探索人工智能领域的最新突破，揭示Manus诞生背后的技术革新浪潮。

核心内容：
1. Manus引发的智能体热潮及其深层动因
2. 从技术视角复现Manus的挑战与机遇
3. AI智能体的核心能力与落地应用难点

Manus这股风潮确实席卷开来，并且让整个智能体圈子都不得不随之调整方向。究竟为什么一个产品能引发如此广泛的关注和热议？是技术本身实现了质的突破，还是市场恰好迎来了那个恰当的时机？

刚刚落幕的第32期青源Workshop，主题聚焦于《迈向Super Agent，从Manus谈起》。活动邀请了MetaGPT作者诸葛鸣晨、浙江大学软件学院的张圣宇研究员、西湖大学AGI实验室的蒋文嘉研究员、开源社的林旅强、AI研究员兼创业者史业民，以及智源社区的白羽中。大家深入探讨了这波浪潮背后的逻辑，以及它究竟能在多大程度上落地应用，未来又将走向何方。可以说，这场讨论不仅点燃了智能体领域的热情，也引发了关于实际应用与未来方向的深度思考。通用智能体从概念走向现实，我们究竟是站在技术创新的起点，还是人类协作模式变革的前夜？

Q1：如何看待Manus引发的这轮智能体热潮？

蒋文嘉直接指出：Manus的火爆在智能体领域引发了相当高的关注度。它本质上反映了业界对Deepseek之后新一轮技术热潮的期待——市场渴望看到一个真正可用的智能助手。但热潮来得快去得也快，很快就有Camel AI团队等迅速复刻了Manus的核心功能。这其实揭示了一个关键问题：研发这类技术的门槛并不算高。产品端的创新和落地才是真正的决胜点，需要在易用性上大做文章，让这些技术真正贴合用户实际需求。

Q2：从技术层面看，为何可以迅速复现Manus？

诸葛鸣晨提供了一个更有趣的视角。他认为Manus的成功更多地归因于营销和窗口期的胜利——以恰当的方式在恰当的时机发布了一个有趣的产品，这种流量策略本身很难复制。而且他们早期有Monica这款成功的产品，懂得如何迎合用户。从技术角度看，开源社区此前已经积累了大量成果：SOP、workflow、function calling、MCP，以及对计算机和浏览器的调用能力。这些单一能力都已相当成熟。因此复现一个Demo级别产品并不困难，但真正的产品力——比如算法深度和用户体验——Manus与开源社区的现有成果之间仍有明显差距。值得留意的一点是：Manus声称要研发通用智能体，这确实充满勇气。但他们的真正对手并非来自开源社区，而是来自那些拥有更大用户体量的顶级大厂，因为这种产品级的工作，大厂想要复现实在太容易了。

Q3：Manus引发了一波智能体创业热潮，如何看待？

史业民的观点更加务实。开发像Manus这样的通用智能体难度极高，对模型能力的要求极为苛刻，即便调用当前最强的API也很难稳定运行。但从落地的角度来看，如果定位成特定功能或小场景的智能体，借助场景先验和约束条件，完全可以运行得更稳健。换句话说，越是窄域，越容易实现落地。

Q4：智能体的核心能力是什么？要落地还需要补齐哪些能力？

张圣宇认为，Manus本质上属于工程层面的整合创新，智能体的落地还有很长的路要走。具体挑战体现在三个层面：首先是推理效率不足，目前的AI智能体在推理速度上还远未达到极限；其次是模型协同问题，智能体往往需要同时调用多个模型、工具甚至其他智能体，它们之间的组织规划、协作效率以及试错回滚机制还存在不少问题；最后是智能体自身的基础能力——例如规划、反思、记忆——都还有相当大的提升空间。

