Manus是蝴蝶效應(yīng)公司（Butterfly Effect）推出的全球首款通用型AI智能體產(chǎn)品，其名稱源自拉丁語“Mens et Manus”（意為“手腦并用”），強(qiáng)調(diào)將思考轉(zhuǎn)化為實(shí)際行動(dòng)的能力；近期，該公司因投資方壓力撤離中國，引發(fā)廣泛關(guān)注。

2025年AI Agent賽道涌現(xiàn)大量同類產(chǎn)品，但多數(shù)存在"Demo能飛、落地常摔"的現(xiàn)象。用戶試用一次即放棄的比例居高不下，市場存在過度炒作現(xiàn)象。例如，內(nèi)測邀請(qǐng)碼曾被炒至數(shù)萬元高價(jià)，但團(tuán)隊(duì)否認(rèn)參與炒作。

Manus作為一款引起轟動(dòng)效應(yīng)的通用型AI智能體（AI Agent），定位為“數(shù)字員工”，旨在通過自主規(guī)劃、執(zhí)行和驗(yàn)證任務(wù)，替代人類完成復(fù)雜工作。Manus的多代理架構(gòu)與Anthropic的"Computer Use"技術(shù)相似，其"自主規(guī)劃"功能可能僅基于現(xiàn)有大模型的調(diào)用（如GPT-4），而非底層技術(shù)突破。其核心功能包括：

1. ?多任務(wù)處理能力?：理解復(fù)雜指令并跨領(lǐng)域協(xié)同，例如自動(dòng)生成PPT、篩選簡歷、分析股票數(shù)據(jù)或規(guī)劃旅行行程，全程無需人工干預(yù)。?
2. ?技術(shù)架構(gòu)?：采用“規(guī)劃-執(zhí)行-驗(yàn)證”三模塊多智能體系統(tǒng)：

• 規(guī)劃代理：拆解任務(wù)步驟（如將“商業(yè)策劃”分解為市場調(diào)研、預(yù)算規(guī)劃等）。
• 執(zhí)行代理：調(diào)用工具鏈（如瀏覽器、代碼編輯器）完成子任務(wù)。
• 驗(yàn)證代理：交叉核驗(yàn)結(jié)果準(zhǔn)確性，確保交付完整成果。?

3. ?性能表現(xiàn)?：在GAIA基準(zhǔn)測試（評(píng)估通用AI助手解決真實(shí)世界問題能力）中創(chuàng)下新紀(jì)錄，復(fù)雜項(xiàng)目首次完成率達(dá)78%，遠(yuǎn)超同類產(chǎn)品。?

第一階段：入門 - 智能體是什么？

這個(gè)階段的目標(biāo)是建立對(duì)智能體的直觀認(rèn)知，理解其核心組成部分。

1. 核心定義：超越簡單聊天機(jī)器人

• 簡單比喻：如果一個(gè)大型語言模型是一個(gè)擁有豐富知識(shí)和強(qiáng)大邏輯的大腦，那么一個(gè)智能體就是一個(gè)擁有這個(gè)大腦，并具備了感知、規(guī)劃、記憶和使用工具的完整機(jī)器人。
• 官方定義：AI智能體是一個(gè)能夠感知環(huán)境、進(jìn)行推理、制定決策并執(zhí)行行動(dòng)以實(shí)現(xiàn)特定目標(biāo)的自治系統(tǒng)。

2. 智能體的“靈魂”四要素：這是理解任何智能體的框架，缺一不可。

• 規(guī)劃：核心能力。智能體不是一步一步被指揮，而是能自主拆解復(fù)雜目標(biāo)。例如，目標(biāo)不是“回答這個(gè)問題”，而是“為公司寫一份季度市場報(bào)告”。智能體會(huì)自己規(guī)劃出：1. 搜集最新市場數(shù)據(jù) 2. 分析競爭對(duì)手動(dòng)態(tài) 3. 總結(jié)用戶反饋 4. 撰寫報(bào)告草稿 5. 潤色格式。
• 工具使用：關(guān)鍵能力。智能體可以調(diào)用外部工具來擴(kuò)展能力邊界。這包括：

     a.搜索工具： 獲取實(shí)時(shí)信息。

     b.代碼解釋器： 進(jìn)行數(shù)學(xué)計(jì)算、數(shù)據(jù)分析。

     c.API調(diào)用： 發(fā)送郵件、操作數(shù)據(jù)庫、控制智能家居。

• 記憶：智能體擁有短期記憶（當(dāng)前任務(wù)的上下文）和長期記憶（存儲(chǔ)用戶偏好、歷史交互記錄、學(xué)到的知識(shí)），從而實(shí)現(xiàn)個(gè)性化的、連貫的持續(xù)服務(wù)。
• 行動(dòng)：將規(guī)劃好的步驟，通過調(diào)用工具，一步步執(zhí)行出來，并觀察結(jié)果，動(dòng)態(tài)調(diào)整計(jì)劃。

