作者：快刀青衣

來源：AI學習圈《快刀廣播站》

一、Manus是什么？

Manus是首款通用AI智能體。

什么是通用智能體呢？以前我們聽說過AI能寫代碼、能畫圖、能寫文章，但前提是你得先規劃好方向，AI才能發揮作用。而這次的Manus，從首頁展示的用戶案例和各個群里流出的測試視頻來看，顯然已經把多個復雜能力整合到了一起。

其中，最關鍵的一點是——它能自主規劃任務并實時調整。這句話看著簡單，實際上非常難。職場人都懂，領導有時候布置任務，說得模棱兩可，自己熬夜加班做了一個星期，結果交上去后，領導一句“你怎么沒理解我的意思？”直接推翻重來。

現在，面對AI，我們就相當于它的領導。它能不能準確理解需求，決定了它的實際價值。

舉個例子，我測試時給它的任務是這樣的：“我做了一款‘AI筆記+個人知識庫’的產品，叫Get筆記。現在每天的日活是5萬，請你幫我出一個三個月內的詳細營銷方案，把日活從5萬提高到20萬，前提是不能花一分錢做廣告。”

這個需求，即使給真人，也是個硬骨頭。對于職場新人來說，可能會直接去想三個月的營銷方案該怎么寫。但對于一個有經驗的營銷老手，第一反應肯定是：重點根本不是方案，而是“老板不愿意花錢”。

接下來，我來跟你拆解一下，Manus拿到需求后做了什么。具體來說，它執行了9步任務。

第1步，調研并分析產品和用戶現狀。

它從我的需求描述中注意到一個關鍵點——每天已經有5萬活躍用戶，這說明產品已經具備了一定的用戶基礎，并且目標用戶群已經清晰。因此，增長的關鍵在于圍繞這批核心用戶，擴大影響力，而不是盲目撒網。

第2步，調研競爭對手的市場情況。

它重點研究了Notion、Obsidian、Logseq和Roam四款軟件，分析它們的核心優勢和營銷增長策略。看到這一步時，我直接冒冷汗，因為這四款軟件，正是我一直在研究的對手。

第3步，識別并分析Get筆記的目標用戶群體。

分析完后，它讓我優先瞄準兩個群體：學生和內容創作者。理由是，學生規模龐大，傳播效率高，并且一旦形成使用習慣，可以持續很多年。而內容創作者自帶流量，影響力大，并且愿意分享，能形成示范效應，帶動更多用戶。

第4步，制定內容營銷策略。

第5步，設計病毒式增長方案。

在這兩步中，它給我提供了幾個產品建議，比如，生成精美的分享卡片，提升用戶的傳播動力；支持多人協作同一個知識庫，方便小團隊使用；打造知識庫市場，鼓勵用戶分享優質模板和知識庫資源。這幾個建議一出來，我瞬間有種自己的產品文檔被泄露的感覺，因為這些功能，正好是我們正在開發的重點方向。

第6步，規劃社區建設方案。

第7步，制定合作伙伴戰略。

然后進入第8步，編制詳細的營銷計劃，并在第9步進行審核，提交最終方案。

在這個任務中，Manus一共創建了8個新的文本文件，不僅生成了完整的營銷規劃，還把具體的階段目標都拆解出來。按照它的預估，執行這個方案后，傳播分享的轉化率可以達到15%-20%，其中70%的新用戶將通過自然傳播帶來，第一個月的用戶量預計能增長到8萬。

我之所以這么詳細地描述這個任務，就是希望大家代入思考一下——即使是資深的營銷專家，要做到這個方案的完整度，需要多少時間？又要投入多少精力？特別是以我20年的工作經驗來看，這個營銷方案的可行性，絕對超過市面上八成的營銷策劃。

而且，這還只是寫一個營銷方案。我還試過讓它寫九年級的語文教案PPT，朋友也讓它嘗試寫小游戲、開發網頁……結果都超出預期。

所以，Manus給我的第一印象就是——非常強大，真正實現了多種智能體能力的融合。我腦海里一直浮現一句話：“我是革命一塊磚，哪里需要往哪搬。”Manus的通用性，正是對這句話最好的詮釋。