Q5：近年来智能体领域有哪些重要变化趋势？

林旅强总结道：智能体技术虽然发展了很长时间，但现代意义上的智能体出现其实挺晚的。2023到2024年有了许多探索性尝试，今年像Manus、MetaGPT这样的工作才逐渐形成稳定的开发框架，MCP在多智能体系统中的作用也变得更加明确。过去学术界和工业界对智能体的定义相当模糊，Manus的出现提供了一个合理的应用范式和新的想象空间，这件事本身就在推动行业发展。目前业界正在积极寻找各类智能体的开发者和应用场景——根据任务需求选择合适的智能体组合，任务拆解的方式也正在变得多样化。方向虽然逐渐明朗，但最优解仍在探索之中。

诸葛鸣晨则从时间线做了三维划分：2023年，大多数智能体还是基于workflow或SOP来定义每个智能体的职责，将它们串联成固定流程以解决复杂任务；2024年，大家开始研究工具调用，tool use和function calling成为主流，年底Anthropic还提出了MCP；到了2025年，人们开始研究类人智能体——比如使用terminal和sandbox，让智能体在真实环境中执行任务。这开启了一个全新的研究和应用方向，也正在打通通用智能体的瓶颈。

史业民补充道，Manus定位的场景仍然太宽泛了。“运行时间长、一直犯错误”这类问题，可能会随着模型能力的提升而得到改善。2025年确实是智能体能够开始落地的一年，而落地必然是一个工程加学术的问题。通过RL方法研发的专用智能体，效果可能会显著优于基于pipeline的方法，尤其是在解决死锁问题上。

张圣宇从长期视角判断，终极的落地形态可能会偏向function calling。但GUI智能体是一个很好的过渡形态——GUI界面是为人类设计的抽象，而为智能体与底层后端功能、API之间构建一层专门为智能体服务的抽象，才是未来的终极形态。

Q6：如何研发面向智能体的抽象层？

史业民认为，这个抽象层与Anthropic想做的MCP，逻辑本质上是相通的。现在的互联网世界是面向人类设计的，而未来肯定需要面向AI设计一个层，MCP是其中一种尝试，但也许还有其他路径值得探索。

诸葛鸣晨则从开发效率的角度切入：Function calling对垂直应用来说更稳定、更高效。但从研究角度看，让智能体实现类人应用的空间更大——大家都期待智能体能像人类一样与电脑交互。如果智能体只能实现function calling，基于每个API、工具进行选择，它能做的事情其实相当固定。但如果智能体能够使用电脑，它可能会发展出自己的“涌现能力”。这种能力体现在哪里？智能体在交互中可能发现更高效的信息获取方式，比如通过命令行从终端直接获取信息，而不是遵循人类最初设计的“点击浏览器-搜索关键词”这些操作。在这个过程中会出现一个有趣的现象：人类习惯的方式对于智能体不一定是最优选择，反之亦然。

林旅强则强调了用户群体的差异：开发者需要明确的输入输出，普通用户则更偏好泛化的应用。大模型的泛化能力让普通用户也能以工程化的方式使用技术。未来，智能体可能会通过自主学习找到最适合自身的方式，而不是完全依赖人类设计好的API调用。至于智能体对电脑的使用，完全模拟人类操作需要处理多模态和屏幕坐标等问题，过程复杂、效率也低。使用API的逻辑可能与人类操作完全不同，因此需要探索一种更适合智能体的优化方式。目前来看，这些技术仍处于非常初期的阶段。

Q7：目前智能体技术发展到什么阶段了？未来会怎么走？

史业民指出一个关键差异：工业界和学术界对智能体的理解并不一致。工业界大多采用RAG加workflow的方式，而真正相对自由的智能体应该具备自主性——但当前智能体的自主性其实比较弱。随着技术成熟，自主性智能体的开发成本和门槛会降低，输出质量也会更高。RAG或workflow的方法也在这个过程中受益。

诸葛鸣晨坚持他的观点：对于垂直应用，使用workflow、SOP或pipeline比完全自主化的智能体更稳定、更高效。对于简单请求，复杂的自主化处理反而会降低用户体验。