3. 一個(gè)經(jīng)典例子：

• 任務(wù)：“幫我預(yù)訂下周二從北京到上海的最便宜的非紅眼航班，并選一個(gè)靠窗的座位?！?/li>
• 簡單ChatGPT：可能會(huì)給你一些建議和航空公司網(wǎng)站鏈接。
• AI智能體：

1. 規(guī)劃：分解為：查詢航班 -> 比價(jià) -> 選擇航班 -> 模擬選座 -> 完成預(yù)訂。
2. 工具使用：調(diào)用航班搜索API -> 調(diào)用航空公司選座API -> 調(diào)用支付系統(tǒng)（如果授權(quán)）。
3. 記憶：記住你的偏好（“最便宜”、“非紅眼”、“靠窗”）。
4. 行動(dòng)：執(zhí)行上述所有步驟，最后告訴你：“已為您預(yù)訂國航CA123，票價(jià)￥680，座位32A，靠窗。”

第二階段：進(jìn)階 - 智能體的類型、技術(shù)棧與架構(gòu)

這個(gè)階段的目標(biāo)是了解智能體的不同形態(tài)和背后的技術(shù)原理。

1. 智能體的分類：

• 按反應(yīng)程度分：

     a.反射式智能體： 基于當(dāng)前狀態(tài)直接做出反應(yīng)（如IF-THEN規(guī)則），無長期規(guī)劃。

     b.模型式智能體： 維護(hù)一個(gè)內(nèi)部世界模型，能預(yù)測行動(dòng)后果。

     c.目標(biāo)型智能體： 圍繞特定目標(biāo)進(jìn)行規(guī)劃和行動(dòng)（當(dāng)前主流）。

     d.效用型智能體： 在多個(gè)目標(biāo)中做出最優(yōu)選擇，追求“滿意度”最大化。

• 按應(yīng)用場景分：

     a.單智能體： 獨(dú)立完成任務(wù)。

     b.多智能體系統(tǒng)： 多個(gè)智能體協(xié)作（如一個(gè)負(fù)責(zé)設(shè)計(jì)，一個(gè)負(fù)責(zé)編碼，一個(gè)負(fù)責(zé)測試）或競爭，模擬社會(huì)行為。

     c.模擬智能體： 在虛擬環(huán)境中扮演角色，用于游戲、社會(huì)科學(xué)仿真等。

2. 核心工作流與架構(gòu)：一個(gè)典型的智能體工作流是一個(gè)循環(huán)（Reasoning Loop）：感知 -> 規(guī)劃 -> 行動(dòng) -> 觀察 -> 再規(guī)劃...

• 規(guī)劃技術(shù)：

     a.思維鏈： 讓模型一步步推理。

     b.思維樹： 在關(guān)鍵決策點(diǎn)探索多種可能性路徑。

     c.思維圖： 更復(fù)雜的，將想法、步驟和結(jié)果構(gòu)建成圖，允許回溯和跳躍。

• 關(guān)鍵技術(shù)棧：

     a.大腦： 強(qiáng)大的LLM（如GPT-4, Claude 3, Llama 3）。

     b.框架： LangChain, LlamaIndex, AutoGen, CrewAI 等，它們提供了構(gòu)建智能體的標(biāo)準(zhǔn)化工具和模塊。

     c.工具： 函數(shù)調(diào)用，讓LLM能可靠地觸發(fā)外部代碼。

     d.記憶： 向量數(shù)據(jù)庫，用于存儲(chǔ)和檢索長期記憶。

第三階段：精通 - 構(gòu)建、優(yōu)化與未來

這個(gè)階段面向開發(fā)者和深度愛好者，涉及如何親手構(gòu)建和優(yōu)化智能體，并洞察其未來。

1. 從0到1構(gòu)建一個(gè)智能體：

• 第一步：定義目標(biāo)。目標(biāo)必須清晰、可衡量。例如：“一個(gè)能自動(dòng)分析我Notion知識(shí)庫并撰寫周報(bào)的智能體”。
• 第二步：選擇工具。它需要哪些能力？讀取Notion API？搜索網(wǎng)絡(luò)？生成文本？
• 第三步：設(shè)計(jì)工作流。它是先搜索再總結(jié)，還是先總結(jié)再搜索驗(yàn)證？
• 第四步：選擇技術(shù)棧。使用LangChain還是AutoGen？使用哪個(gè)LLM？記憶存儲(chǔ)在哪里？
• 第五步：實(shí)現(xiàn)與迭代。編寫代碼，進(jìn)行大量測試，處理各種邊界情況（如工具調(diào)用失敗、網(wǎng)絡(luò)錯(cuò)誤等）。

