1、在Manus爆火之前，我已经用过几款基于浏览器的AI Agent产品了。比如browser use、browserbase、还有几个名字我也忘记了。

当时测试的一个典型案例就是让它帮我去发推，点赞。只需给AI一句命令，确实也能实现，大体就是它拆分步骤，然后去执行，比如它会打开网站，登录需要账号密码，中间会叫我介入，这也没办法，能理解。登录成功后它就就继续去发推点赞了。

所以开始，我看到了AI开始要掌控我们浏览器的迹象，就是能力还比较有限，有这个功夫让AI去做事，且等几分钟还不成功，最后还不如自己来。所以，大多数情况下很多事情还用不着让AI来。

2、我心想Manus大概也是类似的产品，加上Manus邀请码被炒得老贵，也不是太当一回事。

最近接到任务，必须用一下。故破费弄了个账号当早期”韭菜“了。

3、先前的认知：
AI+Python脚本=AI Agent。
AI + RPA = AI Agent。
AI是大脑，要让他获得手和脚，要么就是用python脚本等操控电脑，要么就用RPA软件去模拟键盘鼠标操作电脑。
还有要么就是借助机械操控物理世界。

4、AI+Python这条路好虽好，就是编程这东西对大众有较高的使用门槛。其实Cursor、Trae、Windsurf等就是非常好的AI Agent，他们也可能操控文件，以实现在电脑上间接做事，只不过他们被定义成代码编辑器了。

我之所以选Cursor，也试用过Trae和windsurf最终回归Cursor，主要因为后两者太智能了。在当前AI还不够成熟的情况下，虽然它们可以一句话命令就做很多事情，一旦中间步骤有点偏差，结果就会与预期相差甚远。

而Cursor不够智能，反而成了好事，每一步我还能监控修正，也恰恰给到了用户掌控感。

5、AI+RPA这条路，虽也有前途，但RPA的最大缺点就是它要占用用户电脑，你把电脑给AI用了，那你就不能用电脑做别的事了。

所以，AI+RPA这条路，也有有技术门槛，也有重大使用弊端。

6、Manus 非常明智的做法就是用了”虚拟云端电脑“，用的Linux Ubuntu环境，

这么一来，AI在这个云端空间里，可以使用命令行自行创建项目文件夹，写python代码，用markdown文档来记录任务信息，管理任务，汇总任务报告，也可以启用浏览器获得搜索信息。

这方案简直太6了！！！

7、这不禁让我想到我用AI在服务器上做的事情，回想我过去一年，AI给我最大的改变也在于此，最划算的投入就是花百来刀弄一个VPS服务器，另外花20刀每月用在Cursor上面，然后就是在各种AI 模型上的token消耗。

因为AI最适合在服务器上使用，让AI结合Python，没日没夜地给人干活。

而Manus的实现，如出一辙！！！

8、MetaGPT开源了OpenManus，事实证明，Manus的技术并非有多深的门槛，任何人也都可以在电脑本地复刻一个Manus。

但----”运营这一门生意，可比开源困难多了！！“

即便我也可以在我服务器上部署一个OpenManus，我也非常仍然愿意去用官方的Manus。

因为AI Agent的使用成本太高了！！！

9、Manus使用多个AI进行协作。其中Claude作为主力，通义千问等次之。因为目前在众多AI中，只有Claude有这个能力把一个任务分解成七八个小任务，执行到后面还能知道自己在做什么。

换做其他AI，在第五六步就忘记初心，不知道自己在做什么了，以至于导致任务失败。

即使是DeepSeek，也是要弱一点。

而Claude的使用成本也相对较高。

综合一下，单纯给Manus一个命令让他干个活，几个AI协作下来，一次任务的成本已经高达2美金。

话说，如果用GPT4.5的话，单纯回答一次问题就高达2美金的API 成本了。

所以，即便给你个OpenManus，得自己充钱买token，你也舍不得用。

何况，现在Manus自己在烧钱给人用。

好在前几天，Manus伴上了通义千问，而通义千问也恰恰前几天发布了QWQ 32b模型，同样类似的能力，相比DeepSeek R1的成本又下降了不少。

所以，相信通义千问+Manus，还是能为国人带来惊喜的。

10、那Coze、Dify等低代码工作流工具，也是被称为AI Agent，跟Manus有什么区别？

这也正是Manus理念的精华所在，即，“Less structure, more intelligence”，减少对AI的约束，充分释放AI的能力。

无论是Coze、DIfy还是各种其他AI应用，自己作为产品经理，都在鼓励用户也做产品经理，尽可能多建立工作流。甚至官方自己下场做各种智能体工作流进行推广。

而现实是用户的需求个性化不一，买账用户不多。

工作流的主要意义在于用户把日常的工作事务，抽象成若干个独立的模块，串起来，以求实现自动化。本质是用户的工作具体怎么做只有用户自己知道。

而现实是用户的需求个性化不一，买账用户不多。

Manus在这点是我还是挺佩服的。他们从头到尾自己写了0个工作流！！！

写工作流这个事也交给AI。

这才成就了他们对”通用 AI Agent“的定位。

所以，也就有媒体大肆吹，全球首个通用AI Agent，这么说确实像是那么回事。

11、既然Manus可以执行Python脚本来给用户做事情，那就让我立即想到，python最擅长的就是数据处理了。

于是，我就给他Manus一个颇具挑战性的任务。

我准备了一个数据表格，准备让Manus为我数据清洗，也就是去除重复的条目，补全缺失的条目。

准备文件，一个数百行的客户信息数据表格：

提示词：我有一个包含客户信息的CSV文件，数据格式不一致且有很多缺失值。请帮我清洗这些数据，包括：标准化日期格式，填充缺失的邮政编码，删除重复条目，并修正明显的拼写错误。然后生成一个清洁版的CSV文件和一份数据质量报告。

处理后的截图：

说起来令人难以置信：整个过程耗时超过30分钟！！！

对比上传前的文件，它也确实为我处理了重复的条目，补充了缺失的内容。

而且给我提供了一份处理报告。

整个过程可以看这个链接：
https://manus.im/share/6ixNfkXWcTi8Tb2tjkfFAc?replay=1

或者扫码看更方便：

12、所以，现在知道AI Agent能做什么了吧。

AI+搜索是基础能力。

操控文件是必需。

也就是说，Python是AI的语言，大概问问，Python能做什么，Manus这样的AI Agent就能做什么。

13、AI 确实能真做事了。

我们过去的AI，仅仅陪你聊聊天，生成些文案，大家就不知道能用来干嘛了。

但这波AI Agent确实不一样，是真的在做事了。

但仍要警惕AI Agent做事的实际效果。

用一个简单的算术来表示。

AI存在幻觉问题，一个AI在处理一个小任务时，成功率假设90%。

一个大任务拆成10个小任务，让AI连续处理。由于幻觉累加，90%的十次方，意味着最终的成功率只剩下35%了。

14、AI Agent的成功率不高，据Oraige.ai实测，它布置了10个任务，实际成功了3个。

目前也就这样的概率了。

朋友说：这样的AI，要它作甚？

我说：现实中，老板让员工做事，也差不多这样子，有的时候能做好就行，许多公司不都养着一些差不多就可以的员工么...

不知Manus有没有设定一个检查监督的AI角色，查一查我任务的执行成功与否...

如此，依然可期。

如上。

谢阅。