多文章，一看标题就知道是质量极差的“垃圾稿件”，内容拼拼凑凑，甚至可能是AI生成的无价值信息。这让我想到，现在AI能力进化得太快了，一个人完全可以用AI控制上千个账号，一天发出上万篇AI写的文章，或者剪辑上百条AI生成的短视频。最终，这会导致一个现象——即便AI助理本身能力再强，但当整个互联网被海量AI内容充斥后，AI幻觉和AI偏见就会变得越来越难以避免。在这样的环境下，高质量的知识库，无论是个人还是企业，都将变得极具价值和可信度。比如，同样是做小米汽车的PPT，如果有一个小米设计团队内部的知识库，Manus根本不需要去互联网上海量搜索，而是直接调用这个知识库里的最新设计规范，精准高效，避免陷入低质量信息的陷阱。从这个角度来看，Get笔记坚持做个人知识库的方向，确实值得加足马力继续推进。当然，因为Manus的出现，我也立刻调整了接下来两个月的开发规划。之前，我的思路是针对不同类型的知识库，搭载不同的智能体。比如，在我的健身数据知识库里，我想配一个健身教练智能体，每天监督和分析我的运动情况；在我的读书知识库里，我则设想搭建一个伴读智能体，帮我拓展阅读视野，提供更深度的书籍解析。但Manus一出来，我的思路变了。我需要的，或许不是自己去搭建这些智能体，而是等Monica或者大厂做出一个更通用的智能体。这样，之前积累的大量知识库内容，就能直接被赋予更大的活力，真正实现更智能的交互和应用。英国著名的科幻作家、未来学家阿瑟·克拉克，也就是《2001：太空漫游》的作者，曾经说过：“任何足够先进的科技，初看都与魔法无异。”而Manus爆火的这24小时，我们正在亲眼见证这种魔法。（转载自罗辑思维）
扫码下载app 最新资讯实时掌握
微信好友
朋友圈
鞭牛士公众号
鞭牛士微博