Vol.55 Manus没有秘密---70页PPT解读AI Agent
摘要
庄明浩把Manus视为L3 Agent的“看见时刻”：L1让用户看见机器吐字，L2让用户看见模型推理，L3则让用户看见Agent规划、执行、复核并交付。 因而他认为“2025年会是AI Agent的年吗”这个问题可能已经不需要再问；他强调的重点是，通用任务有了直观的产品形态——“一切工作都是为了让用户看见”。
Manus最关键的技术选择不是堆叠Workflow，而是“Less Structure, More Intelligence”，团队给出的预设Workflow数量是零。 它沿用了从o1、DeepSeek R1得到的启发：少教过程、主要激励结果，再给AI一台带浏览器、代码和API能力的虚拟机；一旦预设过多场景边界，“通用Agent”就退化成垂直工作流。
庄明浩用两组压力测试论证“通用”并非纯叙事：GAIA考察任意长度、多工具任务，而Manus团队还声称可复现约76%的YC W25 Agent项目。 最有说服力的GAIA案例里，它用YouTube快捷键K暂停企鹅视频、逐帧截图统计，随后按3跳转复核，最终确认同一画面最多出现三种企鹅；这类操作显示的是环境理解和长链执行，而非单次问答。
Agent可能首先改写Token需求曲线，团队因此提出AHPU——Agentic Hours Per User——替代只看DAU、MAU和留存。 普通Chat一次只运行5至30秒，复杂Agent任务却持续十几分钟乃至数小时，单用户算力消耗可能相差一千倍、一万倍；团队估算Deep Research每题约20美元、SOTA约10美元、Manus约2美元，多任务并发还会继续放大需求。
当前Manus远非成熟产品：基础资料整理已经可用，复杂取数、来源核验、视觉交付和长上下文仍频繁失败。 在识别a16z Top 100 AI应用中的中国团队时，它先偷懒给出9个，经连续追问才变成16、21、23个，随后触发上下文限制；GAIA L3成功率也只有约57%，更准确的定位仍是“二十四小时高吞吐量干活的在校大学生”。
“套壳”“三小时复现”和“大厂一定会做”都不足以判定商业价值，真正待验证的是产品、品牌、渠道、网络效应与收入能否形成第二条叙事。 庄明浩以错过Perplexity早期投资的故事提醒：能周末搓出原型，不等于能运营产品；OpenManus、OWL虽能快速复现核心功能，普通用户仍须处理代码、环境、服务器、API和命令行。海外市场最终仍可能用最粗暴的ARR检验胜负。
Manus的爆发传播被庄明浩归因于长期“善缘”和自来水，而非付费营销，这本身也是团队分发能力的一次压力测试。 他确认自己列举的首批现场参与者无人收钱，传播从即刻、公众号和小宇宙外溢至科技、财经乃至央媒；更长期的用户门槛则是学会做“好老板”——提出好问题、分配任务、充分授权、途中校正并对结果反馈。
精读
1. Manus让L3从抽象名词变成可见的工作
庄明浩先做了自我修正：半个多月前的DeepSeek节目中，Agent章节“有一些空”，更像已有信息的排列组合；不是刻意藏观点，而是当时他和业界都没有形成明确认知。
沿用OpenAI的L1至L5框架，他把ChatGPT式Chatbot放在L1，把o1、DeepSeek R1等推理模型放在L2，把Agent放在L3，并判断行业正处于L2向L3跨越的位置。
用户感知是这次升级的主线：“L1看见机器在吐字，L2看见模型在推理”，而Agent必须让人看见它真的在工作。因此，原副标题“2025年会是AI Agent的年吗？”最终可能已经不需要再问。
2. 通用、少控制和傻瓜化构成同一条进化线
从AI 1.0的单数据集、单场景、固定模型，到通用大模型，再到通用推理模型，庄明浩顺势追问：如果L3成立，它也应该是“不垂直、不限定具体场景、不设置边界”的通用Agent，尽管早期必然不完美。
