Memory和推理效率◆◆★★■★、成本直接相关★★■。◆■★★◆◆“如果我们不考虑Memory，不做压缩和任何处理★★■■■◆，目前的大模型仍然可以处理，但这样带来的问题并非质量下降，而是会显著增加处理时间和成本，严重影响用户体验★★◆。”梁新兵说。

　　谈及Manus的爆火对于行业带来的信心，林亚秋说，★★◆◆◆“Manus获得巨大关注■◆★■■★，很大程度上加速了对大众的科普★◆■■★◆：AI Agent未来可以做很多繁琐的事务◆◆★★◆；同时吸引了很多潜在用户群。但从投资人和创业者的角度来看■★★■★，早在2023年左右大家就认为Agent一定是就大语言模型之下能产生的非常重要的应用方向◆★◆■★◆。现在大家信心提升的一个重要原因在于模型进步的速度，接下来会在Agent技术、产品化方面做探索◆◆。”

　　这其中，规划能力很重要。因此★★，OpenManus继承了Manus的规划优势，通过Planning Tool实现任务分解，可以处理现实世界中的复杂问题■◆◆◆。

　　一名AI领域的投资人士林亚秋（化名）也向时代财经表达了类似的观点，◆★■◆◆■“当大模型能力变强，未来一些高频场景■★■，有可能模型本身就能覆盖，大模型公司可能也会内置这些Agent。”

　　“可插拔的优点是可组合★◆◆■，我可以把几个不同场景下的Tools组合到一起来创造一个新的Agent，定义也很方便★■，不需要单独写内部逻辑，只需要修改动作空间（Tools）★◆。”向劲宇进一步解释。

　　近一周来★■◆★■■，全球首款通用AI智能体——Manus爆火，成为科技圈持续热议的话题◆★★★。

　　“从技术方案上来说，Manus使用了大量有业内共识的核心基础技术。但Manus本身是很好的作品，它在用户示例中展示了卓越的用户体验★◆★，以及很不错的整体交互效果◆★★★◆◆。他们团队实现了复杂的规划，包括他们自己进行过Post Train的模型，提供了更好的效果和交互，也给我们提供了很多发展思路。◆■”MetaGPT团队表示★★■。

　　■★★■★◆“Manus产品交互做得挺好的，有很多技术也值得学习★★。目前OpenManus效果还很有限★◆■◆◆，我们还没有单独调效果。OpenManus 前期目标打算达到原始Manus的相同效果■◆★■★◆，后续会依靠庞大的开源社区不断优化。”梁新兵希望，这些优化能给OpenManus带来更高的智能涌现■★◆。

　　“Manus能最先跑出来，一方面是因为从今年春节前后开始，推理模型的技术取得了比较大的进展，这件事对Manus有非常大的帮助■◆■■■◆，因为只有在推理模型成熟的情况下才有机会做。◆◆◆■★★”林亚秋向时代财经表示◆■，“Agent有规划◆■、工具调用和记忆这三个特点，每一点上的成功率都会影响它最终的成功率。而推理模型变强会令第一步也是最重要的一步——规划能力提升。”

　　实际上，就算3小时实现复刻Manus的MetaGPT团队★◆■，也是基于MetaGPT在AI场景的自动化和智能体框架上多年的技术积累。

　　近日★★◆★，OpenManus核心作者向时代财经等分享了其中的故事◆★◆★，并给出了他们对于Agent的理解■◆◆★■。

　　简单而言，用户只需要输入简单的提示指令，一段时间之后，便可以得到一个完整的成品交付■■◆■★。

　　因此，她认为，“无论是编程任务★■◆★，还是数据收集和报告生成任务，如果能够针对各种各样的用户问题和场景做到极致■★★★◆■，将成功率提升到令人满意的程度，真正实现Agent达到人们当前所期望的行动能力，用户才会持续使用Agent◆◆■。”

