本文介绍了名为Manus的AI产品在科技圈引起的海啸级冲击。Manus实现真正的'Less structure'技术路径,采用'激励而非教导'的核心算法,让大模型自主生成任务拆解策略。其设计理念引发行业讨论,引发关于AI产品创新的启示,包括通用性优先、感知即价值以及成本叙事等。文章还介绍了如何获取更多关于Manus的信息。
Manus是一款没有预设场景、不依赖人工规则的通用Agent。它实现了真正的'Less structure'技术路径,采用'激励而非教导'的核心算法,大模型自主生成任务拆解策略。
Manus团队强调“我们所有的工作,只为让用户看见”,体现了过程可视化、能力边界显性化、成本透明化的设计理念,引发行业讨论和关于AI产品创新的启示。
Manus现象揭示AI产品创新的新范式,包括通用性优先、感知即价值以及成本叙事等。行业头部玩家纷纷将'实现Manus级体验'设为重要目标。
读者可以通过关注公众号并发送“manus”来获取更多关于Manus的信息,包括交流群、往期推荐文章等。
2025年2月,一个名为Manus的AI产品在科技圈掀起海啸级冲击。这款没有预设场景、不依赖人工规则、号称"没有秘密"的通用Agent,用连续48小时的社交媒体狂欢和投资机构抢投热潮,重新定义了AI产品创新的可能性。
▍
技术内核:从L1到L3的认知跃迁
OpenAI 之前提出了AI发展的5 段论:
- L1(吐字阶段)
:以ChatGPT为代表的对话式交互,用户需要掌握Prompt工程
- L2(推理阶段)
:通过思维链(CoT)实现复杂任务拆解,典型如GPT-4的代码解释器
- L3(感知阶段)
:用户只需自然语言指令,系统自主完成规划-执行-交付全流程
Manus的突破在于实现真正的"Less structure"技术路径。不同于传统Agent预设的Workflow(工作流)和有限工具集,其采用"激励而非教导"(Don't teach. Incentivize)的核心算法,让大模型自主生成任务拆解策略。这种"零人工规则"的设计,使得产品能处理从播客行业分析到DOOM游戏开发的跨领域需求。
▍
产品哲学:用户感知的"看见革命"
Manus团队在闭门演示中反复强调:"我们所有的工作,只为让用户看见。"这种感知革命体现在三个层面:
1. 过程可视化:实时展示Agent的思考路径(如处理a16z TOP100榜单时展现的16步排查逻辑)
2. 能力边界显性化:通过GAIA基准测试等工具,直观显示当前任务的完成度
3. 成本透明化:动态计算Token消耗与硬件成本,颠覆传统AI服务的黑箱体验
这种设计理念引发"实习生效应"的行业讨论——当AI如同人类实习生般展示完整的思维过程,用户与AI的协作模式发生根本转变。
▍
行业启示:黑暗森林中的生存法则
Manus现象揭示AI产品创新的新范式:
1. 通用性优先:放弃垂直场景幻想,用"无预设"架构捕捉涌现机会
2. 感知即价值:将技术黑箱转化为可视化认知资产
3. 成本叙事:从单纯追求准确率转向"算力 ROI"的战争
正如该团队在闭门分享中所说:"2025年的AI竞技场,已从技术军备竞赛升级为认知维度的降维打击。"当行业头部玩家纷纷将"实现Manus级体验"设为OKR,一场关于Agent范式的终极战役正在拉开序幕。在这个技术平权的新纪元,唯有真正理解"通用性"本质的玩家,才能穿越AI发展的黑暗森林。
▍
如何获取
关注公众号,发送“manus“获取: