就在昨天，Manus 在國內(nèi)媒體間爆火，其號稱 “ 全球首個通用 AI 智能體 ”。

官方也曬出了幾十個Demo，供大家玩賞。

網(wǎng)友們驚艷于其效果后當(dāng)然躍躍欲試，卻發(fā)現(xiàn)試用需要邀請碼。我們問了一圈 AI 專家，都說沒用過，也沒聽自己哪個同行用過，“ 目前都是媒體在用吧？”

到這里就需要謹慎了，沒有較大規(guī)模公開測試、沒有專家實名自發(fā)背書過的技術(shù)或產(chǎn)品（ ChatGPT、NotebookLM、DeepSeek 等都是有的 ），實力終歸是存疑的。

從產(chǎn)品體驗來看，Manus 雖然效果驚艷，但是很多人其實不買賬，因為寫 PPT、寫 HTML、Python 數(shù)據(jù)分析、生成 Excel、搜索等功能目前各個通用模型都能做。即便 Manus 說自己比 OpenAI 的 DeepResearch 更厲害，但這和 Cursor 說自己比 Claude 更厲害有什么區(qū)別？兩者的可比性是錯位的。

功能上，Manus 是整合了 Computer use、虛擬機、Multi agent 協(xié)同的套殼產(chǎn)品。技術(shù)實現(xiàn)上是基于 Claude 模型生成能力、開源模型后訓(xùn)練增強的規(guī)劃能力，再結(jié)合各種預(yù)制的 Agent，按照設(shè)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(wù)。

所以，Manus 技術(shù)上有其復(fù)雜性，但沒有太多創(chuàng)新，當(dāng)然，其功能多樣性導(dǎo)致工程量極大，業(yè)內(nèi)專家認為很有可能是基于 MCP 協(xié)議的聚合模式。

過去 Agent 更多是在專業(yè)領(lǐng)域做深耕，而 Manus 通過工程上極致整合、酷炫低門檻的 UI 交互套殼產(chǎn)品想讓 Agent 直接出圈了。

總有人說，套殼到極致就是勝利，就是價值，確實，至少從 Manus 的演示視頻來看，是這樣。

既然有價值，那么很快就會有人跟上，這不，為了實現(xiàn) Manus 的價值，MetaGPT 團隊花費了 3 小時開發(fā)了 OpenManus 并開源，無需邀請碼就能使用。

項目地址：
https://github.com/mannaandpoem/OpenManus

在項目的演示視頻中，輸入提示詞：“對 Karpathy 的網(wǎng)站（ https://karpathy.ai/ ）進行全面的 SEO 審核，并提供詳細的優(yōu)化報告，包括可操作的改進建議?！?/p>

接下來，OpenManus 會展開思考，拆分執(zhí)行步驟：

?檢查網(wǎng)站，收集基本信息；

?分析關(guān)鍵SEO要素；

?檢查 SEO 技術(shù)方面的問題；

?整理優(yōu)化建議；

接下來就是一步一步地執(zhí)行任務(wù)了。

可以看到，演示視頻展示的結(jié)果遠不如 Manus 那么細致和豐富，OpenManus 目前功能還很初級，但團隊還公開了后續(xù)的開發(fā)路線，照這個路線，基本上全面復(fù)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(xué)習(xí)微調(diào)模型

? 全面的性能基準測試

：OpenManus 是怎么來的？

：兩個月前的一次邊吃飯邊頭腦風(fēng)暴的過程中，我們想到，一個極簡的 Agent 框架，應(yīng)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(yīng)該 3 小時夠了。

：為什么要采用可插拔的 Tools 和 System Prompt？

：決定一個 ReAct Agent（ Reasoning and Action Agent，一種結(jié)合了反應(yīng)和行動規(guī)劃能力的智能體 ）的效果的關(guān)鍵是 Prompt（ 提示信息 ）和 Action（ 行動 ），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。

可插拔的優(yōu)點是可組合，我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 在實現(xiàn)中，有哪些關(guān)鍵技術(shù)挑戰(zhàn)？

：在 OpenManus 的實現(xiàn)中，前端界面的實現(xiàn)很關(guān)鍵。Manus 很出彩的地方是產(chǎn)品展示很漂亮，我當(dāng)時打算用 Streamlit 寫前端，方便做類似的展示，但 Streamlit 的底層和 Browser Use 沖突，后來就換了 Gradio，但信息展示有一些問題，當(dāng)時沒辦法做到實時更新，最后還是改成了 log，直接在命令行里做展示。