　　直到现在，MetaGPT团队还对OpenManus引发的大量讨论，感到恍惚◆◆★■★。

　　在OpenManus发酵了一天后，“早上十点半醒过来，看到微信三十多个添加好友，我就知道应该爆了，我想继续安心地补个瞌睡，但是怎么都睡不着★■★★■■，拿起手机，没想到消息已经回不过来了◆★。”由锦秋基金牵头举办的分享会上★■■■■★，向劲宇向时代财经等分享道。

　　据Manus团队此前透露，目前Manus单任务成本2美元◆◆■◆，已经做了大量优化◆■★◆★，但可能对很多用户来说还是会难接受。★■★■■■“对于商用来说★◆■★，（这个价格）还是挺贵的。如果没有足够的群众基础以及转化率，可能商业化上就不一定会特别成功。”林亚秋向时代财经表示。

　　但MetaGPT团队仅用5人3小时◆★■★，便通过开源框架复刻出OpenManus■★★◆★；开源社区CAMEL-AI团队也实现★■★◆◆“0天复刻”■◆■◆★，推出OWL并直接开源部分模块。这些都让◆◆■★■“Manus缺乏技术壁垒◆■★★◆◆”的质疑声不断。

　　在洪思睿看来◆■★■■★，Agent商业化的重要比拼在于将真实场景中的任务和效果★◆■，包括个性化的功能，做到极致。

　　发布不到1天，该项目已在GitHub上收获了7000多颗星星。★■“当时没想过OpenManus会爆火◆◆★★◆。”梁新兵说■■◆。

　　向劲宇认为：“一个极简的Agent框架，应该是可插拔的Tools（工具）和 Prompt（提示词）的组合★◆◆◆■，之后我们沿着这个思路★★◆■，写了一个完整的Agent迷你框架■★。”

　　华泰证券亦指出■★◆■，Manus AI底层由多模型驱动，通过高效的工程化编排，有效满足了Agent交互过程中的规划、自主、准确三大核心需求◆■■■◆◆，标志着Agent应用实现Action环节的关键突破★★。Agent应用已进入工程化落地关键阶段★■■，有望在2025年进入放量元年■◆◆★■。

　　作为OpenManus核心作者，梁新兵研究生毕业于华东师范大学，之前曾参与爆火的AI Agent数据科学家Data Interpreter的开发工作。而向劲宇本科就读于西南交通大学应用物理系，去年，读大四的他和队友一起使用GPT-4与Claude 3组成多智能体的方案，让AI分饰多个角色◆■★◆★、相互验证来完成答题步骤凯发娱乐官网地址娱乐平台，获得了阿里巴巴数学竞赛AI赛道全球第二名。二人均是00后◆★◆■■◆，同时在2024年7月加入MetaGPT团队◆★★■★◆。

　　在他看来■◆■◆，“我们的工作是把抽象做得更干净■■◆■。提供丰富的工具集合，支持多种Agent通过装备工具集来灵活扩展在不同场景下的能力◆■◆■★★。”

　　在官方放出来的视频中，Manus的表现也令人惊艳，能完全自主地完成从规划到执行的全流程凯发娱乐官网地址娱乐平台。例如，在特斯拉股票分析任务中，Manus能在45秒内完成◆■“数据抓取→建模→报告生成”的全链路操作。

　　目前Agent在规划方面的进步，主要取决于模型本身能力的提升，另外也依靠外部结构的辅助，即在Agent的层面上加入更加复杂的结构进行辅助规划■◆◆■。

　　开源证券指出★◆◆◆■■，随着大模型性能提升与成本的降低，以及能够在消费级显卡部署带来的门槛降低★■，为AI大规模应用落地打下了坚实基础◆★◆■■■。Manus的发布有望加快AI Agent落地，重塑各行业工作流程■◆◆◆◆。

　　据此前媒体报道◆◆★★■★，Manus的模型能力来自Anthropic的Claude■◆◆◆。3月10日，Manus创始人季逸超在社交平台透露，Manus产品使用了不同的基于阿里千问大模型（Qwen）的微调模型■◆★■◆。

　　此外，在记忆（Memory）环节上，MetaGPT团队认为，目前Agent在处理复杂◆■★◆、长程任务（例如浏览网页时■★，网页信息可能非常长）时，如何压缩上下文并存储到记忆中，是一个非常具有挑战性的问题，并且要确保压缩后关键的信息不会被修改或遗漏★◆★■■。

