AI Agent 的「GPT 时刻」，Manus 炸醒整个 AI 圈！（上）
摘自 shiyun / 张勇毅 极客公园
Manus，你的「数字代理人」
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。
在官方发布的视频中，介绍了三个 Manus 在实际使用场景中所完成的工作案例：第一个任务是筛选简历。
从 15 份简历中，为强化学习算法工程师职位推荐合适的候选人，并根据其强化学习专业知识对候选人进行排名。
在这个演示中，你甚至不需要给压缩文件解压、将其中的简历文件一份份手动上传。Manus 这时候就已经展现出了像人类「实习生」的一面，手动解压缩文件，并逐页浏览每一份简历，同时记录其中的重要信息。
Manus 给出的结果中，不仅有自动生成的排名建议，它还会根据工作经验等重要维度，将候选人分为不同等级。在接受到用户更希望以 Excel 表格的方式呈现后，Manus 还能自动将这些内容通过现场编写 Python 脚本的方式，来生成对应的表格。
Manus 甚至还能通过记忆能力，在这个实践过程中记录下「用户更喜欢通过表格的方式接受结果」这样的信息，下一次处理类似的任务结果时，会优先使用表格的形式来呈现。
第二个案例，更为国人量身打造，就是遴选房产。
案例中用户希望在纽约购买房产，输入的要求是希望同时有安全的社区环境、低犯罪率，以及优质的中小学教育资源—— 当然还包括最重要的预算，足够在每月固定收入的情况下负担的起。
在这个需求中，Manus AI 将复杂任务分解为待办事项列表，包括研究安全社区、识别优质学校、计算预算、搜索房产等。并通过网络搜索，仔细阅读有关纽约最安全社区的文章，收集相关信息。
其次，Manus 通过编写一个 Python 程序，根据用户收入计算可负担的房产预算。结合房地产网站上相关的房价信息，根据预算范围筛选房产列表。
最后，Manus 会整合所有收集的信息，撰写详细报告，包括社区安全分析、学校质量评估、预算分析、推荐房产列表以及相关资源链接——就像一个专业的房地产经纪人一样。而且由于 Manus 自带「完全基于用户利益考虑」的属性，其使用甚至体验更好。
在最后一个案例中，Manus 展示了对股票价格的分析能力。
案例给出的任务是分析过去三年中英伟达、迈威尔科技和台积电股票价格之间的相关性：众所周知这三支股票之间存在紧密的关联性，但对于新手用户来讲，很难快速将其中的因果关系整理清楚。
而 Manus 的操作，与一个真正的股票经纪人非常相似，它先是通过 API 访问雅虎金融等信息网站，来获取股票历史数据，同时还会交叉验证数据准确程度，避免被单一信息来源误导，对最终产生结果带来重大影响。
在这个案例中，Manus 同样用到了编写 Python 代码、进行数据分析和可视化的能力，同时还引入了金融相关的专业工具进行分析，最终通过数据可视化图表，搭配详尽的综合分析报告的方式，向用户反馈其中的因果关系——真的就像一个金融领域「实习生」做的日常工作。
不仅如此，在 Manus 官网还展示了十多个 Manus 能够使用的场景：直接使用 Manus 帮你整理行程、个性化推荐旅游路线，还能让它学习使用各种复杂工具，来流程化的完成日常工作。
在这个过程中，真正让 Manus 展现出与往常工具不同的，是它的自主规划，来确保执行任务的能力。
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。
由于目前版本的 Manus 完全基于云端异步运行，因此实际上 Manus 的能力并不被你所使用的端侧平台形态或算力等因素限制——用户甚至可以做到在向 Manus 下达指令之后，暂时关闭电脑，当 Manus 执行完成活动结果后，会自动通知你结果。
这个操作逻辑同样非常眼熟——就像一个人下班以后，在微信上喊实习生「文件整理好发我」。只不过，现在，这个实习生是真的可以 7x24 小时的响应你了，并且不用担心他会「整顿职场」。
