Aipy:免费开源的“Manus”测评——通用AI智能体的崛起与挑战

碎碎念： 

前两个月全球首款通用型 AI 智能体产品“Manus”发布的时候，可谓是群情激昂，一个邀请码被炒到了5万，甚至10万。

当时各位是否也想过，彻底解放双手，让AI牛马来全天候替你上班干活，告别重复劳动？

但实际使用过的朋友也发现了“Manus”不仅价格贵，而且不稳定

就在我从惊喜到失望的时候

又一款开源的通用人工智能“Aipy”上线了！而且价格诱人。

一起来看看怎么样吧。

一、Aipy 的核心特性与技术突破

Aipy 由知道创宇于 2025 年 4 月发布，其核心理念是 "No Agents, Code is Agent"，即通过大模型直接生成 Python 代码并执行，实现任务自动化。这种Python-Use 新范式，彻底改变了传统 AI Agent 依赖预定义工具的模式，让 AI 能够动态调用本地环境、API 接口甚至物联网设备，真正实现 “知行合一”。

1.1、技术架构与功能实现

1. 任务闭环能力：Aipy 通过 “理解需求→生成代码→执行验证→反馈优化” 的完整流程，支持从数据分析、文档处理到设备控制的全场景任务。例如，它能自动识别医院检查单照片，提取指标并生成治疗建议，或调用本地开源语音模型处理视频文件生成字幕。
2. 本地部署与隐私保护：与 Manus 依赖云端执行不同，Aipy 支持完全本地化运行，用户数据无需上传至云端，尤其适合处理合同审查、财务分析等敏感场景。其内置的 Python 环境可直接操作本地数据库、办公软件甚至工业设备，误差控制在千分之三以内。
3. 多模型兼容与成本优化：Aipy 可接入 GPT、DeepSeek 等主流大模型 API，也支持本地部署的 Ollama、LMStudio 模型。测试显示，使用 DeepSeek 模型时，任务 token 消耗仅为 Manus 的 1/3，单次调用成本不足 0.002 美元。

1.2、与 Manus 的差异化对比

维度	Manus	Aipy
技术路径	多智能体协作架构，依赖云端虚拟机	直接生成 Python 代码，本地执行
成本模式	订阅制（月费 50 美元起）+ 任务溢价	开源免费，仅支付大模型 API 调用费用
稳定性	云端执行易受网络波动影响	本地运行更可控，社区持续优化
数据安全	数据需上传至云端	完全本地化，符合国内数据安全法规
灵活性	依赖预定义工具链	动态生成代码，支持无限扩展

二、实际应用场景与用户反馈

2.1、 工作提效

任务一：用 fscan扫描漏洞

任务背景：作为一名安全测试工程师，每次用 fscan 扫完漏洞都像面对一堆乱码，几百行日志里找开放端口，眼睛快瞎了也漏看几个，希望定制一个 fscan 解析工具。

提示词：帮我生成一个可以解析fscan扫描结果的工具，要求将扫描到的重要信息提取出来，例如包含[PORT]并且状态为open的为端口扫描数据，将其保存到一个excel中；将[SERVICE]保存到一个excel中;包含[VULN]的为存在的漏洞，将其保存在一个excel中;[HOST]为扫描到的存活主机，要解析的文件在"C:……"，要求有gui界面

Aipy首先是对任务进行拆解，然后直接开始编码，差不多三分钟，GUI界面的解析工具就出炉了，只需要将本地文件上传就可以开始解析。

任务二：EXE 木马的静态检测

提示词：帮我写一个小型的木马静态特征查杀工具，用于检测windows下的exe可执行文件是否是可疑的木马。我觉得需要一下功能：1. 扫描文件静态字符串，查看是否有明显的恶意特征检查程序熵值是否异常 3. 检查程序动态连接函数，是否存在可疑的导入函数、导出函数的组合扫描PE头及相关分节，确认该程序所使用编程语言、编译链、最低兼容的系统、是否使用已知的加壳技术最后，把这个程序保存为aipy_kill_rat.py文件中，测试该程序，确保没有任何异常。最后，测试我的exe程序："D:\Tools\......."。检测这个文件是不是恶意的木马。把写好的软件保存在项目文件夹下。

任务执行后生成一个程序，它能扫描文件静态字符串，找出藏在文件里的恶意特征。

可以对可疑字符串特征、熵值、导入函数进行分析。

任务总结：Python加LLM的组合形式，给予了非技术人员依靠自然语言使用Python开发一些提效工具的可能，目前开发的工具在使用上还是没有什么问题。

2.2、个人用户体验

任务一：撰写比价报告

提示词：我是黄黑皮，油性肤质，同时我是学生党没什么钱，请帮我从各种社交软件里搜寻资料，最后挑选最合适我的3款粉底液并将他们的品牌、价格、适用肤质、肤感、持妆度、推荐我的色号生成一个美观简洁的htm文档，名字为“粉底液推荐”并显示在桌面上。

Aipy得到任务后很快确定了任务分析和技术方案。

爬取到推荐产品后，Aipy会进入官网爬取产品的特征信息，制作成为精美的网页。

任务二：小游戏制作

提示词：做一个贪吃蛇游戏,中文说明，有开始界面、重新开始界面、游戏记录，输出整个html代码，保存到当前工作目录，并运行它。

任务总结：即使是简单是自然语言也可以输出不出错的Python程序，只是在网站爬取和界面美化方面需要改进。

三、成本与商业化策略

3.1、 费用结构

1. 基础服务：Aipy 开源免费，用户仅需承担大模型 API 调用费用。以 DeepSeek-V3 为例，输入 tokens 每百万约 0.5-2 元（缓存命中 / 未命中），输出 tokens 每百万 8 元。

3.2、 社区生态

1. GitHub 活跃度：Aipy 开源仓库已吸引超过 2000 次 Star，贡献者来自金融、医疗等多个领域，持续优化代码生成质量和支持库。
2. 开发者工具：社区提供可视化任务编排界面和调试工具，降低非技术用户的使用门槛。

四、总结

Aipy 的出现标志着通用 AI Agent 从 “云端黑箱” 向 “本地可控” 的重要转变。其开源模式和 Python 生态整合，为个人开发者和企业提供了低成本、高灵活性的自动化解决方案。尽管在复杂任务处理和硬件兼容性上仍有提升空间，但 Aipy 已展现出替代 Manus 等高价产品的潜力。对于追求数据安全、需要本地化执行的用户，Aipy 无疑是当前更优的选择。建议关注其社区动态，及时获取功能更新和最佳实践。