　　Manus的“护城河■◆■◆”究竟有多深？Agent赛道的终极竞争力是什么★◆◆■◆？当业内普遍认为“2025年有望成为AI Agent爆发元年”时，这个赛道还有哪些待解难题★■？

　　Agent诞生的必要前提是基座模型的性能提升，这是行业内的共识，但为什么率先获得注意力的会是Manus？

　　据MetaGPT团队解构分析Manus来看，Manus是一个多智能体系统，它首先使用Planning Tool做规划◆■■，形成一个包含多个任务的线性结构的计划★■◆★◆★，然后顺序执行每一个任务，并动态分配给相应的Agent■■。Agent在执行每个任务的过程中，以ReAct（Reason+Act，推理和行动）循环的形式调用工具以完成每一个任务。

　　不过，在洪思睿看来，大模型或者Agent使用工具本身并不新奇。“但是随着工具的数量逐步增加，其中的技术难点也随之而来：如果有众多相似工具，Agent在解决同一任务时如何做出准确决策，选择最合适的工具★★■◆◆；以及工具的参数定义不合理或不够明确时，导致大模型在生成调用工具决策出错等等★★。这些都是工具使用环节中需要解决的问题。◆■★◆◆★”

　　Manus AI团队产品负责人张涛（HideCloud），同时也是Monica★■■■.im产品合伙人，近日在朋友圈发文表示，过去的十几个小时对于团队来说无异于一场充满各种意外的冒险，团队低估了大家的热情。这本是一个产品探索过程中的阶段性收获分享，因此服务器资源是对标demo水平来准备，不曾想过会引起巨澜。

　　Manus是一款基于AI核心模型所开发的AI Agent（人工智能代理）。所谓AI Agent◆◆◆★◆，其往往需要以大语言模型作为核心★◆■■◆，并叠加规划（Planning）、记忆（Memory）、工具调用（Tools），从而通过解决任务逻辑连贯性的问题完成特定的跨系统任务◆■★。

　　与此同时，Manus的开源替代方案如雨后春笋般冒出。国内初创公司DeepWisdom的MetaGPT团队，仅用3小时便利用开源框架复刻出OpenManus◆■；开源社区CAMEL-AI团队也■◆★■◆“0天★■◆★”复刻出Manus通用智能体OWL……持续涌现的复刻浪潮似乎也向外界传递了一个信息：Agent（智能体）的门槛并非高不可攀。

　　谈及OpenManus后续工作，梁新兵表示，接下来将从增强Planning能力、引入标准化评测■■★、拓展模型适配（从Claude-3-5扩展到DeepSeek V2.5）■★◆★、实现容器化部署等诸多方面来提升OpenManus的效果。

　　一方面，大模型幻觉依然困扰着AI落地◆■◆。另一方面◆★■■，业内目前在规划■■、记忆、工具调用上仍存在一些难点有待解决。

　　Manus等AI Agent的诞生依赖于人们在基座模型上的不断投入和不断进化。但还有一个事实是★◆★★，“随着大模型能力的增加◆★◆◆，许多问题的解决成功率会提高，但问题本身并不会消失★■。”MetaGPT研究员■◆★◆★★、OpenManus合作者之一的洪思睿指出。

　　有市场人士认为，随着大模型能力的持续增强，大模型会逐步将更多工具链的功能内化。未来大模型便能独立实现Manus期望达成的效果，而无需再繁琐地调用外部工具链。因此Manus耗费大量精力所创造的价值，大概率会被大模型的内生能力的增长所淹没。

　　正如Manus团队的核心理念★■■★★■“Less structure, more inteligence（更少的结构，更多的智能）”★★◆■，强调给予AI更多自主权以决定如何使用工具和完成任务，这种理念也体现在Manus的产品特性上，让用户体验更为出色。

