Manus 一夜刷屏，我的朋友圈都在瘋傳這款能自主操控電腦的 Agent。它不僅能夠幫助用戶回答問題，甚至可以根據用戶的問題，來拆解任務，制定解決問題的規劃，并自動執行。

Manus 不算是在基座大模型上的技術突破，而是在 AI 實際落地、增加應用場景和適用人群方面的創造。

業內普遍認為，對答式的聊天機器人，最多能夠提供一些簡單的工作幫助，執行復雜工作，最終還是需要通過搭建 AI Agent 的工作流。

但，Agent 的搭建，有門檻，不僅有技術上的門檻，更有認知思維、結構化能力上的門檻，并不是所有用戶，都有把工作拆解成詳細 SOP 的能力。在 Manus 的邏輯下，創建工作流 SOP 這個最難的事情，由 AI 來完成，于是，每一個用戶，通過簡單的自然語言對答，就能獲得接近于 Agent 的產出結果，幾乎就是直接可用的程度。

今天全網刷屏的文章，主要還都是 Manus 功能的簡單介紹，熟悉我的朋友們都知道，我一貫主張不僅要分析產品，也要深挖產品背后的邏輯，以及其對應著的趨勢。所以這篇文章，我們就基于 Manus，對 AI 產品和 AI 落地，進行深度分析和預判。

Agent 進入第三階段，生產力變革即將到來

Manus 的特點是，它能夠自主進行工作流的拆解，然后按照拆解的順序，每一步都調用最合適的大模型，進行任務處理。

就好像一個非常卷的 J 人同事，每一項工作，都提前拆出詳細的執行計劃表，然后按照計劃表嚴格執行，最終做出來的效果，肯定不會差。

比如讓 Manus 整理一份 OpenAI 的組織架構圖，它不會直接去貿然干這個事兒，而是會先進行一個任務拆解，來明確，做好這個事情，都需要哪些具體的細致的步驟，然后根據自己拆解的步驟，再逐項自動執行任務，最終產出用戶“直接可用”的結果。

這個“直接可用”太重要了，如果過去真的深度使用過 AI，都知道，之前的聊天式 AI，看起來洋洋灑灑一大段回復，但是實際要用，就發現很多地方不符合現實，還得人工大改。

所以 Manus 的工作邏輯，其實就是 Agent，通過完成工作流的拆解，解決具體實際的問題。

Agent 中文名叫做 AI 代理或者智能體，說白了就是一個能按照工作流，執行實際的、專業的工作的機器人，解決實際的具體問題，讓它按照適配公司業務的流程，進行各種具體的工作，就好像一個真正的同事一樣。

如果只是在 AI 對話框中進行簡單的對話，AI 能夠進行的工作很有限，AI 的產出物也不太可控。回歸到我們實際的工作中，任何工作都有一個流程和標準的限制，才能讓產出的結果，達到預定的標準。

比如「為公司業務寫一條小紅書」這項工作，如果讓 AI 直接進行工作，產出的結果基本是不可用的，因為命題太大了，小紅書運營包含著多種不同的工種環節，很難通過一句話，就完成一個復合度相對較高的工作。

那如果想要 AI 完成好這項工作，其實得給 AI 規定好工作步驟：

• 學習公司業務的知識庫，了解公司的業務情況和過往內容
• 通過可聯網的大模型，收集與業務相關的今日熱點新聞
• 通過大模型分析有哪些可以和業務結合的選題
• AI 為選題生成文案
• 通過大模型為文案的配圖，創作一個生圖的 Prompt
• 調用文生圖的大模型，使用 Prompt，生成配圖
• 將文案和圖片手動發布至小紅書
• 通過發布的筆記鏈接，抓取點贊收藏評論數據，進行數據分析

在每個環節，AI 都只解決一個具體的問題，然后把許多個 AI 的工作串起來，成為 AI 工作流。

所以，對話聊天的 AI，最多只是提供些靈感，真正要解決生產力的問題，就必須得靠融合了 SOP 的 AI Agent。

這也是我一貫的觀點，協作體系是人類社會改變生產力的利器，AI 只有通過工作流，才能夠完美融入人類的生產關系中。

Manus 的出現，意味著 Agent 的發展，實際上進入第三階段：

在第一個階段，ChatGPT 這樣的對答式機器人，通過一問一答的方式，逐一解決問題。這個過程中，人類依然是主導，能否把 AI 用好，取決于提問人的水平，只有思路非常清晰、結構化能力非常強的提問人，才能讓 AI 解決實際問題。

第二個階段，通過“扣子”這樣的智能體平臺，搭建分步驟執行的 Agent，這一階段也是當前 AI 應用層落地的主要方式。既然不是所有人都能通過 AI 問答，解決實際問題，那我們就把能解決問題的步驟，固定下來，讓 AI 每次都按照驗證過的步驟逐一執行，并且集成多種不同能力的 AI，讓 AI 只在自己最擅長的環節做事，這樣一來，只要有一個人成功，那么其他人不需要結構化能力，也能夠達到同樣的效果。

第三個階段，在今天早上看到了黎明，就是以 Manus 為代表的通用 Agent。拆解工作流這個環節，也讓 AI 替代，用戶又回到了簡單的問答模式。但問題簡單，AI 執行的過程并不簡單，通用 Agent 能夠按照工作流的方式，高質量完成問題，讓產出結果，達到可用狀態。