二、Manus的背后

推出Manus的公司名叫Monica，是這兩年業內非常出名的AI公司。和其他AI公司不同的是，它們的核心業務并不是大模型本身，而是AI應用。

其實，Monica解決了一個非常實際的需求——讓很多國內用戶能夠通過它的產品，使用ChatGPT或者Claude這樣的國外大模型。

當然，業內也有人特別不屑地把Monica叫做“套殼產品”，但這其實是對它的誤解，甚至可以說是不尊重。真正的“套殼”，指的是那些假冒偽劣、直接冒充國外產品的東西。

就像Midjourney剛火的時候，在某度上一搜，第一頁全是騙子網站，進去就讓你充會員——這才叫套殼。而Monica有自己的品牌和定位，它通過技術整合，降低了普通人使用AI的門檻。

這和很多年前爆火的Hao123是一樣的邏輯——它本質上是在幫普通人更方便地接觸新技術，只不過這種普惠性的產品，總會讓某些“精英”覺得自己的優勢被削弱了。

正因為有大量用戶在Monica的平臺上使用各種AI助手，這家公司也積累了豐富的數據和洞察。比如，在不同的任務場景下，哪個模型表現最好，哪個工具最適合普通人。這反而讓Monica成為離用戶場景最近的公司。

更重要的是，由于它自己并沒有大模型，所以在選擇AI產品時，它能站在更公正的立場，完全從實際效果出發去挑選最合適的技術，而不是站隊某一個大模型。

現在，Manus的火爆程度已經到了“一碼難求”的地步，甚至有人在閑魚等平臺上，把邀請碼的價格炒到了上萬元。

不過，我建議大家不用焦慮。按我的粗暴判斷，不出兩個月，國內大廠肯定會推出類似的產品。

Manus真正展示的，是多智能體工具如何處理復雜任務，并且用了一種極具沖擊力的交互方式。它的分享內容，不是傳統的圖片，而是AI處理任務的完整視頻，讓用戶能直觀看到AI一步步拆解和執行任務，帶來極強的震撼感。

這足以說明，Monica團隊在用戶洞察和產品設計上的能力確實很強。但如果回歸到底層技術，它所展示的每一項任務，實際上都是現有AI技術已經能實現的功能。從這個角度來看，國內幾家大廠要做出類似的產品，并不是難事。

我比較看好的，能推出類似產品的平臺有以下幾個：

第一個是字節的扣子。

它已經積累了大量成熟的開發者和各種插件工具，再加上火山引擎背后的超大算力支持，完全具備做出類似產品的能力，并且很可能實現彎道超車，迅速落地。

第二個是Dify。

之前，很多企業和個人開發者已經用Dify搭建了各種內部AI工具，比如我們得到內部的AI廣場里的工具，就是用Dify搭建的。如果他們在這個基礎上，整合出一個通用AI，至少在企業應用場景中，完全可以跑通。

第三個可能是騰訊的元寶，或者背后的元器平臺。

我之所以提他們，原因比較特別——在DeepSeek這波浪潮中，騰訊突然展現出了多年未見的“快速敏捷的斗志”。之前，騰訊或微信團隊很少會有這種“莽撞加速”的姿態，但這次他們的反應速度明顯變快了。所以，面對Manus這種通用助手形態，他們肯定不會袖手旁觀。

我認為這些團隊有機會彎道超車，還有一個重要原因——Manus這種產品形態對算力的要求太高了。內測用戶隨便試幾下，和大規模普通用戶真正用起來，完全是兩個量級的考驗。

要不然，DeepSeek在春節期間爆火時，服務器怎么會頻繁崩潰？而Manus的任務復雜度，比DeepSeek要高得多，每一個任務都涉及更深層次的智能體調度和多步操作。