2. 核心挑戰(zhàn)與優(yōu)化策略：

• 可靠性問題：智能體可能會(huì)“胡編亂造”工具的參數(shù)或結(jié)果。

     對(duì)策： 嚴(yán)格的提示工程、為工具提供清晰的定義和示例、設(shè)置驗(yàn)證步驟。

• 效率與成本：復(fù)雜的規(guī)劃需要多次調(diào)用LLM，成本高且速度慢。

     對(duì)策： 使用更小、更專精的模型處理簡單任務(wù)，優(yōu)化工作流，減少不必要的步驟。

• “無限循環(huán)”風(fēng)險(xiǎn)：智能體可能在某個(gè)步驟卡住，不斷重復(fù)失敗的操作。

     對(duì)策： 設(shè)置最大重試次數(shù)和超時(shí)機(jī)制，引入人工監(jiān)督點(diǎn)。

• 安全性：智能體被惡意引導(dǎo)或工具被濫用。

     對(duì)策： 對(duì)工具權(quán)限進(jìn)行嚴(yán)格管控，對(duì)用戶輸入進(jìn)行安全過濾。

3. 未來展望與前沿趨勢：

• 自主智能體：能夠長期運(yùn)行、自我學(xué)習(xí)和進(jìn)化的智能體（如AutoGPT的愿景）。
• 具身智能：智能體與物理機(jī)器人結(jié)合，在真實(shí)世界中執(zhí)行任務(wù)。
• 超級(jí)智能體：由多個(gè)專家智能體組成的“董事會(huì)”或“公司”，協(xié)同解決極其復(fù)雜的問題。
• Agent-as-a-Service：未來我們可能像調(diào)用API一樣，調(diào)用各種專業(yè)能力的智能體服務(wù)。

Manus的技術(shù)理念強(qiáng)調(diào)“更少的結(jié)構(gòu)、更多的智能”（less structure more intelligence），主張通過優(yōu)質(zhì)數(shù)據(jù)、強(qiáng)大模型和靈活架構(gòu)自然涌現(xiàn)能力，而非預(yù)設(shè)功能。Manus的發(fā)布推動(dòng)AI智能體賽道爆發(fā)，同期涌現(xiàn)智譜AutoGLM、字節(jié)扣子空間等競品，并帶動(dòng)A股AI概念股上漲。?

從將AI智能體理解為 “會(huì)使用工具的AI”（入門），到理解其架構(gòu)、工作流和技術(shù)棧（進(jìn)階），再到能夠親手構(gòu)建并解決其核心挑戰(zhàn)（精通），這條路徑清晰地勾勒出了掌握這一變革性技術(shù)的全過程。

AI智能體指能夠理解復(fù)雜指令、使用工具（如操作瀏覽器、調(diào)用API）、執(zhí)行多步驟任務(wù)以實(shí)現(xiàn)目標(biāo)的AI系統(tǒng)。它是當(dāng)前AI創(chuàng)業(yè)和投資最火熱的方向，這也導(dǎo)致了泡沫的形成。

• 資本狂熱：巨大的想象空間（“取代白領(lǐng)工作”、“自動(dòng)駕駛公司”）吸引了海量投資。
• 門檻降低：GPT等模型的出現(xiàn)，讓構(gòu)建一個(gè)“看起來”很智能的Demo變得異常簡單。
• 同質(zhì)化競爭：無數(shù)創(chuàng)業(yè)公司都在做類似的“客服智能體”、“寫作智能體”、“數(shù)據(jù)分析智能體”，技術(shù)護(hù)城河不深。
• 落地難題：演示很酷，但達(dá)到穩(wěn)定、可靠、能真正創(chuàng)造商業(yè)價(jià)值的“生產(chǎn)級(jí)”智能體非常困難?；糜X問題、成本問題、流程斷裂問題比比皆是。

這個(gè)“泡沫”會(huì)持續(xù)多久？

這是一個(gè)動(dòng)態(tài)過程，我們可以將其分為幾個(gè)階段來看：

第一階段：狂熱膨脹期（現(xiàn)在 - 未來1-2年）

• 特征：我們現(xiàn)在正處在這個(gè)階段的頂峰或中后期。

     a.資本持續(xù)涌入，故事一個(gè)比一個(gè)講得好。

     b.新的AI智能體創(chuàng)業(yè)公司層出不窮，估值居高不下。

     c.“Manus蝴蝶效應(yīng)”頻繁發(fā)生，開發(fā)者們一邊抱怨，一邊不得不緊跟巨頭的步伐。

• 驅(qū)動(dòng)力：技術(shù)突破帶來的無限遐想和FOMO（錯(cuò)失恐懼癥）。

第二階段：擠壓與分化期（未來2-3年）

• 特征：泡沫開始被擠壓，這是最關(guān)鍵的時(shí)刻。

     a.資本降溫：投資者開始要求看到真實(shí)的營收和用戶增長，而不僅僅是用戶數(shù)量。許多只會(huì)燒錢、無法盈利的項(xiàng)目將融不到下一輪資金。