如果說過去 AI 大模型的火爆，大多數人只能湊個熱鬧的話，毫無疑問，通用 Agent 是讓所有普通人，也能夠在具體工作中，用上易用的 AI，解決真實世界的實際問題。只有解決實際問題，AI 對于生產力和生產關系的變革，才會真正來臨。

分發 AI 的 AI，將成為 AGI 的入口

在 Manus 開發團隊的介紹中，Manus 被稱為“多智能體系統”。

什么是“多智能體系統”？其實就是一個系統里面，集成了多個大模型，然后由一個調度中心，根據不同的任務，調用最合適的大模型。

幾家頭部大模型公司，都在不斷推出更強的 AI 大模型，前一天某個大模型剛剛登頂第一，轉天就被下一個大模型超越，城頭變幻大王旗，你方唱罷我登場。

但是，單純的堆參數和跑分，其實與真實使用，還是有很大的差距。實際上，每一家的大模型，都有自己所擅長的領域，比如 Claude 極為擅長編碼、DeepSeek 的推理模型對于中文的控制很強、豆包大模型對于語音識別獨步世界、可靈的視頻模型非常領先。

既然短期之內，很難有樣樣都強的“水桶模型”，那何不根據任務的實際情況，讓大模型協作起來，讓他們只做自己擅長的工作？這便是“多智能體”思路的來源。

事實上，在之前的探索和嘗試中，就有過這樣的先例。

前不久，Berkeley 伯克利搞了只有 7B 參數的小模型，在 Arena 全球模型排行中拿到了 1400 分，這個分數，用了 20 萬張顯卡訓練的 Gork3，就也才剛達到這個水平。

這個 7B 的小模型，其實就是一個分類器，它只做一件事，就是把用戶發給他的提問，進行分類篩選，然后去指揮 GPT、Gemini、DeepSeek 這些"大模型"干活，堪稱 AI 屆的牛馬領導。

這其實也是 Manus 的邏輯，通過一個超強的分類系統，集合擅長不同領域的大模型，一起處理，最大限度解決用戶的實際問題。

AGI 的未來，一定不是單一模型一統天下，而是做好分工，融匯貫通。本質上，現代公司的組織結構，就是在構建如同機器一般的協作結構，指望一個 AI 來完成所有工作，無異于指望一個員工就撐起整個公司。

在這場變革中，中國將站在世界中心

這不是營銷號那種無腦亂吹，而是邏輯推理后的判斷。

邏輯是兩個：

1. 1. 中國有無窮多的應用場景和商業模式的積累，首先，AI 只有落地應用才有真正的價值，其次，最開始的 AI 可能誕生于實驗室，但只有真實實踐中，才能創造越來越強的 AI。

1. 2. 幾十年辛苦播種，今朝終于開花結果。國民基礎教育，縱觀歷史幾千年，從未有過現在的高度和深度。而 AI 的根本，依然是人才，經過幾十年的基礎教育，中國的人才密度，已經超越世界上大多數國家，完全能和美國掰一掰手腕。

很多事情，都是量變引發質變的結果。

2022 年底，ChatGPT 橫空出世，驚爆世界。同時，這也意味著，AI 技術的大模型路線，完全替代了過去規則算法和知識圖譜的 AI 路線。

中國嘩然，大洋彼岸的美國，在 AI 軍備競賽上，居然領先這么多。當時，大多數人對于中國的 AI 發展持悲觀態度，算力顯卡、技術封鎖，中國 AI 技術的前途，確實陰晴不定。

但站在 2025 年早春，這種陰霾已經一掃而光，中國 AI 的發展全球矚目，代表基座大模型能力的 DeepSeek 讓世界側目，如今，在應用層大放光芒的 Manus，同樣來源于中國。

Manus 背后的創始人肖弘，是華中科技大學 2015 屆畢業生，在之前創業做過「壹伴助手」和「微伴助手」。

這個團隊還有一款更知名的產品，就是去年火爆全網的 AI 助手 Monica。這是一款瀏覽器插件起家的 AI 應用，通過非常敏銳的需求洞察，讓用戶在瀏覽器中，使用 GPT 4o、DeepSeek R1、Claude 3.7 等模型，進行一些非常具體的工作。

有人說這是套殼 AI，可 Monica 的理念，就是將 AI 前沿技術，找到應用層的落地方式，實現 AI 的真正落地。極致的套殼，同樣也是牛！在這樣的理念下，這支團隊，又搓出了 Manus。

我們很欣喜地看到，Manus 的出現，是讓普通人也用好 AI 的又一個大進步。

我下午看到，有不少人對于 Manus 的指責，指責 Manus 在宣傳和推廣方面的積極，認為 Manus 所謂的超強能力，是在營銷，想要成為下一個 DeepSeek。

但事實上，Manus 和 DeepSeek 本身就是兩個不同的產品，一個專注于更好的落地應用，一個專注于基礎模型的技術突破，這都很有價值。我想起在我在幾年前寫過的一句話：

科學普及與科技創新同等重要。

這只是一個理念，只是一個起點，保持謙遜，多往前看。

文/亨亨（先鋒創業者、產品人）

微信：xiaozidaheng

微信公眾號：產品變量（ID：hengpaper）