Manus 是小甜甜还是牛夫人？

以前陪我看月亮的时候，叫人家小甜甜！现在新人胜旧人，叫人家牛夫人！

前几天大家铺天盖地地惊呼：“Manus 卧槽”，“Manus 牛掰”。这几天有一些批评声音了，惊呼“Manus 渣男”，“Manus 欺骗感情”。

实话实说，感谢 Manus ，让 AI Agent 火出圈了。

Open AI 的 Deep Research 和 Grok 的 Deep Search 都是优秀的 AI Agent ，Cursor 也是！

我们自己就是一个 Agent ，围绕一个目标问 LLM 问题，然后根据结果，继续问，直到目标达成。

但是大部分人都不具备提出好问题的能力，然后根据结果继续问，那就更难了。AI Agent 就是要解决这个问题，实现自动执行和自我迭代。AI Agent 还需要具备一个能力，就是调用各种工具，以适应不同的应用。就调用不同工具的能力而言，很难做到通用。

Manus 的邀请码一码难求，但是 GitHub 上出现了开源竞品，随手贴两个上来哈：

OpenManus https://github.com/mannaandpoem/OpenManus

Open Deep Research https://github.com/dzhng/deep-research

以后必定是 AI Agent 的天下，AI Agent 里面可能出现杀手级应用！

biochen

180 天前

台湾大学李宏毅这个学期的 AI 课程 Machine Learning 2025 Spring （ https://speech.ee.ntu.edu.tw/~hylee/ml/2025-spring.php ）刚刚就讲了 AI Agent ，作业 1 和作业 2 是自己实现 AI Agent 。

[生成式 AI 時代下的機器學習(2025)] 第二講：一堂課搞懂 AI Agent 的原理 (AI 如何透過經驗調整行為、使用工具和做計劃)
<amp-youtube data-videoid="M2Yg1kwPpts" layout="responsive" width="480" height="270"></amp-youtube>
PPT
https://speech.ee.ntu.edu.tw/~hylee/ml/ml2025-course-data/ai_agent.pptx

从 2020 年知道李宏毅老师的课，一直在听，没有一年坚持听完，并完成作业的，哎~

biochen

180 天前

网上宣传 Manus 的开源方案是 3 小时写出来的。有人笑谈，在 LLM 上套壳没有门槛。

之前，V 站大佬说，Agent 的难点在于每一步迭代时，从已有结果中准确地识别要丢给 LLM 的问题。（忘记在哪看到的了，就不引用了）

AI 搜索那么多，Perplexity 就是最好的。Deep Research 的三家 Open AI 、Google Gemini 、Perplexity ，我都用了，Open AI 惊艳到了我，另外两家能用。

显然，套壳也是有技术的，有没有大佬谈谈？

vinsa

180 天前

Manus 在产品实现方式和交互上有一定创新，但产品的样子和效果完全由个别 KOL“评测”呈现，完成度未知。从实现方式来看，这产品的“任务”是非常消耗服务器资源的。视频效果好，仅仅是因为 Demo 。但要是让放出来让普罗大众使用，依据目前的流量，所需的资源是团队无法承受的天价。

总体来说，概念不是新的，仅需工程能力，而无需“科研”。和 DeepSeek 的爆火有着天壤之别。

这泼天的流量和关注度加持给目前的团队，可能不是好事。

biochen

180 天前

@vinsa #6 非常认同您的观点！

产品能力上，中国可以对全世界说：在座的都是垃圾。中国的应用那是想尽办法讨好用户。话说 OpenAI 确实独步天下，就搜索和文件上传这两个功能来讲，我给差评。利用自家大模型，开发一些应用，给点糖，OpenAI 是不屑去做的，这点与 Kimi 等国产大模型来讲，差距非常大。

AI Agent 要不停地去调用 LLM ，而且这种场景下上下文很长，用的 Token 也多，肯定会很贵。OpenAI Plus （ 20 美金一个月）用户每个月只能使用 Deep Research 10 次。不过，中国在降低成本方面也是独步全球，Deepseek 就是一个很好的例子。

基于产品能力和成本控制，在 AI 应用方面，中国必赢！！！

biochen

180 天前

@emisora #7

DeepSeek 做得最对的一件是事情就是开源，全球云服务器商都为它证明 DeepSeek R1 的强大。

如果 DeepSeek R1 不开源：1. 一个研究团队并没有运营大语言模型服务的能力，这是云服务器商的领域，大部分用户将不会体会到 DeepSeek R1 的强大。2. 部署大语言模型很贵，目前大部分闭源大语言模型都没有靠用户订阅覆盖推理成本，用户越用越亏，只能不停地去融资，烧投资人的钱。

同理，通用 AI Agent 最好的路子也是开源，让全球有能力部署的人为之助力。

当然，有些别有用心的人可能不这么想，想搞一个大新闻，骗投资人的钱，或者是韭菜的钱。

biochen

180 天前

@twinsant #10
感谢分享观点，确实开发 AI Agent 要关注 MCP 协议。

以下内容复制自 Google 搜索的结果，方便 V 友知道 MCP 协议：
MCP （ Model Context Protocol ，模型上下文协议），2024 年 11 月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（ LLM ）与外部数据源和工具之间的通信协议。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供了标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化方式。

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/1116988