技术路径同样趋向减少人为控制：o1之后，各家先尝试CoT和对过程逐步奖励的PRM，最终DeepSeek从V3经只看结果的强化学习得到R1-Zero，再调整为R1，并把方案复现在Llama与千问上。“不要教它，直接给激励。”
产品交互则反复经历简单、复杂、再简单：自然语言之后出现复杂Prompt Engineering，CoT之后推理模型又降低提示词要求；因此他推演，L3最终也可能“不需要Workflow”，并且必须让普通用户傻瓜化操作。
3. 搜索与Coding暴露了旧Agent定义的空心化
AI搜索从诞生起就被追问：要不要自有模型、是不是套壳、机会属于传统搜索还是创业公司、信息源和产品体验能否形成壁垒、法律金融医疗等垂直化是否成立；接入DeepSeek后，这些问题依然没有统一答案。
AI Coding面对的是同一组疑问：底层进步主要来自Claude 3.5、3.7等模型，那么Cursor类产品是否只是模型套壳，工程、体验、品牌和前后端垂直场景又能拉开多少差距？“一千个人眼中一千个Agent”，说明大家此前只是在描述大象的腿、尾巴和鼻子，还没有真正看见大象。
4. 一台虚拟机把博士实习生从纸笔前放了出来
Manus官网的特斯拉股价分析案例把产品意图呈现得很直接：用户能看见To-do list、网页检索、图表制作和最终网页，“一切工作都是为了让用户看见”。
庄明浩借用一个产品比喻：Perplexity给AI搜索，Monica类产品给AI浏览器，Cursor给AI一套IDE，Manus则“给AI一台虚拟机”。由此，规划、执行、归纳、核对和交付都能在独立环境中完成。
团队把过去的大模型比作“博士学历的实习生”，懂得很多，却只拿到纸和笔；再给它浏览器、内部数据库权限、训练和明确要求，它能完成的任务边界才会逐层扩大。
5. 零Workflow是Manus最关键也最容易被忽略的选择
AutoGPT、Anthropic Computer Use、OpenAI Deep Research、智谱AutoGLM都已展示任务拆解与执行；推理模型降低了规划难度，MCP及新的Agent框架又降低了工具、API和架构接入门槛，真正的问题变成“为什么此前迟迟没有爆”。
Manus发布前，有投资人或资深合作方看过测试版后，有人问团队自己写了多少个Workflow，“答案是零”。庄明浩把它类比为从PRM走向结果奖励：预设Workflow越多，产品越可能只在少数设计好的场景中表现良好，也就越不通用。
这也是标题“Less Structure”的来源。OpenAI核心研究人员表达过“越少限制，模型表现越好”，张涛在闭门分享中则概括为：“Less Structure, More Intelligence。”
6. GAIA把“会不会干活”变成了长链条压力测试
GAIA包含四百多道题：L1通常不用工具或只用一种工具、不超过五步；L2需要五至十步并组合不同工具；L3要求任意长度的行动序列、任意数量工具以及广泛的世界知识。
最精彩的测试要求从国家地理风格的企鹅视频中找出同一画面最多出现几种企鹅。Manus先按K暂停视频，逐帧截图和记录，得出三种后又按3跳转到对应进度复核；YouTube数字键1至9对应10%至90%的播放位置。
团队把Manus与OpenAI Deep Research及SOTA方案放在同一榜单比较，但庄明浩也保留了失败面：GAIA L3成功率约57%，意味着仍有四成多高级任务无法完成。
7. 76%的垂类复现率与AHPU一起打开Token上限
YC一期项目已有约70%至80%属于AI，W25又出现一百多个Agent项目。Manus团队抓取这些医疗、法律、销售、金融乃至4S店项目的官网描述，让Manus逐一复现，声称能够覆盖约76%。
