Manus突然一夜走紅，邀請碼在閑魚賣到了5萬甚至10萬。周五參加一個會議，廳級大佬們對Manus聊的頭頭是道。巧合的是，星空君在的AI聊天群里，很多小伙伴們已經拿到了邀請碼，并在群里放出了測試效果。

其實這兩天全網最火的是阿里的qwq，正在各個大模型網站屠榜，它的評測效果已經超過了DeepSeek。星空君跟很多軟件行業(yè)的朋友們說，這個東西是真正的生產力。

國內Manus的火爆有一些其他因素在里頭吧。

不過，從放出的演示效果以及拿到邀請碼的朋友們的實測情況來看，依然還是非常驚艷的。

Manus最大的成績是跑通了這條路線，和當年ChatGPT走大力出奇跡的路線有些類似。

從基本原理來看，主要有幾個模塊：

1. 虛擬機：一個 Linux 系統(tǒng)的虛擬機，安裝有

• Chrome 瀏覽器，用來訪問網頁

• Python 運行環(huán)境，可以執(zhí)行腳本分析數(shù)據，可以啟動一個網頁運行環(huán)境

2. 任務規(guī)劃器：根據用戶輸入的任務請求，拆分成 ToDo List，我推測是 Claude 模型，因為這一步至關重要，必須要求模型有很強的推理能力，目前來說 Claude 3.7 Sonnet 應該是很經濟實惠的選擇

3. 任務執(zhí)行調度器：根據 ToDo List 的任務清單，逐一執(zhí)行，根據任務去選擇最合適的 Agent。由于這一步重點是在 Agent 的選擇，所以不需要能力太強的模型，可以用開源模型比如 Qwen 稍微微調一下就可以用了。

4. 各種執(zhí)行不同類型任務的 Agents：Manus 內置了很多 Agent，比如最復雜的應該是類似于 OpenAI Operator 的網頁瀏覽 Agent，比如根據特定 API 檢索特定數(shù)據的 Agent，每個 Agent 在完成任務后都會把任務結果寫到虛擬機。

5. 任務匯總生成器：當每個子任務執(zhí)行完成后，任務執(zhí)行調度器就會通知任務匯總生成器，任務匯總生成器就會去虛擬機讀取 ToDo List 以及各個子任務的生成結果，把這些結果匯總整理生成最終結果，根據任務要求，可能是一份調研報告，可能是網頁程序。由于這一步要求有極強的推理能力和語言能力，所以必然要求一個很強的模型，大概率是Claude 3.7 Sonnet。

在大模型真正能和人類無縫交流之前，Agent是最佳路線，甚至說，可能是唯一路線，因為大模型很可能做不到真正的無縫交流。

過去的Agent大多以prompt+知識庫為主，主要應對效率類的需求，缺乏真正的“生產力”革命。

Manus能夠自行去解決問題，這是非常重大的突破。

盡管如此，我還是認為Manus只是走的領先一些，但護城河不深，這個思路給了后來者很多啟發(fā)，能夠迅速跟進。

Manus團隊之前是做壹伴助手的，這是個公眾號的排版插件。

所以，團隊是懂流量的。

在Manus火爆前一天，星空君正在和團隊核心成員做一個AI Agent+RPA的Demo。而且跑通了，我們內部討論這個東西的思路和Manus非常接近了。如果在我們的Demo基礎上，能讓AI再寫個RPA，基本就是另一個Manus。

話音未落，第二天，MetaGPT 的幾個年輕人，飯后 2 小時實現(xiàn)了 Manus 的核心功能，并將其開源，起名叫：OpenManus。

目前來說，真正的通用AI Agent是不存在的，當然當算力達到某種突破的時候有可能存在。

Manus用一種類似虛擬機的技術來操作，對算力要求很高。

而且Manus能做的，主要都是互聯(lián)網應用，最難的就是訂個票畫個PPT。

工業(yè)領域呢？我的生產線流程要優(yōu)化了，你能生成個ERP？

現(xiàn)階段不現(xiàn)實。

哪天大模型能瞬間生成一個ERP/MES跑業(yè)務了，那通用大模型就真的來了。

如果真的到了那一天，世界需要的算力會達到一個離譜的數(shù)量級，黃皮衣要樂壞了。

       原文標題 : 紅透全網的Manus是什么？