如何有效復(fù)現(xiàn)和優(yōu)化 PlanningTool 的使用也是非常重要的一環(huán)，這樣才能充分發(fā)揮 Agent 的規(guī)劃和工具調(diào)用能力，探索其能力上限。Manus 的用例展示了 Agent 在線性任務(wù)規(guī)劃中的強大表現(xiàn)，而 OpenManus 需要解決如何設(shè)計更復(fù)雜的規(guī)劃結(jié)構(gòu)（ 如使用 DAG 有向無環(huán)圖表示任務(wù)依賴關(guān)系 ），以及如何讓 Agent 動態(tài)更新規(guī)劃以適應(yīng)變化的需求，這不僅考驗技術(shù)實現(xiàn)，還涉及算法設(shè)計和智能體的自適應(yīng)能力。

目前 OpenManus 的規(guī)劃設(shè)計與 Manus 保持一致，都是線性的，而DAG規(guī)劃對于處理現(xiàn)實世界中更復(fù)雜的任務(wù)，在一定程度上會更準確，Data Interpreter 就是一個很好的例子。

：聽起來 OpenManus 的規(guī)劃已經(jīng)有要超越 Manus 的苗頭了，你們對這個產(chǎn)品有什么期望嗎？

：OpenManus 前期目標打算達到原始 Manus 的相同的效果，后續(xù)會不斷優(yōu)化 Computer Use、Browser Use 和 Planning Use，以及工具調(diào)用的能力，從而超越 Manus。

Manus 產(chǎn)品交互做的挺好的，有很多技術(shù)也值得學(xué)習(xí)，比如對后訓(xùn)練技術(shù)的結(jié)合，流程設(shè)計上比如規(guī)劃、Multi Agent 系統(tǒng)也是很優(yōu)秀的，具體細節(jié)我們還在研究。至于 OpenManus 我們沒有單獨調(diào)效果，目前達到的效果其實很一般。后續(xù)主要靠開源社區(qū)小伙伴來貢獻，我們希望開源協(xié)作能帶來更高的智能涌現(xiàn)～

好了，到這里知危編輯部與 MetaGPT 團隊的溝通就到這里了，我們也可以期待一波 OpenManus 未來的效果。

最后，或許我們可以探討一下到底什么應(yīng)該是好的 Agent ？

Manus 有優(yōu)點、有亮點，但有夸大之嫌。人們在試用的時候，還是能發(fā)現(xiàn) Manus 有不少毛病，用錯了假數(shù)據(jù)、來源引用錯誤、表格讀取錯誤等等毛病一個不落，幻覺問題還是不小。

Agent 應(yīng)用的一大通病是，自動化執(zhí)行過程越復(fù)雜，錯誤發(fā)現(xiàn)和查找原因就越困難，而且 Agent 的執(zhí)行需要經(jīng)過多個 LLM，每個 LLM 的幻覺一路累積下來的誤差將是巨大的，比如 95% 的準確率，連續(xù)經(jīng)過 10 個 LLM，最后準確率能直接降到約 60% 。

在全面擁抱 Agent 之前，我們首先還是得多關(guān)注一下，目前市面上的通用大模型，它們的幻覺率仍然不是一般的高。

所以，想實現(xiàn)真正好用的 Agent，我們?nèi)匀灰タ舜竽Ｐ偷讓幽芰Φ奶嵘?。里子不夠好，套太多的殼也沒用。

與此同時，我們還需要強調(diào)的一點是，追求 Agent 的過程中，我們一定是要回歸實用主義的：不是所有問題都需要用 Agent 來做。

Devin 前不久還被爆出出錯率極高并且出錯方式?jīng)]有規(guī)律可循，還不如用 Cursor 一步一步來，加上之前的演示造假事件，過于激進的 Agent 產(chǎn)品越來越受到質(zhì)疑。

與此同時，Agent 的一大通病是，步驟拆解越多，token 消耗量越大，對所有任務(wù)一律無腦使用 Agent，對于企業(yè)的成本控制而言具有極大的風(fēng)險。

Agent 的最關(guān)鍵的作用就是工作流編排，簡單的任務(wù)其實并不需要 Agent 的參與，反而會導(dǎo)致客戶等待時間過長。

Anthropic 就曾經(jīng)分享過構(gòu)建智能體的基本原則，就是 “ 簡單為王，實用至上 ”，能用 API 就不要用工作流，能用工作流就不要用智能體。

這些都是手段，哪個不能交付結(jié)果呢？

Agent 終究是一個產(chǎn)品概念，不像 LLM 有無法預(yù)測的潛在價值（ 比如推理能力的發(fā)現(xiàn)和增強 ）值得冒極大風(fēng)險押注。

所以回過頭來看，我們應(yīng)該更多關(guān)注開源社區(qū)的新技術(shù)，比如阿里在 Manus 發(fā)布同一天剛開源的 QWQ-32B 模型，就像前文講的那樣，在追求 Agent 的路上，我們更應(yīng)該關(guān)注模型的突破。