团队据此提出AHPU，即Agentic Hours Per User。一次聊天调用通常只有5秒、10秒、20秒，最多约30秒；复杂Agent却可能工作十几分钟、几小时甚至更久，计算成本可能不是十倍、百倍，而是一千倍、一万倍。
庄明浩转述团队统计：Deep Research平均每题约20美元，SOTA约10美元，Manus约2美元；部分开源复现方案执行一个任务仍需三四美元。若用户同时启动多个任务，并在过程中干预、重启新进程，单线程AHPU还会被并发进一步放大。
修寒年初估算，中国第三方应用若每天消耗百亿Token，成本约5000元，数百个此类应用对应全年几十亿元至将近100亿元市场。即使算力成本每12个月降10倍、多模态再带来一个10倍，Agent也可能轻易制造百倍需求；其极端视频场景估算甚至达到每用户30亿Token、百万DAU合计三千万亿Token，约为当时的30万倍。
8. 放弃浏览器与提前公开路线说明Manus“没有秘密”
团队最初想做AI浏览器，并在Arc宣布停止更新的同一天决定放弃：浏览器会占住屏幕和网络，用户的任何操作都可能打断Agent；虚拟机则允许用户交代任务后离开，任务结束还可直接释放机器。
路线在发布前已经被三位核心成员分别讲过。CEO肖弘在2月提出云端电脑、浏览器、代码与API的组合；首席科学家Peak在2024年10月开源过复现o1的强化学习模型；张涛则曾讨论绝佳产品价值、外部世界观察以及让95%的人用上第一款AI应用。
3月6日公告也把Manus称为“襁褓中的小婴儿”：团队按行业Demo规模准备服务器，完全低估了17小时内的热度，只能启用邀请码；模型幻觉、交付物友好度和运行速度都“还有很大的提升空间”。
9. 实测显示基础整理已可用，复杂取数仍会走错门
刘飞让Manus给大模型打分、生成报表，并整理播客平台、市场份额和内容分布；这类基础信息收集已经完成得“挺像模像样”，也是当前门槛较低的任务。
君玉要求收集若干App官方图标，完成度约70%，部分格式错误甚至只是修改扩展名；让它去海关官网提取贸易伙伴月度出口额时，它又找错数据源。结论是复杂资料任务仍需明确告诉它“去哪里找”。
李继刚的京剧PDF完成度很高，用HTML和可视化解释强化学习也完成了主体，但图形质量不足；“赛博产星大聪明”让它制作Doom，结果虽缺少枪械画面，却能运行、移动、响应键盘并生成地图。
庄明浩自己的春运数据和PPT测试也暴露类似问题：数据来源走错，示意图退化成难看的简笔画，网页截图带着未登录二维码，图片位置和排版都不理想。“看上去它在认真干活，只不过做得不太好。”
10. 同一任务从9个追到23个，说明Agent仍需要好老板
庄明浩与兰溪不约而同地让Manus分析a16z新发布的Top 100 AI应用，判断其中多少来自中国公司或中国团队。任务需要识别名称与图标、查公司背景、去重50个Web产品和50个App，并处理新加坡团队等模糊归属，他认为已达到GAIA L3难度。
对照组表现不佳：腾讯元宝回答10个，其中6个不在榜单；豆包给出19个，也有6个不在榜单，甚至张冠李戴；DeepSeek与夸克同样不理想，暴露了搜索型产品在新榜单和多步核验中的幻觉。
Manus第一次只返回文章正文直接提及的9个，明显是在偷懒。庄明浩连续要求“一个一个排查”“继续查，肯定还有”，答案依次变成16、21、23，最后触发上下文长度限制；他判断真实数字还会更高，但23已相当接近。
这不是一次Prompt后的魔法：长任务会遭遇上下文耗尽、虚拟机反复重启和高负载暂停。自媒体博主伊泽的评价因此被保留下来——“实习生的水平，缺乏实战经验，缺点灵性”，但也是能24小时高吞吐量工作的在校大学生。
