“套壳”的 Manus，告诉我们什么是真正的 AI Agent？

关注

原创最新推荐文章于 2026-05-17 07:36:42 发布 998 阅读 AI 写同款· GEO 优化 ›

Monica - ChatGPT侧边栏助手可以在edge的插件商店直接搜到的一个插件，浏览网页的时候就在页面侧边，很方便随时点开，需要使用邮箱注册，免费用户每天可以提问30次，但GPT-4和联网等功能都需要付费，可以通过邀请免费获得一些ai聊天次数，我的邀请码是：https://monica.im/?并且像Excel-Chatgpt，sql-Chatgpt，Mini-Chatgpt，claude，brad等提供的能力，我们会一直保持关注，或许在将来您也可以在Monica上看到这些功能。作为你的副驾驶，Monica在侧边栏能够回答任何复杂的问题。阅读详情

2025年3月6日，AI领域迎来了一场“地震级”发布——Monica.im号称推出了全球首款通用AI Agent产品「Manus」一夜刷屏。

Manus的登场与Monica.im的营销叙事

这一产品以“数字代理人”自居，宣称能独立完成复杂任务并交付完整成果，迅速成为科技圈的焦点。

1. 产品定位与技术包装

Manus的核心卖点在于其“自主执行”能力。据官方资料，Manus通过多代理架构（Multiple Agent）将任务拆分为规划、执行、验证等子模块，每个代理基于独立的语言模型或强化学习模型，通过API协同工作，最终在虚拟机中调用工具（如编写代码、爬取数据）完成任务。其应用场景覆盖旅行规划、股票分析、教育内容生成等40余个领域，甚至在GAIA基准测试中刷新了SOTA（最先进）记录，宣称“性能远超OpenAI同类产品”。

2. 公司背景与营销策略

Monica.im的创始人肖弘（Red）被塑造为“连续创业天才”。 其早期通过微信公众号工具盈利并出售，2022年借大模型浪潮转型AI领域，凭借海外市场产品ChatGPT for Google快速积累用户。Manus的营销重点在于“用户体验升级”——例如展示其能像“实习生”般解压文件、生成Excel表格，甚至记住用户偏好。通过社交媒体造势，用户为获取内测邀请码彻夜蹲守，进一步推高了市场期待。作为“连续创业者”创始人肖弘更引来不少科技大佬的“嘲讽”。

3. 宣传话术的“理想化”

Monica.im将Manus定义为“数字世界的手”，强调其“无需人类干预”的泛用性。例如，在房产选购案例中，Manus被描述为能自动分析社区安全、学校质量并生成报告，俨然替代了专业经纪人。这种“全知全能”的叙事，成功将Manus包装为“AI技术革命的下一个里程碑”。

Manus的“套壳”争议与技术真相

尽管声势浩大，科技圈内很快出现质疑声：Manus是否仅为海外技术的“本土化套壳”？其“自主性”是否被过度夸大？

1. 技术架构的“缝合”本质

有开发者指出，Manus的核心架构与Anthropic的“Computer Use”高度相似，均依赖多代理虚拟机环境完成任务。而其所谓的“自主规划”能力，实则是基于现有大语言模型（如GPT-4）的调用，并未展示底层技术的突破。例如，在股票分析案例中，Manus仅通过调用雅虎金融API获取数据，再借助Python脚本生成可视化图表，本质仍是工具链的拼接。

2. 海外市场的“降维移植”

Monica.im的早期产品主要面向海外，Manus的底层框架被怀疑源自其海外团队的成熟方案。例如，其多代理协作机制与智领云科技的Agentic RAG系统设计理念雷同，但后者更强调自适应推理与动态规划。此外，Manus的云端异步运行模式虽宣称“无算力限制”，却未公开其分布式计算的核心算法，被质疑为依赖第三方云服务商的基础设施。

3. 用户反馈的“落差”

部分内测用户指出，Manus在专业场景（如金融分析）中表现不稳定。例如，其对股票相关性的分析依赖单一数据源，缺乏交叉验证机制，导致结论可信度存疑。此外，其“记忆用户偏好”功能仅限于简单场景（如表格格式），在复杂任务中仍需要人工干预。这些短板暴露了Manus与“真正AI Agent”的差距。

什么是真正的AI Agent？

真正的 AI Agent 是一种能够自主理解和执行任务的智能实体，它可以在特定环境中根据用户指令或预设目标，自动感知、思考、决策并行动。AI Agent 能通过传感器等手段获取环境信息，利用内部的知识体系和智能算法进行分析处理，像人一样做出合理决策，还能通过与环境或其他 Agent 的交互不断学习和适应，以更好地完成任务，例如自动驾驶汽车能实时感知路况并做出驾驶决策，智能客服能自动回答用户问题，它们都是 AI Agent 在实际生活中的应用。

全球首款开源AI搜索开发框架–LeetTools的突破性实践

与Manus的营销驱动不同，智领云科技的LeetTools以开发框架形态真正定义了AI Agent的技术边界。作为AI搜索开发框架，LeetTools聚焦灵活性与定制性，为开发者提供了更底层的技术支撑。

1. 架构设计的先进性

LeetTools基于LLM-Agent Flow架构实现的文档数据处理流水线的RAG系统，是一款人工智能搜索助手。 它可以执行高度可定制的AI搜索工作流程，并将搜索结果和生成的输出保存到本地知识库中；通过处理数据摄取、索引和存储的自动化文档管道，可以轻松运行复杂的搜索工作流，从网络或本地知识库中查询、提取和生成内容。同时，LeetTools可以使用DuckDB后端和可配置的LLM设置在命令行上以最低的资源要求运行。它可以很容易地与需要AI搜索和知识库支持的其他应用程序集成。其核心优势在于：

模块化扩展：支持无缝集成新数据源与工具，适应企业级复杂需求；
多跳检索：通过分解任务、调用多代理协作，实现精准信息提取；
语义缓存：减少重复计算成本，提升响应效率。

2. 用户驱动的定制化

与Manus的封闭系统不同，LeetTools允许开发者根据需求深度定制Agent。例如，企业可通过LlamaIndex构建专属文档代理，或结合强化学习优化检索策略。这种开放性使其在金融、医疗等专业领域展现出更强适配性。

3. 技术落地的真实价值

LeetTools的案例显示，其能处理传统RAG系统难以应对的复杂查询。例如，在科研场景中，Agent可自动合成多篇论文数据，生成假设并验证，而无需依赖预设模板。相比之下，Manus的“固定场景演示”更像定制化脚本，缺乏泛化能力。

AI Agent的技术分野与未来

Manus的爆火反映了市场对AI自主执行能力的迫切需求，但其技术本质仍是现有工具的集成，距离“真正AI Agent”尚有距离。而LeetTools代表的开发框架，通过开放生态与动态架构，为AI Agent的演进提供了更可持续的路径。未来，AI Agent的竞争将不止于功能展示，更在于底层技术的可解释性、扩展性与安全性——这才是技术革命的真正基石。