當(dāng)閑魚(yú)平臺(tái)上的 Manus 邀請(qǐng)碼被炒至 6 萬(wàn)元天價(jià)時(shí)，這場(chǎng)始于凌晨的 AI 狂歡已然超越常規(guī)產(chǎn)品發(fā)布范疇。

01

3 月 6 日一早，一個(gè)名為 Manus 的產(chǎn)品視頻在全網(wǎng)刷屏，視頻中 Manus AI 聯(lián)合創(chuàng)始人兼首席科學(xué)家季逸超說(shuō)：Manus 是第一個(gè)通用AI代理。

一時(shí)間社群、朋友圈四處求碼，各路媒體文章下的回復(fù)都是：「有邀請(qǐng)碼嗎？」

持續(xù)崩潰的官網(wǎng)頁(yè)面，無(wú)太多用戶體驗(yàn)便全網(wǎng)報(bào)道的宣傳，「歷史意義不亞于 ChatGPT 發(fā)布夜」的狂熱宣言背后，人們需要冷靜審視這場(chǎng)風(fēng)暴的技術(shù)內(nèi)核與商業(yè)實(shí)質(zhì)。

有網(wǎng)友笑稱，阿里哭瞎，本該上頭條的 QwQ 32B，被 Manus 搶去風(fēng)頭。

與傳統(tǒng)的聊天機(jī)器人或大模型不同，Manus 被定義為「真正自主的主體」，其核心能力在于「交付成果而非僅生成建議」。

例如，當(dāng)用戶要求 Manus 規(guī)劃「7天的日本行程及求婚方案」時(shí)，它能自動(dòng)解壓文件、瀏覽網(wǎng)頁(yè)、整理數(shù)據(jù)，最終輸出行程表、地點(diǎn)推薦、HTML手冊(cè)等可直接使用的文檔。

這種「全流程執(zhí)行」的能力，使其在效率層面顯著優(yōu)于僅提供文本建議的對(duì)話類大模型產(chǎn)品，尤其在文件生成和任務(wù)拆解上展現(xiàn)了獨(dú)特的工程化優(yōu)勢(shì)。

02?

然而，當(dāng)我們將目光投向Agent技術(shù)的核心架構(gòu)時(shí)，會(huì)發(fā)現(xiàn)其發(fā)展正面臨著雙重困境。Agent 的架構(gòu)固然重要，但起著決定性作用的，是 LLM+ 的能力上限。

很多人以為 Agent 就是通過(guò) Prompt 創(chuàng)建智能體，但實(shí)際上一個(gè)標(biāo)準(zhǔn)的Agent，其核心由四大模塊構(gòu)成：

認(rèn)知中樞：基于 LLM 的推理與決策系統(tǒng)

記憶網(wǎng)絡(luò)：包含短期工作記憶與長(zhǎng)期知識(shí)存儲(chǔ)

工具庫(kù)：集成搜索引擎、代碼解釋器等外部接口

執(zhí)行層：任務(wù)拆解與多步驟操作控制

盡管架構(gòu)設(shè)計(jì)日趨完善，但決定 Agent 智能上限的關(guān)鍵仍在于底層 LLM 的演進(jìn)速度。

此外，在商業(yè)化實(shí)踐中，Agent 落地有兩個(gè)致命瓶頸：

其一，指數(shù)級(jí)增長(zhǎng)的 token 消耗量。分解步驟越多，token 消耗越猛。以行程規(guī)劃任務(wù)為例，傳統(tǒng) ChatGPT 對(duì)話平均消耗 3k tokens ，而同等任務(wù)的Agent執(zhí)行需經(jīng)歷：意圖解析——多輪工具調(diào)用——結(jié)果驗(yàn)證與修正，消耗倍增，時(shí)間延長(zhǎng)。

其二，鏈?zhǔn)交糜X(jué)放大效應(yīng)。一句話十個(gè)人傳，傳到最后變了意思。對(duì)Agent來(lái)說(shuō)同樣如此，一次大模型調(diào)用產(chǎn)生一次幻覺(jué)，多輪后幻覺(jué)疊加，當(dāng)任務(wù)拆解步驟超過(guò) 3 層時(shí)，錯(cuò)誤傳遞概率呈幾何級(jí)數(shù)增長(zhǎng)。最終還得人類買單，自己縫縫補(bǔ)補(bǔ)。

03?

于是有網(wǎng)友稱，Manus 的定位介于「技術(shù)整合典范」與「營(yíng)銷驅(qū)動(dòng)產(chǎn)品」之間，「效果遠(yuǎn)不如自媒體發(fā)的那么神，方向很對(duì)但需要時(shí)間發(fā)展發(fā)展。」其交互創(chuàng)新與技術(shù)整合能力值得肯定，但用戶價(jià)值的提升仍需時(shí)間驗(yàn)證。

與「扣子」類工具相比，Manus 的通用性更具想象空間，但對(duì)比 DeepSeek 等技術(shù)驅(qū)動(dòng)的走紅路徑，Manus 的「先宣傳后驗(yàn)證」模式風(fēng)險(xiǎn)更高，其成敗將取決于能否在第三方測(cè)評(píng)中證明「真人式工作流」不僅是噱頭，而是效率革命的起點(diǎn)。

與此同時(shí)，圍繞 Manus，技術(shù)層面的爭(zhēng)議開(kāi)始浮現(xiàn)。有觀點(diǎn)認(rèn)為，Manus 只是在 Cursor 類產(chǎn)品基礎(chǔ)上，對(duì)大模型和多個(gè)小模型進(jìn)行組合，從底層技術(shù)創(chuàng)新角度而言，原創(chuàng)性缺失，不過(guò)是 「套殼創(chuàng)新」。

04?