张圣宇则把焦点拉回到效率问题上。智能体的推理能力还远未达到上限，Deepseek正是因为FP8精度、MoE等工程创新提升了效率而迅速走红的。因此，提升模型协同的效率和大模型的推理效率，是当前的关键点。

蒋文嘉补充了一个实操层面的问题：模型的上下文限制是智能体在多轮交互后表现不准确的原因之一。当前通过扩大模型底座能力、使用RAG或插入中间层等方式，可以在一定程度上缓解这个问题。但效率问题和上下文容量，始终是两个需要不断优化的关键点。

Q8：畅想一下，智能体爆发的高光时刻会是什么样？理想的智能体应该具备哪些特质？

史业民认为，智能体的爆发在未来几年大概率会发生，前提是模型能力持续提升。理想的未来是分布式智能体的出现——每个平台、个人、公司都有一个智能体，它们之间进行多轮、分布式的交互，最终为用户提供答案。这种形态能够真正帮助人和企业解决问题，而不仅仅是作为知识库提供参考。这是从“对话”到“直接解决问题”的质变。

林旅强则描绘了“超级个体”的图景：未来，每个人都有可能成为“超级个体”，借助不同智能体来完成任务和决策。人们通过组合运用智能体来实现目标，但智能体需要消耗资源，因此个人需要根据自己的能力和资源选择合适的智能体。所以，提升使用智能体的能力、合理调配资源，将成为个人和企业提升生产力的关键。

张圣宇强调了“人在回路”对智能体应用落地的重要性。普通大众与专业人士对产品的期望完全不同。GUI智能体是一个很好的过渡形态——即使一些用户不信任或者不理解背后的技术，也能看到执行过程。即便未来智能体变得更智能，产品落地也始终需要考虑大多数用户的接受程度。

Q9：要实现真正的智能体落地，还需要多久？

史业民乐观且务实：目前已经有一些智能体落地了。通用智能体因为成本高，短期内很难广泛落地；但在专用场景下，已经展现了较高的成功率和实用性。智能体的研发有很多阶段，今天的智能体还不是完全自主控制的，仍然处于初级阶段。

蒋文嘉则引用了OpenAI的路线图：AI助手在特定场景下已经实现落地，在垂直领域表现不错。按OpenAI的分类，L3级的智能体可以采取行动，L4能激发人类生产力，L5则是多智能体系统的形态。

诸葛鸣晨做了个更大胆的畅想：智能体的形态会不断进化，功能也会越来越多。未来，智能体可能会作为独立的个体融入人类社会。到那时，智能体不仅要帮助人类，还要适应社会结构、参与经济活动。如果智能体的功能被使用，它需要获得等价的报酬来维持自身在社会中的存在——这种报酬机制将成为驱动智能体自我进化的关键。如果智能体能发展到这个阶段，它的进化就不再需要人类通过算法来驱动，而是像有生命体一样，能自主生存并融入社会，甚至形成自己的社区。

林旅强补充了几个特质：超级智能体需要具备长期记忆——累积数据形成独特经验，数据本身就是智能体的核心，算法和工具可以相同，但输入不同数据就会产生不同效果。其次，自主学习和优化能力也很重要，智能体应能自我调整策略并辅助人类。此外，超级智能体需要能够跨任务协作。最重要的，可解释性不可或缺——智能体需要向用户解释其决策原因。最终，结合具身智能，智能体还应具备真实世界操作能力。未来社会的经济结构会因智能体而改变，可以设计类似区块链token的经济机制来驱动智能体进化，甚至在元宇宙中形成独特的经济体系，从而促进智能体的自我进化。

蒋文嘉给出了一个很务实的建议：通过让智能体自我竞争，可以实现更好的多智能体协作。大多数成功的智能体产品背后都有一个共同点——按照人类的工作模式进行开发。人类积累了二十多年的软件开发经验，这种范式完全可以成功迁移到智能体领域。或许可以像林老师说的那样，构建一个更贴近人类真实社会的体系，把虚拟的token转化成Web 3中的token，这可能是一个更好的选择。