作者｜子川

來源｜AI先鋒官

這兩天大家都被Manus刷屏了吧，關于Manus的瓜更是一大堆，從全球首個通用型 AI Agent到全網各大網友的質疑，Manus的成名之路顯得有些驚心動魄了。

目前大家想要體驗Manus需要邀請碼，估計不知道要等到什么時候才能全面開放。

不過，最近有網友考古到了一個AI工具，Manus能做，它也能，甚至效果完全不輸，它就是Flowith的Oracle功能。

話不多說，直接給大家展示。

提示詞如下：

使用 https://ralphammer.com/網站文章的風格生成一個 SVG 可視化，從本質出發，深入淺出講解什么是「意識」。

還貼心的生成一個網址：https://xnjzsz.csb.app/

是不是效果非常不錯，無論是生成SVG 可視化界面還是HTML網頁， Oracle都能迅速的生成出來。

再來一個——

生成一個 HTML網頁，使用多幅手繪黑白漫畫結合極簡文字描述的方式，從本質出發，逐層深入，深入淺出地講解什么是「投資」。目標受眾為完全沒有投資經驗的新手，網頁應涵蓋基礎概念和常見投資工具介紹，漫畫風格為簡約線條，且網頁需包括分章節的結構。

和Manus相比，到底誰更勝一籌呢？我們使用同一組提示詞來看一下效果。

提示詞：

我想要一份特斯拉股票的全面分析，包括：概述：公司概況、關鍵指標、業績數據和投資建議財務數據：收入趨勢、利潤率、資產負債表和現金流分析市場情緒：分析師評級、情緒指標和新聞影響技術分析：價格趨勢、技術指標和支撐/阻力水平資產比較：市場份額和與主要競爭對手的財務指標對比價值投資者：內在價值、增長潛力和風險因素投資論點：SWOT 分析和針對不同類型投資者的建議

Manus

Flowith

大家來評判一下，和Manus相比，Flowith的 Oracle的效果如何？

Flowith的Oracle功能一款能夠直接為用戶搭建和編排工作流的智能系統，它具有自主規劃和執行能力，支持調用無限工具，并能實時迭代工作流。

主打的就是“數百個AIAgent協同工作”，用戶無需手動搭建流程即可實現任務自動化。

此外還具備強大的任務分解和執行能力，它能夠將復雜任務拆解為多個子任務，然后調用合適的工具逐一完成，最后整合結果給到用戶。

例如，在進行數據分析時，它會先搜索相關數據，再運用專業工具進行分析，最后生成詳細的分析報告。

用戶還在能畫布上創建節點或者直接使用其生成的節點，每個節點代表獨立任務，通過連接節點形成動態工作流，給 小編的感覺就像是可以自動化的扣子。

同時Flowith 基于 canvas 的界面本質上適合多用戶協作。在這里，還可以與同事共享流鏈接，允許他們直接查看生成的結果并加入您的創作過程協作生成的內容

它和Manus不同的點在于，Manus是一站式服務，用戶給它一個任務，它會給你一個解決方案，完全是傻瓜式操作。

而Flowith更傾向于人機協同，用戶可以在創建的工作流中隨意修改，發現某些內容獲取不當或內容不全的時候，能進行手動更改，從而使生成的質量更高，幻覺更少的內容。

Oracle于 Flowith去年8月份正式發布，可以直接使用，而且有免費額度，大家感興趣的話，可以去體驗一下！

附上體驗地址：https://flowith.io/

最后給大家分享一下Flowith的CEO倪正民對Manus和Flowith Oracle這兩款產品的看法：

很興奮看到 Monica 團隊推出的 Manus 產品，我相信更多好產品，才能讓我們加速到達 AGI。這兩天有特別多朋友來問我怎么看 Manus 的宣傳以及和 Flowith Oracle 的區別，那我在這里統一分享下自己的看法。

