文章目录
这几天，朋友圈和社群里都被一款名叫 Manus 的 AI Agent 刷屏了。号称能够独立思考、规划并执行复杂任务，并最终交付完整结果。听起来似乎要颠覆我们对传统 ChatGPT 那种“你问我答”的模式。到底它是什么？能做什么？会对行业带来什么冲击？我也跟不少朋友交流了一番，并结合之前在其他多 Agent 产品上的体验，整理出以下一些思考。
一、Operator vs Manus：同样是 AI Agent，为何关注度不同？
其实在 Manus 之前，OpenAI 也推出过类似的产品 Operator。这款 Agent 也能在浏览器中独立完成餐厅预订、购物下单、订票、外卖等任务，并支持可视化监控和随时接管。然而，Operator 并未在市场上激起太大波澜，究其原因在于：
1. 单一模型驱动
Operator 更多还是依赖单一大模型来做任务决策，难免遇到一些关键环节需要用户进行人工干预。比如复杂场景下，Agent 很难“一次搞定”，用户就会觉得既然还是得自己插手，不如直接动手更快。
2. 工具调用框架较为简单
Operator 在本质上还是对现有工具的封装，如果对用户的需求或执行场景稍有偏差，就需要额外的人为指令或脚本介入。
Manus 的出现，似乎带来了更彻底的解法：它强调多模型协作，采用“多重签名系统”来降低单点决策风险，官方 Demo 里演示的执行过程更为流畅。多模态的能力也让它可以处理更广泛的需求。尽管这还不至于算“革命性”的突破，但也足以让人眼前一亮。
二、Multi-Agent：从“单打独斗”到“协同作战”
Manus 最引人注目的地方，在于它并非让同一个大模型从头包办所有工作，而是把任务拆分成计划-执行-检查-行动的多个环节，再由不同的大模型或 Agent 分工合作。官方将其称为“多重签名系统”，其实就是多模型对决策进行交叉验证，降低错误概率，提高执行效率。
为什么要多 Agent？
1. 专注度
每个 Agent 都可以聚焦于自己擅长的领域：搜索、代码生成、数据分析、自动化操作等，不必一个模型通吃所有任务。
2. 容错率
多个 Agent 共同决策，若有某一步出现偏差，其他 Agent 可以提出修正或替代方案。
3. 执行效率
在部分场景下，Agent 还能并行处理任务，真正发挥“人多力量大”的效果。
三、“Less Structure, More Intelligence” 的理念
从官方和用户的反馈来看，Manus 另一大特色在于**“Less Structure, More Intelligence”**。这意味着他们希望减少人为对 AI 的流程性约束，让模型自行决定如何使用工具，从而更充分地发挥其潜能。
• 好处：大模型能更自由地“发挥创意”，不被固定流程或过多限制绑死。
• 挑战：对模型的依赖性更高，需要多模型间配合顺畅，也要承担一定程度的不可控风险。
官方 Demo 中，Manus 的大模型甚至会“自主学习”如何使用浏览器快捷键，以加速信息获取，这种主动探索的能力的确让人印象深刻。不过，也得承认，这类高自由度的设计更依赖底层模型的“智力”与算力。
四、Manus 在 Web3 / DeFi 场景的潜力与难题
不少人关心 Manus 或类似多 Agent 产品能否应用到 Web3，尤其是去中心化金融（DeFi）场景。想象一下，Agent 不仅能帮你找餐厅，还能自动发现链上交易机会、执行套利策略，是不是很酷？但现实并没有那么简单。
1. 实时性要求极高
在链上交易中，行情瞬息万变，套利机会往往在一秒之内就会消失。即便是多 Agent 协作，也需要高速的数据采集与决策机制（Oracle 层 Agent + 决策层 Agent + 执行层 Agent），任何延迟或数据传输瓶颈都可能错失良机。
2. 多模态大模型的瓶颈
要实现真正的链上自动化操作，Agent 必须接入实时数据源，并保证执行流程安全可控。链上状态频繁更新，如何让大模型进行快速反馈、风险评估与执行，还需要大量工程化打磨。
3. 金融合规与安全
DeFi 交易本身就有安全和合规方面的挑战，Agent 一旦拥有“操作资金”的权限，可能会引发一系列风控问题，必须引入更完善的审计、监控和回滚机制。
因此，Manus 或其他多 Agent 产品在 DeFi 上的应用目前依旧停留在“启迪思路”阶段，要想落地，需要整合多层次技术与机制。不过，如果将多重签名系统和多 Agent 协作理念带到链上，确实能帮助 DeFi 产品构建更稳健的决策与执行框架，这是值得期待的方向。
五、从“朋友圈焦虑”到“2025 年或成 Agent 爆发元年”
在传统 Web2 场景里，Manus 这样的多 Agent 产品无疑会引发部分从业者的焦虑：很多重复性高、依赖信息处理和执行的白领岗位，可能会被这类自动化系统替代。不过，AI 工具的出现往往并非只带来负面冲击，也可能催生出更多新型岗位，比如对 Agent 的管理、训练和监督等。
关于 2025 年是否会成为 Agent 爆发的元年，我认为可能性很高：
• 大模型正以惊人的速度迭代，越来越多开发者与创业者在探索如何用多 Agent 协同完成复杂任务；
• 用户也开始接受“让 AI 自己做事”这一新范式，尤其在高强度信息处理领域，AI 的确效率更高。
六、对 Manus 的进一步观察
从官方公布的信息和 Demo 来看，Manus 给人留下的印象包括：
1. 强大的多模态协作能力
AI 不再只是和文本打交道，而是能操作浏览器、执行代码，甚至可在云端电脑中自如切换任务。
2. 高昂的 Token 消耗
多 Agent 协同势必带来更频繁的大模型调用。这对成本控制提出挑战，也决定了这类产品能否大规模推广。
3. AHPU（Agentic Hours Per User）新指标
Manus 团队提出用“Agentic Hours Per User”来衡量用户使用代理的时长，与传统互联网产品的“活跃时长”概念相对。未来，我们或许要重新思考如何衡量一个 AI Agent 产品的价值。
4. 从“老板”角度的思维转变
如果把 Agent 当成实习生，你就需要给它提供充分的资源和“成长空间”，并用最少的人工干预去提升它的自主决策能力。这对管理者本身提出了更高要求。
结语
Manus 的出现，再次证明多 Agent 协作是大模型时代的热门趋势。它通过“Less Structure, More Intelligence”的思路，为我们展示了更具潜力的自动化执行场景，也为 Web3 / DeFi 乃至更多领域带来了新的想象空间。
当然，这一切仍处于早期阶段。要真正实现“让 AI 做大事”，还需要在实时数据获取、容错机制、执行安全性等方面持续探索。也许若干年后，我们回头看今天的 Manus，会发现它只是多 Agent 进化史中的一个里程碑，真正的爆发还在后面。但不管怎样，这扇门已经打开。
如果你也对多 Agent 协作充满好奇，不妨关注一下 Manus，或者等待后续更多玩家涌现。毕竟，2025 年可能真的会是“Agent 爆发的元年”。当“AI 实习生”遍地开花，你准备好当一个合格的“老板”了吗？
扫一扫
1711
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
