人工智能

揭秘 Manus AI：中国在全自动人工智能代理领域取得突破

发布时间

4个月前

2025 年 3 月 15 日

德辛·齐亚博士

就在尘埃落定之时 DeepSeek，中国初创公司的又一项突破在互联网上引起轰动。这一次，它不是生成式人工智能模型，而是完全自主的人工智能代理，马努斯，由中国公司莫妮卡于 6 年 2025 月 XNUMX 日推出。与 ChatGPT 和 DeepSeek 等仅响应提示的生成式 AI 模型不同，Manus 旨在独立工作，做出决策、执行任务并在极少的人工参与下产生结果。这一发展标志着 AI 开发的范式转变，从反应模型转向完全自主的代理。本文探讨了 Manus AI 的架构、优势和局限性，以及它对未来自主 AI 系统的潜在影响。

探索 Manus AI：自主代理的混合方法

“马努斯”这个名字源于拉丁语 男人与男人 意思是“心智”和“手”。这个命名法完美地描述了 Manus 的双重能力：思考（处理复杂信息并做出决策）和行动（执行任务并产生结果）。在思考方面，Manus 依赖于大型语言模型 (LLM)，而在行动方面，它将 LLM 与传统自动化工具相结合。

马努斯遵循神经符号方法用于执行任务。在这种方法中，它采用了 LLM，包括 Anthropic 的《克劳德 3.5 十四行诗》和阿里巴巴的 Qwen，解释自然语言提示并生成可操作的计划。LLM 还增加了用于数据处理和系统操作的确定性脚本。例如，虽然 LLM 可能会起草 Python 代码来分析数据集，但 Manus 的后端会在受控环境中执行代码、验证输出并在出现错误时调整参数。这种混合模型结余生成式人工智能的创造力与程序化工作流程的可靠性相结合，使其能够执行复杂的任务，例如部署 Web 应用程序或自动化跨平台交互。

Manus AI 的核心是通过模仿人类决策过程的结构化代理循环来运作的。当被赋予任务时，它首先分析请求以确定目标和约束。接下来，它从工具包中选择工具（例如网络抓取工具、数据处理器或代码解释器），并在安全的环境中执行命令 Linux 沙盒环境。这个沙箱允许 Manus 安装软件、操作文件和与 Web 应用程序交互，同时防止未经授权访问外部系统。每次操作后，AI 都会评估结果、迭代其方法并优化结果，直到任务满足预定义的成功标准。

代理架构和环境

Manus 的一个关键特性是其多代理架构。该架构主要依赖于一个中央“执行器”代理，该代理负责管理各种专门的子代理。这些子代理能够处理特定任务，例如网页浏览、数据分析甚至编码，这使得 Manus 无需额外的人工干预即可处理多步骤问题。此外，Manus 在基于云的异步环境中运行。用户可以将任务分配给 Manus，然后脱离，因为知道代理将继续在后台工作，并在完成后发送结果。

性能和基准测试

Manus AI 已经在行业标准性能测试中取得了重大成功。它在以下领域展示了最先进的结果： GAIA 基准，由 Meta AI、Hugging Face 和自动GPT 评估代理 AI 系统的性能。该基准测试评估 AI 的逻辑推理能力、处理多模态数据的能力以及使用外部工具执行真实世界任务的能力。Manus AI 在这项测试中的表现使其领先于其他知名公司，例如 OpenAI的GPT-4 以及谷歌的模型，使其成为当今最先进的通用人工智能代理之一。

使用案例

为了展示 Manus AI 的实际能力，开发人员展出在发布期间，Manus AI 就展现了一系列令人印象深刻的用例。在其中一个案例中，Manus AI 被要求处理招聘流程。当收到一份简历时，Manus 不仅仅按关键字或资格对其进行排序。它进一步分析每份简历，将技能与就业市场趋势进行交叉引用，最终向用户提供详细的招聘报告和优化决策。Manus 无需额外的人工输入或监督即可完成此任务。这个案例展示了它自主处理复杂工作流程的能力。

同样，当被要求制定个性化旅行行程时，Manus 不仅考虑用户的偏好，还考虑天气模式、当地犯罪统计数据和租赁趋势等外部因素。这超出了简单的数据检索，反映了对用户未说明需求的更深入理解，表明 Manus 能够独立执行情境感知任务。

在另一个演示中，Manus 的任务是为一名科技作家撰写传记并创建个人网站。几分钟之内，Manus 就抓取了社交媒体数据，撰写了全面的传记，设计了网站并上线。它甚至自主修复了托管问题。

在金融领域，Manus 的任务是对过去三年的 NVDA（NVIDIA）、MRVL（Marvell Technology）和 TSM（台湾半导体制造公司）股价进行相关性分析。Manus 首先从以下来源收集相关数据：雅虎财经API。然后，它自动编写了必要的代码来分析和可视化股票价格数据。之后，Manus 创建了一个网站来展示分析和可视化，并生成了一个可共享的链接，方便访问。

挑战和伦理考虑

尽管 Manus AI 的用例非常广泛，但它也面临着一些技术和道德挑战。早期采用者已经报道系统会进入“循环”，反复执行无效操作，需要人工干预来重置任务。这些故障凸显了开发能够持续驾驭非结构化环境的人工智能的挑战。

此外，虽然 Manus 出于安全目的在隔离沙箱内运行，但其 Web 自动化功能引发了对潜在滥用的担忧，例如抓取受保护的数据或操纵在线平台。

透明度是另一个关键问题。Manus 的开发人员强调了成功案例，但对其功能的独立验证却很有限。例如，虽然其演示展示了仪表板生成工作顺利进行，但用户在将 AI 应用于新的或复杂的场景时观察到了不一致之处。这种缺乏透明度的情况使得建立信任变得困难，尤其是当企业考虑将敏感任务委托给自主系统时。此外，由于缺乏评估 AI 代理“自主性”的明确指标，人们怀疑 Manus 是代表了真正的进步还是仅仅是复杂的营销。