AI Agent 的「GPT 时刻」，Manus 炸醒整个 AI 圈

Chainfeeds 导读：

离用户最近，做出最好的 AI Agent。

文章来源：

https://mp.weixin.qq.com/s/BkAKuHEZT0Ysh2_VxIhAkw

文章作者：

极客公园

观点：

极客公园：首先，Manus 在体验上与此前 LLM 最大的不同：它强调直接交付最终结果的能力，而不只是给出一个单纯的「答案」。Manus 目前采用 Multiple Agent 架构，运行方式与此前 Anthropic 发布的 Computer Use 类似，完全运行在独立虚拟机中。同时可以在虚拟环境中调用各类工具 —— 编写和执行代码、浏览网页、操作应用等，直接交付完整成果。自主学习的能力也让 Manus 的工作能力提升逻辑更像是真正的人类 —— 即使现阶段，它可能还无法在某一个特定领域做到专家级别的精通，但已经能看到巨大的潜力。随着自主学习能力的加入，AI Agent 的泛用性得到了巨大的提升，在用户对 Manus 的实际测试中，你甚至可以做到直接对它描述一个视频画面中的相关内容，Manus 最终能够直接根据对应的信息，跨越平台内容对于搜索引擎的限制，精准找到某个抖音短视频的链接。 从上面这些案例，其实不难看出 Manus 真正的杀手锏，并非 Computer Use 中已经出现过的「AI Agent」概念，而是它「模拟人类方式工作方式」的能力。比起「运行计算」，Manus 的工作逻辑更像是「思考并执行命令」。它并没有做到哪些人类当前真正无法做到的事；这也就是为什么一些已经体验过当前版本 Manus 的用户，将它形容为「一个实习生」。在 Manus 官网，展示着众多 Manus 能够完成的任务，其中就有一个案例，展示了在 B2B 业务中，如何使用 Manus。快速精准的将你的订货需求，与全球供应商实现精准匹配。在类似需求的常规产品中，在平台内整合全球供应链企业信息，来帮助用户完成供货商 / 需求方匹配这件事，是业内通行的逻辑。但这件事在 Manus 的案例中，你能看到完全不同的实现方式。 Manus AI 使用一套名为「Multiple Agent」的架构，运行在独立的虚拟机中。通过规划代理、执行代理、验证代理的分工协作机制，。来大幅提升对复杂任务的处理效率，并通过并行计算缩短响应时间。在这个架构中，每个代理可能基于独立的语言模型或强化学习模型，彼此通过 API 或消息队列通信。同时每个任务也都在沙盒中运行，避免干扰其他任务，同时支持云端扩展。每个独立模型都能模仿人类处理任务的流程，比如先思考和规划，理解复杂指令并拆解为可执行的步骤，再调用合适的工具。换言之，通过 Manus 的这套多代理架构，它更像是由多个助理，通过协助的方式，分别完成检索资源、对接、验证信息是否有效等工作，来帮你完成整个工作流程 —— 这实际上不仅像是你招了一个「实习生」，更像是直接当上了一个微缩版的「部门主管」。