深度体验Manus AI：探索这届与众不同的Agent，一天发现大不同！

“ “扔炸弹”、“AI双星”、“再革OpenAI的命”…这场狂欢似乎就是要再次复制deepseek式的成功，震耳欲聋的夸耀从昨晚又开始了。但这次，可能真的不一样。”

这是“练就基本功”的第46篇原创

01

—

一夜暴富的邀请码：AI圈又开始了新一轮"炒房"

3月6日凌晨，我的朋友圈彻底沦陷了。

一款叫Manus的AI产品横空出世，瞬间刷爆了各大社交平台。二手平台上，一个邀请码被炒到了9万元。没错，就是9万，你没看错，比一辆新车还贵。

我第一反应是：又来一个割韭菜的。

但当我通过朋友的内测账号体验后，我不得不承认，这次可能真的不一样。

02

—

从"你得教我做事"到"我全都会"：AI终于学会了自己干活

你有没有这种感觉？

用ChatGPT就像带了个实习生，啥都得手把手教。“你先去查这个”、“然后你再做那个”、“最后你帮我整理一下”…累得跟自己干了似的。

而Manus不一样，它就像一个经验丰富的全能员工，你只需要说"帮我做XX"，它就能从头到尾把事情办妥。

这不是吹牛，是真的有这么大区别。

Manus的核心突破：真·通用智能体

Manus的名字来自拉丁语"Mens et Manus"（心智与手），意思是知识必须通过行动才有价值。

这名字起得贼有内涵，因为它真的做到了"手脑并用"。

传统AI只会"想"，Manus既会"想"也会"做"。它能独立思考、规划并执行复杂任务，直接交付完整成果。

简单说，它不是工具，而是员工。

技术实力：GAIA测试中吊打OpenAI

在GAIA基准测试（评估AI解决真实世界问题的能力）中，Manus在所有难度级别上都创下了新纪录，远超OpenAI的DeepResearch。

GAIA测试成绩：

这就像高考状元和普通二本生的区别，不是一个量级的。

创始团队：从校园创业到被收购，再到AI独角兽

Manus的创始人肖弘是90后华科毕业生，创业经历堪称开挂。

大学时期开发校园版微信漂流瓶，3天内实现4万条互动量。

2016年，他的"壹伴助手"在黑客松比赛中夺冠，获得真格基金百万投资。

2019年，团队预判企业微信生态机遇，转型SCRM工具"微伴助手"，覆盖60+行业、40万企业用户，最终被独角兽收购。

这哥们儿的履历，看得我怀疑人生。我大学时还在为挂科发愁，人家已经拿到百万投资了。

03

—

实测：Manus到底能干啥？我亲自体验了一把

光说不练假把式。我用朋友的账号亲自测了几个案例，结果惊到我下巴都要掉了。

核心能力：自主性 + 通用性

Manus的核心能力可以概括为两点：自主性和通用性。

自主性就是它能独立完成从任务规划到执行的全过程。它采用Multiple Agent架构，运行在独立虚拟机中，可以调用各类大模型API和众多插件——编写和执行代码、浏览网页、操作应用等，直接交付完整成果。

通用性则是它能处理多种复杂任务，从行业研究、数据分析到编程、文档生成等。无论是筛选简历、分析股票还是设计网页，Manus都能胜任。

简单说，就是啥都会，还不用你教。

实测案例1：找最便宜的橡胶垫

我让Manus帮我找市场上最便宜的橡胶垫。

一般AI可能会给你列个清单就完事了。但Manus直接变身比价专家+数据分析师+网页开发者。

它先搜索比较了不同零售商的价格，然后将结果分类为"最佳总体价值"、“最佳预算选项"和"最佳高端选项”。

最后，它发现Tractor Supply的厚橡胶马槽垫（4’x6’、3/4"厚）以53美元（每平方英尺2.21美元）提供了最佳的整体价值。

更绝的是，它还创建了一个交互式仪表板，用于可视化价格比较数据，并部署到了一个公开URL。

这就像你不仅雇了个采购员，还顺带雇了个数据分析师和网页开发，一次性解决了你的所有需求。

输出结果：

实测案例2：收集YC公司名单

我让Manus从YC官网收集W25B2B企业信息。

它先访问YC官网，应用W25批次和B2B行业过滤器，筛选出99家公司。然后开始系统收集每家公司的详细信息，包括公司名称、位置、描述和子类别等。

在收集过程中，它还会定期报告进度：“已记录24家公司”、"已记录45家公司"等。最终，它整理了94家W25B2B企业的详细信息，并做成了一个漂亮的表格。

这活要是让我自己干，得花一整天，还得忍受复制粘贴的无聊。Manus几十分钟就搞定了，而且一点错都没有。

输出部分结果：

实测案例3：一键生成专业股票分析报告

我让Manus分析特斯拉股票，它直接变身华尔街分析师。

它不仅收集了公司概况、关键指标和业绩数据，还分析了市场情绪、技术指标和竞争对手对比，最终生成了一份包含图表和投资建议的完整报告。

这报告质量，说是券商研究所出品都有人信。

输出全部结果：

实测案例4：调查20家CRM公司的品牌故事

我让Manus收集20家CRM公司的口号和品牌故事。

它不仅完成了任务，还提供了从Salesforce到HubSpot、Zoho等20家领先CRM公司的详细报告。

比如，Salesforce的口号是"We’re Salesforce, the #1 AI CRM"，品牌故事围绕着作为SaaS CRM先驱的身份。而HubSpot的口号是"Grow Better"，品牌故事强调通过入站营销帮助公司实现高质量增长。