11. “干啥啥不行”和“三小时复现”忽略了通用产品的尺度
对“好用吗”，庄明浩先加了限定：几乎每个测试都存在更专业、更好的垂直工具，但Manus强调的是通用。他借比尔·盖茨解释互联网的旧故事反问：网络能听棒球、查汽车，并不会因收音机和汽车杂志已经存在而失去意义。
对“不就是套壳”，他的回答是：“‘不就是’这三个字是一种偷懒，‘套壳’是傲慢。”Manus投资人羽森讲述，一位专家曾在周末复现Perplexity原型，后来他因这件事放弃了以小几亿美元估值投资Perplexity；光速创投合伙人则认为，真正能够形成护城河的是产品、网络效应、销售渠道和品牌，而非某项孤立技术。
OpenManus与OWL的快速复现“很强”，但普通人要经历GitHub下载、本地环境、云服务器、模型API乃至命令行执行。能复现核心功能，与能交付一个人人可用、持续稳定的产品并不是同一件事。
戈菲用“4-2-4”拆解所谓三小时复现：第一个4是别人已经完成的需求发现，2只是核心功能，最后一个4是长期宣传、推广和运营。“手搓个Demo很快，运营好一个产品是很难的。”
12. 真正的争论是Agent究竟属于模型叙事还是产品叙事
“没有技术创新”的批评隐含了一个前提：只有大模型底层进步才算创新，于是模型能力收敛前都不该做应用。庄明浩反问，如果行业又期待2025年出现AI产品、应用和Agent，那么“产品又是什么呢？”
一位Manus前员工区分了自己的参与范围：他参与的部分包括2023年9月至10月首次在国内推出Agent并沉淀To-do list、2024年3月做GPTs平台、2024年初开始的浏览器技术积累，以及2023年11月开始的搜索积累；他没有参与的部分包括2024年7月通过ROST获取社交流量的增长经验，以及2024年11月Coding产品中对各模型Coding能力的理解。“每件事都是相对薄的一层”，但在窗口期组合起来仍足够强。
OpenAI把Deep Research描述为基于o3微调的模型，又把问题推回“模型即产品”。庄明浩因此追问：AI行业能否出现“技术加产品”的双叙事，还是所有建立在LLM之上的产品能力终会被模型升级冲掉？“任何产品和商业模式的创新，都比不上智能的创新吗？”
OpenAI、Perplexity和Google都会做Deep Research；按节目当时的说法，GPT-5还将融合o3、GPT-4.5并覆盖Pro、Plus、Free，OpenAI又说要推出每月2万美元的“博士模型”。大厂跟进是“正确的废话”，海外最终仍会用ARR检验；而张涛认为，竞争者入场反而证明市场方向成立。
13. 爆发传播来自善缘而非预算，最后的门槛回到提问者
传播起点很窄：3月5日中午张涛通知当晚发布及次日上午交流；肖弘、张涛随后在即刻发视频，“赛博产星的大聪明”转发并在3月6日早晨测试，卡兹克则通宵到3月7日发布体验，最初公开内容仅来自两条即刻和两个公众号。
庄明浩作为闭门交流参与者明确表示，他列举的现场朋友中“没有任何人收了Manus的钱”；团队公告也称从未开设付费获取邀请码的渠道、未投入市场推广预算。热度从即刻、公众号、小宇宙扩散至科技媒体、财经媒体乃至党媒央媒，发展超出了团队预期和控制。
他把这波自来水归因于“善缘”：张涛此前长期制作DeepSeek技术解读、参与澄清谣言，帮助非技术从业者理解行业。首批朋友并非Hacker News、V2EX上的技术圈人士，而是他们认识的圈内朋友；他也反问是否一定要等海外讨论后再用“出口转内销”验证价值。
面对Agent时代，庄明浩得到的个人方法论是学会做一个好老板：“提出好的问题，分配好的任务，给予充分的信任跟授权，过程中及时地调整，收到结果后给予反馈，如此反复。”在他所谓AI“黑暗森林年代”，只要有人踏出一步并踏对一步，市场往往会给出远超预期的正反馈。