雖然沒有權限使用它的產品，只看了 Demo 視頻和大家的演示，但它的技術和產品實現都還是比較清晰：Manus 的 采用了 Computer-Using 的方案來做 Agent，和 Devin AI、OpenAI Operator、Claude Compute Use 形態較為類似，這個方案去年智譜的開源 AutoGLM（還能直接操作手機）、前年的 Rabbit 都推出過且效果也都很驚艷。其中 Devin AI 我們還沖動消費過（當時我還發了推）。

令人印象深刻的是，用 Devin AI 的時候前 5 分鐘覺得特別驚艷，因為它帶來的人機交互的新奇感非常不同。但用了 10 分鐘后團隊里幾位開放都不約而同地關掉了它的網頁，后面一個月也都再也沒打開，月費 500 美金也直接打水漂了。

因為自己也經歷過，因此 Manus 這次對大眾用戶帶來的新奇感我非常可以理解。但一波 hype 后，它能持續給用戶帶來的價值和留存，是較存疑的。Manus 主打自己“通用”，而過于通用的 Agent，在垂直/具體場景下很難優化、對用戶來說也難以解決他們的實際需求并形成用戶習慣（比如官方的幾個 use case 很難說哪個是殺手級的）。

除此之外，最核心的問題是，Compute Use 方案的 Agent（依附于虛擬機和 Sandbox 的 AI），很難成為 Agent/AGI 的終極形態，這種方式的本質，是把 AI 囚禁在給人類設計的系統中操作和行動，雖然通用性強，可直接操作軟件和系統，但是原理粗暴且效率低下，后續隨著能力和執行任務的復雜度提升，成本會隨之成倍增長（這也是為什么 OpenAI 的 Operator 月費要 200 美金，Devin AI 月費 500 美金的原因），而在不久的將來，當 AI Agent 數量超越所有人類數量的時候，我們很難想象這些 Agent 是依附于一個個虛擬機在運行。

而在去年年初開始開發 Flowith Oracle 這一通用 Agent 框架時（對，我們時間要早不少，但不會說自己是全球第一個，因為前面有很多前輩產品和開源項目都可以說第一）選擇了類 AutoGPT、自主研發的 LLM 自主代理框架，也是因為這個架構下的性能、拓展性和通用性都較為出色：你可以在這個 LLM 原生驅動的任務執行系統下，直接和工具、數據進行交互，也可以把 Devin/Manus 式的沙盒類 Agent 當成 Tool 調用、或通過 MCP 去和用戶的私有軟件和文件交互。這套架構底層簡單、又可以包羅萬象。

最重要的是，在 flowith 的 Oracle 中，人不是一個袖手旁觀的擺設，而是一個可以參與到 human in the loop 的主導者，實時參與到和 AI 的創造中；而結合了我們畫布交互系統的 Agent，也不會被限制在人類過去幾十年的 UI 里，而是可以讓 Agent 們以一種對它們這種全新「物種」最友善、最高效的方式和世界交互，這也和 flowith 探索和打造面向未來的、人和 AI 最佳協作方式的理念一致。

最后，flowith 在營銷上，還需要向其他團隊學習很多、我們由衷敬佩。Flowith Oracle 去年八月上線以來已經為數十萬用戶解決了超過 2000 萬次復雜問題，來自全球的用戶共創了各種好玩的 case，但依然，如今大部分都沒有聽說過我們的名字。

我們團隊過去總是 under-promise & over-deliver，從來都是先上線，再宣傳（這點經常被我們的投資人吐槽說我們太務實、過于低調）。在各類產品層出不窮的今天，持續為用戶產出價值固然是最重要的事情，但懂得包裝和營銷也是我們作為一個創業團隊需要學習的。
最后，非常期待更多團隊和我們一同，往 Agent 方向發力，2025 會是 AI 和 Agent 的一年，未來已至。

掃碼邀請進群，我們帶你一起來玩轉ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。

往期文章回顧