它还分析了每家公司的市场定位和差异化策略，堪比一份专业的市场调研报告。

输出部分结果：

04

—

揭秘Manus的"三脑系统"：为什么它这么聪明？

人类大脑式的多Agent协同架构

Manus采用了"三脑系统"的多Agent协同架构，类似于人类大脑的前额叶（规划）、运动皮层（执行）和丘脑（验证）的分工协作。

具体来说，Manus包含三种不同类型的Agent：

1. 规划型Agent：负责任务拆解，将复杂任务分解为可执行的步骤

2. 执行型Agent：调用具体工具，执行规划好的任务步骤

3. 监控验证Agent：跟踪任务进度和debug，确保任务正确完成

这就像一个小型公司，有产品经理（规划）、工程师（执行）和QA（验证）。

“Less structure, more intelligence”：让AI自然进化

Manus团队的核心理念是"Less structure, more intelligence"（更少的结构，更多的智能）。

这意味着他们尽量减少对模型的人工控制，只做好铺垫，让AI自己发挥。

这与传统的工作流(workflow)方式不同，后者通常需要人工预设每个步骤。Manus的方法是，随着基础模型能力提升和数据增加，很多能力会自然演化出来，不需要通过workflow的方式强行教会AI。

为了实现这一目标，Manus团队给AI提供了三个关键要素：

1. Give it a computer：就像招一个员工，入职就得给他配电脑

2. Give it data access：提供数据访问权限

3. Give it training：提供必要的培训

这就像养孩子，与其事无巨细地管教，不如创造良好的环境让他自己成长。

05

—

Manus vs 其他AI工具：差距有多大？

从"回答问题"到"解决问题"：与ChatGPT的本质区别

ChatGPT等对话式AI工具主要是"回答问题"，而Manus则是"解决问题"。

举个例子，如果你要ChatGPT帮你分析一家公司的财报，你需要：

1. 先让它告诉你需要哪些数据

2. 自己去收集这些数据

3. 将数据提供给ChatGPT

4. 让它分析并生成报告

而Manus只需一个指令：“分析XX公司的财报”，它会自动完成从数据收集到分析报告生成的全过程。

这就像前者是顾问，后者是员工。顾问只会给你建议，员工会直接把事情做完。

超越预设流程：与Coze等编程工具的比较

Coze等工具专注于单一任务的自动化，通常需要用户预先设定工作流程。而Manus能处理多种任务，并且能自主规划工作流程。

这就像前者是按图索骥的机器人，后者是能自己思考的助手。

不止于搜索：与Perplexity等AI搜索工具的区别

传统AI搜索工具如Perplexity主要提供信息检索和整合，而Manus不仅能搜索信息，还能自主分析和生成结果，甚至能够操作虚拟环境中的应用程序。

这就像前者是图书管理员，后者是研究员。前者只会帮你找资料，后者会帮你做研究。

06

—

Manus的五大局限：它也不是万能的

尽管Manus表现出色，但在我的测试中也发现了一些局限性：

1. 处理时长问题：在高级模式下，如果让它写篇文章，处理时长很久，大概30分钟-1小时。在一般模式下，例如写一个HTML页面，也需要15分钟。

2. 服务器负载问题：多次出现"负载过高导致服务器出错"的情况，影响了用户体验。

3. 垂直领域深度不足：在专业领域研究报告撰写时，信息来源主要来自中文聚合平台和国内期刊，缺少国外期刊和第一手资源。

4. 格式交付限制：有时无法按照特定要求和格式交付，例如无法直接生成PPT，只能提供markdown格式的中间态。

5. 数据边界问题：抓取一些内容平台或付费墙时，需要手动接管登录账号，AI Agent也解决不了"数据边界"的问题。

这些问题说明，Manus虽然强，但还不是全能的。就像再厉害的员工也有不擅长的领域。

07

—

未来展望：Manus会变得更强吗？

Manus目前仍处于内测阶段，每天限制10个任务。未来有望通过以下方面进一步提升：

1. 提高处理效率：降低任务处理时间，提升用户体验

2. 扩展专业领域能力：增强垂直领域的深度和广度

3. 优化输出格式：支持更多直接可用的输出格式

4. 增强数据获取能力：解决数据边界问题

5. 商业化模式探索：在保证性能的同时，让价格更亲民，使普通用户也能使用

08

—

结语：AI员工时代已经开始，你准备好了吗？

Manus的出现，不是简单的技术迭代，而是一次认知革命。

过去，我们把AI当工具用，现在，AI已经可以当员工用了。

想想看，一个不用休息、不会抱怨、不需要五险一金的全能员工，每天24小时待命，能独立完成从数据收集到分析报告的全过程。这意味着什么？

这意味着，很多中间环节的工作岗位将被彻底重构。

不是说AI会替代人类，而是会替代那些"只会执行不会思考"的工作。未来，人类需要做的是提出问题和验证结果，中间的执行过程可以全部交给AI。

正如Manus团队所说："知识不仅要在脑子里，还要能用手执行。"这正是Agent相较于AI Bot（聊天机器人）产品的本质进阶。

2025年被称为AI Agent元年，而Manus的出现，无疑是这一预言的有力佐证。

无论你是否已经体验过Manus，都应该意识到：AI代理革命已经开始，未来已来。

而你，准备好了吗？

—

最后说一句，9万块钱的邀请码是真的离谱。但如果Manus真能帮你省下一个全职员工的成本，这笔投资可能还真不亏。

不过我建议再等等，等它正式商业化后，价格肯定会亲民很多。毕竟，再牛的产品，也得有人用才行。而且，要不了两个月，字节或腾讯就会类似，甚至更棒的同类型产品会出来，尽情期待！

如果这篇文章对你有启发，希望它也能帮助到更多对AI发展感兴趣的朋友。

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