　　MetaGPT研究员、OpenManus核心作者梁新兵迅速响应◆★★■，并在第二天（3月6日）一早根据彼时已知信息对Manus做了一次完整调研，包括技术细节和分析。当天晚上下班后，向劲宇召集团队（向劲宇★★、梁新兵、张佳钇、于兆洋★★、洪思睿）讨论了Manus的产品形态和技术路线，决定加班赶出开源版本。

　　据她了解，市场上有很多团队在推理模型成功提升能力之后★◆★，正在快速做产品化。★◆◆★“估计今年还会有更多的类似的一些产品出现★★。”

　　“开源永存。”这是MetaGPT研究员◆◆■■■★、OpenManus合作者向劲宇在面向时代财经等的分享中，留下的结束语★★◆。

　　“比如Planning（规划）的能力在我们2024年的开源工作Data Interpreter（数据解释器）工作中已经有了相关的实现■★；而Computer Use和Browser Use等功能也在OpenHands（之前被称为OpenDevin，一个由AI提供支持的软件开发代理平台）以及智谱AutoGLM等各个工作中均有实现。◆★■■■■”向劲宇说■■★★◆★。

　　据Manus官方网站介绍，Manus能一键帮用户做旅行规划、股票分析、做PPT、财报分析等工作，涵盖研究、生活★◆、数据分析、教育、生产效率等多个领域。

　　另一方面，Manus创作团队本身也具备一定的实力。“他们的产品能力非常强，非常懂用户的需求，且在功能实现上做得很好。★■◆★”林亚秋说。据她了解，Manus创作团队在之前的两年里一直在“产品能力”上表现得很好■■■◆■，这是他们团队擅长的事情。

　　同时，展望Agent的未来◆■，洪思睿认为◆★★，“在真正有效解决用户实际需求方面，多智能体的商业前景是明确且强烈的”，例如从代码生成——这个Agent技术目前能较好解决的场景来看◆■★，“目前用户在这方面的付费意愿也是较高的★■★★◆■。”

　　事实上，Manus团队已声明，当前的Manus距离正式版想交付给大家的体验还差很远。■■■■“像模型幻觉★◆■、交付物友好度★◆◆、运行速度等方面都还有很大的提升空间。”

　　在工具上，如OpenManus目前主要还是使用一些现有的开源工具◆★■■★★，“比如Claude Computer和Browser等■★◆◆◆。”有其他团队开展的Browser使用相关工作表明，仅凭这两个工具基本上就能完成许多任务，已经初步形成了Manus的雏形。而据MetaGPT团队设想，未来可能增加一种赋予Agent自己创建工具的能力★◆。

　　据他介绍，决定一个ReAct Agent效果的关键是提示词引导和工具使用。在OpenManus中，Prompt控制了Agent整体的行为逻辑★■，Tools给定了Agent的行动空间，二者被定义就能完整诠释一个ReAct Agent。

　　Manus发布当晚，向劲宇感受到身边的人都很兴奋，“大多数人的兴奋似乎来自于AI能使用电脑了。”

　　仅用了3小时左右，★★“大概（晚上）11点的时候■◆，我们就把第一个版本合并开出去，然后挂到GitHub上面了■◆■■。”向劲宇回忆。

　　◆◆“人类社会有很多非常复杂和长尾的问题，包括我们正在解决的机器学习、代码修复，以及通过搜索组合结果提供给用户的问题。这些仍需要大量技术工作来提升大模型的效果，包括解决幻觉问题。”洪思睿补充道。

　　“目前学术界的许多工作，无论是针对SWEBench、GAIA，还是其他的Agent测试，任务成功率依然有限。如果这种相对微小的任务标准对应到真实的商业场景中，不同用户面对不同难度的问题■◆◆■◆，目前Agent的成功率还相当受限■◆。”

　　当一个Agent产品推出后■■，开源社区很快涌现出功能相近的复刻项目■■◆◆★，这引发了行业对Agent领域核心竞争力的深度思考：该赛道的终极竞争壁垒究竟何在■★■◆◆？

　　他判断★★，仅从一个demo（试用版）级别的实现来说，“搓◆■■■★◆”一个Manus开源版本给大家用“应该不是很难”。