所以，對Manus來說，第一個真正的考驗，不是現在的內測階段，而是全面開放后的實際使用情況。到時候，它能不能頂住大規模用戶的壓力，才是真正見真章的時候。

三、到底什么是智能體和多智能體？

因為Manus今天的爆火，我發現已經有一大批疑似AI寫的文章開始滿天飛，內容越來越離譜。

比如，最開始只是說Manus推出了首個通用Agent助手，接著就演變成了“中國推出首個AI智能體，秒殺OpenAI，全球都跪了”這種標題黨式的夸張說法。與此同時，也有不少同學問我什么是智能體。

從廣義上來說，智能體的概念可以追溯到1950年。當時，著名科學家圖靈在他的經典論文“Computing Machinery and Intelligence”（《計算機器與智能》）中，提出了一個著名的問題：“機器能思考嗎？”盡管整篇論文中并沒有直接使用“Agent”這個詞，但它激發了整個學術界對“能不能讓機器像人一樣思考和行動”的深入思考。

所以，在包括我在內的很多人看來，這算是人工智能的第一粒種子。

接下來是1956年，一個對AI發展至關重要的會議——達特茅斯會議。在這場夏季研討會上，幾位科學家坐在草坪上拍了一張合影，可能他們當時也沒想到，這次會議和這張合影，后來會被視為人工智能的正式誕生。

不過，那時候連個人計算機都沒有，AI的能力也非常有限，只能下下國際象棋、做做簡單的數學計算，根本無法完成復雜任務。因此，一些科學家開始思考：有沒有可能讓軟件在不同的計算機或網絡環境下，自主行動？如果讓多個這樣的智能體互相協作，能不能完成更復雜的任務？

看看，這些五六十年前的前輩，思考的問題也跟我們一樣——要是人類能不上班、不干活，那該多爽？

正是基于這種設想，那個時代開始逐漸發展出Agent智能體和多智能體系統的概念。科學家們希望讓計算機程序不僅僅是被動執行命令的工具，而是能夠自主決策、協作完成任務的“智能體”。

大約在1970年，研究者卡爾·休伊特（Carl Hewitt）提出了“演員模型”（Actor Model）。他把AI想象成一群活躍的“小演員”，它們能夠在計算環境中自由發揮，不僅可以接收指令，還可以彼此交流、發送消息、做出反應。這種思想，為后來多智能體系統的研究奠定了基礎。

到了1990年，智能體的概念開始逐步完善，一批學者開始嘗試給它下定義，并在論文和書籍中進行系統闡述。其中，澳大利亞人工智能研究院的Anand Rao和Michael Georgeff提出了BDI模型，它成為了智能體研究中的重要理論框架。

這個模型由三部分組成：

信念（Belief）指的是智能體對世界的基本認知，比如地圖、信息庫、知識庫等，它需要有足夠的背景信息才能做出決策；

愿望（Desire）是智能體希望達成的目標，比如完成一項任務、實現某種效果；

意圖（Intention）則是智能體決定采取的具體行動計劃，是它在各種可能性中選擇的一條執行路徑。

如果把智能體比作一只寵物狗，那么它的“信念”就是它能看、能聽、能識別陌生人和危險；“愿望”是它想要馬上吃到狗糧；而“意圖”則是為了吃到狗糧，它決定跳到你腿上撒嬌、搖尾巴。

這一模型，讓AI具備了更清晰的行為邏輯，也為后來自動規劃任務的研究提供了關鍵思路。

當然，再往后，我們就進入了移動互聯網時代，從Alexa到Siri，各種“智能個人助理”開始登場。只不過，放到今天來看，那時候的個人助理實在是太過基礎，遠遠稱不上真正的智能體。