     b.大規(guī)模倒閉與并購：大量同質(zhì)化、技術(shù)實(shí)力弱、產(chǎn)品找不到市場的初創(chuàng)公司會(huì)倒閉。巨頭和幸存下來的頭部公司會(huì)進(jìn)行低價(jià)并購。

     c.價(jià)值顯現(xiàn)：真正有技術(shù)壁壘（如在特定領(lǐng)域有精調(diào)模型、有獨(dú)特?cái)?shù)據(jù)、有穩(wěn)健工作流）、能解決實(shí)際痛點(diǎn)、并擁有清晰商業(yè)模式的公司會(huì)脫穎而出，價(jià)值變得更加堅(jiān)實(shí)。

     d.底層平臺(tái)開始穩(wěn)定：為了建立更健康的生態(tài)，“Manus”們會(huì)開始提供更穩(wěn)定、版本管理更清晰的API服務(wù)，因?yàn)樗鼈兊睦嬉惨蕾囉谝粋€(gè)繁榮的應(yīng)用生態(tài)。

第三階段：理性發(fā)展與應(yīng)用深化期（3年后及更遠(yuǎn)）

• 特征：“泡沫”成分基本擠出，行業(yè)進(jìn)入健康發(fā)展階段。

     a.基礎(chǔ)設(shè)施化：AI智能體技術(shù)像今天的云計(jì)算、數(shù)據(jù)庫一樣，成為企業(yè)軟件的標(biāo)配組件，而不再是一個(gè)吸引眼球的“概念”。

     b.垂直領(lǐng)域深耕：通用的、萬金油式的智能體減少，在醫(yī)療、法律、金融、教育等特定領(lǐng)域深度集成、高度專業(yè)的智能體成為主流。

     c.商業(yè)模式成熟：SaaS訂閱、按次收費(fèi)、價(jià)值分成等模式變得清晰和可規(guī)模化的。

     d.“蝴蝶效應(yīng)”減弱：一方面底層模型迭代速度可能放緩；另一方面，應(yīng)用層學(xué)會(huì)了通過抽象層、多模型策略等方式來規(guī)避單點(diǎn)依賴風(fēng)險(xiǎn)。

結(jié)論與展望

1. “泡沫”不會(huì)瞬間破滅，而是會(huì)緩慢泄氣：它不會(huì)像2000年互聯(lián)網(wǎng)泡沫那樣以戲劇性的方式崩潰，因?yàn)锳I技術(shù)確實(shí)有堅(jiān)實(shí)的生產(chǎn)力和創(chuàng)造力價(jià)值基礎(chǔ)。更可能的過程是“擠泡沫”，即淘汰掉濫竽充數(shù)者，讓真正的強(qiáng)者生存。
2. “蝴蝶效應(yīng)”與“泡沫”是共生關(guān)系：底層模型快速迭代的“蝴蝶效應(yīng)”既是泡沫的催化劑（提供了創(chuàng)新的土壤），也是泡沫的擠壓器（頻繁的變化淘汰了適應(yīng)能力弱的玩家）。當(dāng)泡沫被擠壓后，生態(tài)會(huì)找到共處的方式，“蝴蝶效應(yīng)”的影響會(huì)相對(duì)減小。
3. 持續(xù)時(shí)間預(yù)測：整個(gè)“擠泡沫”和行業(yè)分化的過程，大概需要2到4年時(shí)間。到2028年左右，我們可能會(huì)看到一個(gè)更加理性、穩(wěn)固和強(qiáng)大的AI應(yīng)用市場格局。屆時(shí)，AI智能體將不再是“泡沫”，而是像今天的移動(dòng)互聯(lián)網(wǎng)應(yīng)用一樣，是數(shù)字經(jīng)濟(jì)中堅(jiān)實(shí)的一部分。

AI智能體正將大語言模型從一個(gè)“百科全書式的大腦”轉(zhuǎn)變?yōu)橐粋€(gè)可以進(jìn)入數(shù)字世界和物理世界、并為我們實(shí)際干活的“數(shù)字員工”。這不僅是技術(shù)的演進(jìn)，更是人機(jī)交互范式的一次根本性革命。我們正處在一次技術(shù)革命浪潮的早期狂熱階段?；靵y、依賴、泡沫都是這個(gè)階段的典型特征，它不會(huì)永久持續(xù)，但它的終結(jié)不是AI的終結(jié)，而是AI真正開始深度融入并改造各行各業(yè)的新起點(diǎn)。

本文轉(zhuǎn)載自??數(shù)智飛輪??  作者：天涯咫尺TGH