那么 Manus 在教育場(chǎng)景的應(yīng)用有何可能？根據(jù)近來(lái)的博主測(cè)評(píng)和產(chǎn)品宣傳視頻，可推測(cè)未來(lái) AI Agent 將在三個(gè)維度發(fā)力。

在基礎(chǔ)層，自動(dòng)化教案生成功能值得期待。以 Manus 制定 「7 天的日本行程及求婚建議」 為例，其在信息收集、任務(wù)拆解和內(nèi)容輸出上的流程，完全可以遷移到教學(xué)場(chǎng)景中,生成自動(dòng)化教案。教師只需輸入課程主題、教學(xué)目標(biāo)等關(guān)鍵信息，Manus 就能像規(guī)劃行程一樣，梳理教學(xué)大綱、收集相關(guān)教學(xué)資料，并生成初步的教案框架，極大地節(jié)省了教師備課時(shí)間。

進(jìn)階層，學(xué)情分析和資源整合功能頗具潛力。Manus 在簡(jiǎn)歷篩選中能依據(jù)特定邏輯對(duì)簡(jiǎn)歷進(jìn)行分類和分析，這一邏輯可類比到學(xué)生能力畫(huà)像構(gòu)建上。通過(guò)分析學(xué)生的學(xué)習(xí)成績(jī)、作業(yè)完成情況、課堂表現(xiàn)等多維度數(shù)據(jù)，模擬簡(jiǎn)歷篩選邏輯，為每個(gè)學(xué)生生成個(gè)性化的能力畫(huà)像，幫助教師精準(zhǔn)了解學(xué)生學(xué)習(xí)狀況。在資源整合方面，基于 SEO 優(yōu)化案例，Manus 可構(gòu)建教學(xué)資源智能檢索系統(tǒng)。就如同在網(wǎng)絡(luò)上精準(zhǔn)抓取與 SEO 相關(guān)信息一樣，它能在海量教學(xué)資源庫(kù)中，依據(jù)課程內(nèi)容、教學(xué)目標(biāo)等關(guān)鍵詞，快速篩選出最適配的教學(xué)視頻、課件、習(xí)題等資源，提高教學(xué)資源利用效率。

變革層，「AI 教師助理」 將對(duì)教研流程產(chǎn)生解構(gòu)作用，教育機(jī)構(gòu)也可構(gòu)建 Agent 協(xié)作生態(tài)。在這個(gè)生態(tài)中，Manus 等 AI 代理能承擔(dān)部分重復(fù)性、規(guī)律性工作，如作業(yè)批改、知識(shí)點(diǎn)講解等全流程工作。教師則專注于更具創(chuàng)造性的工作，如教學(xué)設(shè)計(jì)、學(xué)生個(gè)性化輔導(dǎo)等。例如，在一堂語(yǔ)文課的備課過(guò)程中，Manus 可負(fù)責(zé)收集課文相關(guān)背景資料、制作基礎(chǔ)課件，教師在此基礎(chǔ)上，根據(jù)班級(jí)學(xué)生特點(diǎn)設(shè)計(jì)獨(dú)特的教學(xué)活動(dòng)，引導(dǎo)學(xué)生進(jìn)行深度閱讀和討論。

05?

從 Deepseek 到 Manus，2025 年 AI 產(chǎn)品不斷涌現(xiàn)，誰(shuí)將曇花一現(xiàn)，誰(shuí)是時(shí)代先聲？誰(shuí)在真應(yīng)用，誰(shuí)在假投入？當(dāng) AI 從技術(shù)奇觀走向價(jià)值深水區(qū)，潮水退去時(shí)，唯有解決真實(shí)痛點(diǎn)的產(chǎn)品，才經(jīng)得住歷史的考驗(yàn)。

多鯨也將啟動(dòng)系列直播訪談，邀請(qǐng)各教育細(xì)分賽道企業(yè)創(chuàng)始人，圍繞三個(gè)話題展開(kāi)討論：教育場(chǎng)景中 AI 賦能的必要性與邊界界定、AI教育解決方案的真實(shí)性評(píng)估，以及行業(yè)級(jí) AI 落地瓶頸。

不妨鎖定 3 月 8 日（周六）晚 8 點(diǎn)多鯨直播間，一起和斯?fàn)柦逃齽?chuàng)始人郭勁男，聊聊金融財(cái)會(huì)培訓(xùn)行業(yè)的 AI 教師~