它們只是預設好的語音交互工具，能做的事情極其有限，甚至連一場自然對話都無法順利進行。而如今，隨著AI能力的進化，智能體終于走到了真正實用的門檻前。

真正讓Agent智能體這個概念重新回到我們視野的，是最近幾年AI技術的爆發。

ChatGPT、GPTs等產品的出現，徹底激發了人們對“指揮AI干活”的渴望。在過去的軟件邏輯里，想讓Agent完成任務，程序員必須手寫大量規則，所有行為都得事先設定好，像是“吃兩碗飯就絕對不會再喝一碗湯”，毫無靈活性可言，更談不上真正的自主性。

而現在，大模型的強大語言理解和學習能力，終于讓Agent擺脫了這些限制。如今，它們可以直接讀懂指令，自己調用工具，自動拆解任務，像一個全能的智能小管家，幫你高效完成工作。

過去一年，GitHub上也冒出了不少這樣的項目，比如Auto-GPT、BabyAGI，都號稱能“自我思考、自我規劃”，可以處理一系列復雜任務。雖然我們測試后發現，它們目前仍處于早期階段，離真正的自主智能體還有差距，但已經足夠令人興奮和期待了。

而這次Manus的推出，正是在智能體概念的基礎上，又往前邁了一步。以前的智能體，通常需要提前設定好任務和角色，才能投入使用。而現在，Manus就像一個能力超群的全能助手，不管是編程還是繪畫，拿到任務就能迅速上手，干得有模有樣。

這種感覺，讓我想起上個月在米蘭的達芬奇國家科學與技術博物館。當時，我站在展廳里，看著達芬奇留下的上百份手稿，涵蓋水利工程、飛行器、軍事裝備、紡織機械，還有那些驚艷世界的藝術作品，心中滿是敬仰。而Manus的方向，似乎正是要打造一個“啥都會干的達芬奇”，成為我們身邊的智能助理。

四、對我的啟發與幫助

前面聊了智能體和Manus，不得不說，雖然我自己還沒用上，但它依然給了我不少啟發。

我觀察Manus執行任務時，發現它會在網絡上進行大規模的信息檢索。比如，在做小米新車的PPT這個任務時，它從大量在線文章中提取信息，分析小米的品牌設計風格等內容。

然而，這里有個問題——很多文章，一看標題就知道是質量極差的“垃圾稿件”，內容拼拼湊湊，甚至可能是AI生成的無價值信息。

這讓我想到，現在AI能力進化得太快了，一個人完全可以用AI控制上千個賬號，一天發出上萬篇AI寫的文章，或者剪輯上百條AI生成的短視頻。最終，這會導致一個現象——即便AI助理本身能力再強，但當整個互聯網被海量AI內容充斥后，AI幻覺和AI偏見就會變得越來越難以避免。

在這樣的環境下，高質量的知識庫，無論是個人還是企業，都將變得極具價值和可信度。

比如，同樣是做小米汽車的PPT，如果有一個小米設計團隊內部的知識庫，Manus根本不需要去互聯網上海量搜索，而是直接調用這個知識庫里的最新設計規范，精準高效，避免陷入低質量信息的陷阱。

從這個角度來看，Get筆記堅持做個人知識庫的方向，確實值得加足馬力繼續推進。

當然，因為Manus的出現，我也立刻調整了接下來兩個月的開發規劃。之前，我的思路是針對不同類型的知識庫，搭載不同的智能體。

比如，在我的健身數據知識庫里，我想配一個健身教練智能體，每天監督和分析我的運動情況；在我的讀書知識庫里，我則設想搭建一個伴讀智能體，幫我拓展閱讀視野，提供更深度的書籍解析。

但Manus一出來，我的思路變了。我需要的，或許不是自己去搭建這些智能體，而是等Monica或者大廠做出一個更通用的智能體。這樣，之前積累的大量知識庫內容，就能直接被賦予更大的活力，真正實現更智能的交互和應用。

英國著名的科幻作家、未來學家阿瑟·克拉克，也就是《2001：太空漫游》的作者，曾經說過：“任何足夠先進的科技，初看都與魔法無異。”

而Manus爆火時，我們正在親眼見證這種魔法。

作者：快刀青衣

來源：AI學習圈《快刀廣播站》