短短不到一周时间，"AI从嘴强王者变成执行狂魔"这句话就在科技圈内迅速传开。Manus的爆火，其实有其必然性。它就像一位不知疲倦的数字管家，能干的事情跨度极大——从简历筛选到股票分析，从旅行规划到跨领域任务编排，甚至在用户睡觉的时候，它就能把三天的工作量全部搞定。

这一周多以来，各种理念层面的解读，甚至误伤，确实不少。有人说Manus就是个套壳产品，不过是调用了Claude的高级API；也有人觉得邀请码机制是一场刻意营销。但这些质疑，无法动摇一个事实：Manus身上确实有足够惊艳的创新亮点。

首先，交付结果相当精彩。传统智能体多半是给你一篇文字报告，Manus则直接端出超炫酷的网页展示。其次，执行过程极度透明——即便你没有那个抢破头的邀请码，也可以通过"回放功能"完整观看AI执行任务的每一个环节。第三，成本真的压得很低。对比OpenAI每月200美金的订阅门槛，Manus单次任务执行只要2美金。

其实要说最难受的，还是OpenAI。当年OpenAI发布o1慢思考模型，却没有向外界开放思考过程；结果DeepSeek的"嗯，用户让我..."深度思考模式填上了这个空白。同样，当OpenAI推出Operator和DeepResearch这样的超级Agent时，只对200美金/月的付费用户开放；结果Manus依靠"回放功能"的病毒式传播，又一次抢走了风头。免费加上好的产品体验，再加上可传播性——这套组合拳，轻松碾压那些看似高高在上的东西。这个道理，从未改变。有因，便有果。

这两天Github上那份越狱流传出来的【Manus Tools and Prompts】值得仔细琢磨。里面有几张图信息量很大：

—— 这张图点明了Manus的核心定位：收集信息、创造内容、解决问题。

—— 圈定了Manus的技能和工具边界，说白了就是它到底能干什么。

—— 解释了Manus本质上是一个多Agent系统，需要把多种Agent与上述工具能力组合起来，才能完整地完成用户布置的任务、提交最终成果。

—— 展示了Manus在执行任务时，会调用一系列特殊的固定能力模块。

—— 这说明Manus也对能力使用有严格的规范和约束，包括浏览器规则、编码规则、信息规则等。

也难怪，昨天OpenAI终于坐不住了，一口气向开发者发布了"3+2"套件能力。

"3"是三个高级Agent工具：网页搜索能力（Web Search）、文件与私域数据搜索能力（File Search），以及可自主在云端浏览网页查找信息的Computer Use Agent。

"2"则是两个对话反馈模式的高级整合：Response API从原来只能聊天，升级为对话+执行+搜索的组合模式；Agent SDK则从单一Agent完成任务，升级为可以调动多个Agent协同完成复杂任务。

OpenAI这次和2月份被DeepSeek捅破天时的被动不同，多少有点"有备而来"的味道。所以他们反复强调：2025年是Agent之年，The Year of Agent。

为什么这么说？里面有个重要的逻辑，得先看明白Manus是怎么工作的。

过去我们熟悉的AI助手，更像是一个只掌握了菜谱但永远下不了厨的学徒——你问"糖醋排骨怎么做"，它能从第一步背到最后一步，却永远不会开火、不会切肉。而Manus就完全不同了，它像一位米其林主厨。接到"准备八人宴席"的指令后，自动买菜、调配灶具、掌控火候，最后端出色香味俱全的整桌菜肴。

这种质变，源于三个核心设计。

第一，"三脑协同"的智能中枢。规划脑像一位交响乐指挥家，运用蒙特卡洛树搜索算法（类似围棋AI的决策方式）动态拆解任务。比如处理100份简历时，它会先扫描文件结构，像主厨根据现有食材调整菜单那样，优先筛选学历匹配的候选人，再分析工作经验，最后合成报告。执行脑整合了超过200个工具接口，模拟人类操作浏览器点击、滚动，自动调用Excel生成图表，甚至编写Python分析代码。验证脑则通过对抗性测试模块来把关质量，这种"三重签名"机制——三个模型独立计算后交叉验证，确保结果可靠。

第二，"动态菜谱"进化系统。传统AI的"菜谱"是静态的，Manus支持实时反馈迭代。用户可以随时修正输出格式，好比食客要求"少盐多辣"，主厨立刻调整配方并记住偏好。即便任务中途崩溃，它也能像智能冰箱那样保存进度，并用替代方案继续完成烹饪。

第三，"无菌厨房"安全机制。通过浏览器沙箱技术隔离操作，像在封闭实验室处理食材一样，避免隐私数据泄露。记忆偏好系统则像私人管家，持续学习用户习惯，在云端构建个性化的策略库。

说得直白一点，Manus就是把市面上能拿到（无论是付费还是免费）的优秀API工具，有机地组合在一起运作。每一个单点的能力都不是我的，但把它们组合起来，就成了Manus的神奇之处。

当传统模型巨头们还在持续打造"更大参数、更强推理能力"的模型，自产自用时，Manus团队选择成为"瑞士军刀工匠"。通过工程化组合多种模型和工具，他们核心解决了三个问题：一是工具适配，让一个厨师能熟练使用所有品牌的厨具；二是长线任务管理，传统AI像快餐厨师，必须用户盯着才能工作，Manus则像慢炖锅，能离火后继续焖煮；三是跨界能力，Manus可以同时处理简历筛选和股票分析，突破了垂直领域限制。

既然Manus能做到，其他人当然也能做到。当最基础的一批模型能力供给达到行业共识，当这些模型的能力边界被逐渐看清楚，上层应用的大幕就拉开了。

但这里有一个悖论：Manus是不是真的能像他们定义的那样，成为"通用Agent"？如果是，那其他Agent还有什么存在的必要？Agent的应用之年又从何谈起？如果大家用的是同样的模型API能力、同样的组合方式和工程效果，Manus1和Manus2又有什么区别？

答案很明显。模型可以通用，但Agent产品，必须百花齐放。在不同垂直行业，面向不同的用户群体，做不同的体验流程设计。Manus或许不是终点，但它无疑是一个新的起点。

即便在GAIA基准测试中接近人类水平（三级测试分别达到86.5%、70.1%、57.7%），Manus仍面临挑战。这些问题也是所有Agent产品共通的：模型API能力的局限性；稳定性和幻觉的潜在风险；以及商业模式的悬而未决。

但我们依然需要充分肯定Manus的价值。正如蒸汽机曾经漏气、电脑曾经死机，每一次技术突破都伴随着迭代的阵痛。Manus的意义在于，它证明了当AI突破"纸上谈兵"的阶段，真正成为"手脑并用"的执行者时，人机协作将进入前所未有的深度。当更多团队继承这种"手脑并用"的哲学，或许我们距离那个"动动嘴就能改变世界"的未来，真的不再遥远。