实测Manus之后我的几点感受

想了想，还是要写一篇自己的实测感受，

不是简单的功能清单，不是肤浅的喝彩，

不去在意两极分化的评价，

而是分享一些真实的感受和思考，

我们来看一看Manus究竟表现如何..

一句话总结：Manus的工程化做得很好，从“对话式建议”到“自主可控闭环执行”的这个升级，让用户能够直观的感受到AI Agent的自主性，代理性是如何具象表现的，ta不再只是回答，而是行动。不再只是建议，而是执行。 把Agent形态向前推了一小步，当然，缺点就是上下文长度依旧不足以完成复杂任务，而部分能力也有待优化。

Agent的进化：从交谈到行动

不知从何时起，我们开始习惯了与AI交谈，习惯了让大模型充当知识库和思维伙伴。

它们变得越来越擅长理解我们的问题，给出有深度的回答。

然而，对话式回答的本质是咨询，而非执行。

大模型给你建议，但执行依然需要你自己动手。

过去我们解决问题的方式是搭建智能体，手动编排工作流，

通过prompt+工作流+插件+各种API的调用去手动编排，

这种方式，对于更多的普通人而言是很有难度的。

Manus的出现，让我第一次体会到了Agent从“对话建议”到“闭环执行”的这一升级。

关于 Manus 是个啥，已经有很多文章进行解读了，比如一泽的Manus 吹散了人与 Agent 之间的迷雾｜直播测试 8 小时，我对 Manus 真实实测感想这里不再赘述，我们就当它是 AI 操纵着一个部署在云端的无图形界面的虚拟机 & 浏览器，感知电脑环境，执行各类操作。

给它一个任务，它就能自主规划、寻找资源、实际操作，最终交付一个完整的成果。

我们就像有了一个不眠不休的多面手实习生，

你不再需要关心中间环节，只需享受最终的成果。

这是一种新的交互方式，也是一种新的工作关系。

这种变化并非只是功能的堆砠，而是交互模式的本质跃迁：

• 之前，AI是你的对话&思考伙伴
• 现在，AI是你的执行助理

话不多说，直接进入到我的实测环节，用结果说话。

我的实测案例

为了珍惜机会，我使用“标准”模式（而非“高投入”模式去探索Manus的能力边界）进行了多个不同领域的任务测试。

我想知道在实际场景中，它到底能走多远。

一、分析研究篇

1. 注意力越来越稀缺，FOMO如何影响我们的注意力分配？

这个任务涉及到专业领域的学术研究，我想测试Manus在处理学术类问题上的能力。

• 测试链接：https://manus.im/share/HqAtcKFZi6N1asxd8libIZ?replay=1

• 测试提示词： 为了不影响阅读体验，可以直接看图

• 测试结果：任务完成度比较高，通过评价来看算是80分的作品。

它先浏览了相关资料，进行了素材收集，然后整理汇总，修改行文逻辑，最后编辑成文输出，由提出这个case的群友@韩跑跑 反馈的评价：

• ta研究报告这个格式以及章节分布基本上就是一篇论文，如果稍加改正，加入一些自己的研究数据与结果，可以成为一篇粗略的大学生本科论文了
• ta在里面所给出的参考文献真实存在，在网络上可以查到相应的论文（这比OpenAI公司的DeepResearch要好，因为用DR的很多学术参考都是找不到的）
• 对fomo的研究分析很给力，但是后面的应对策略等建议性的东西有些泛泛而谈，不深入.

一句话评价：这个对学术类型的研究或者是一些科学性的知识的学习（比如说：fomo的神经机制；抑郁症的相关生理表现等等）ta真的是一个非常好的工具，大大节省了自己检索的时间，效率助手。

2. FDI对长三角地区产业升级的影响实证分析

第二个测试案例是特定地区的经济分析，这类任务通常需要专业的数据收集和分析能力。

• 测试链接：https://manus.im/share/SYfLdFC6b46xEyyrs2LquK?replay=1

• 测试提示词：

  "我想写一篇'FDI对长三角地区产业升级的影响效应研究'，研究外商投资对产业升级影响，请你结合全网资料，进行研究报告的分析和输出，完成论文实证分析全流程。"

• 测试结果：任务完成。

Manus先收集资料，然后进行数据分析，设计研究方法，完成实证研究，最后撰写并完善了整篇论文。

当然我们可以看到，它的任务清单里面其实有两项任务是没有完成的，具体原因我也不太清楚-.-。

具体这个资料的完成度和分数需要大家打分了。

二、日常工作篇

1. Monica产品研究分析

互联网从业者们很头秃的一件事就是，经常需要对新产品进行研究分析。这次我想测试Manus在产品分析方面的能力。

• 背景说明：某些岗位经常会遇到一个新产品，然后需要快速调研使用它，或者研究产品的新功能更新。这类工作完全可以交给Manus处理。

• 测试链接：https://manus.im/share/9ILnKYG7XX0AtRCDjHCa70?replay=1

• 测试提示词：

  "我现在拿到一个新的AI产品，名字叫Monica，请你帮我写一份产品分析报告。 注意，去找它最强的能力点，然后匹配能解决谁的什么任务。对比之前的方案，能力怎么样，其它的类似竞品都有哪些，请形成一份完整的报告。"

• 测试结果：任务完成质量超出预期。

Manus自主进行信息收集->竞品研究->对比分析->报告撰写->最终交付。

看了下里面的数据和竞品相关信息都是比较准确的，问了问小伙伴，基本上能解决她们的基本诉求，70分的水平。

2. 对谈文稿转短视频

另一个常见需求是将长视频或长文字内容提炼成精简的短视频脚本。

• 背景说明：需要把几个小时的访谈稿提炼成15分钟的视频脚本，涉及信息提取和风格统一等问题。

隐私数据暂不对外分享。

• 测试结果：任务完成度比较高。

Manus首先进行内容提取与分析，然后创作视频脚本（包括粗剪和精剪），最后整合所有内容形成完整视频脚本。

它甚至还给出了访谈记录中的一些金句提炼（80分），但是在最终主题的完整性上，觉得ta只读了前一半内容，后一半内容有所丢失（50-60分）。

这里我觉得还是跟上下文的长度有极大关系，而且是一次性成文，我没有也懒得跟ta反复拉扯，这样还会起到反效果..

三、课程打磨篇

1. "管理学-任务分配与授权"主题课程设计

来自朋友的一个实际问题，我想测试Manus在教育领域的能力，特别是课程设计方面。

• 测试链接：https://manus.im/share/2Z9Jv3tm8rpEn2WXHkYLpi?replay=1
• 测试提示词：为了不影响阅读体验，可以直接看图

• 测试结果：思路正确，但最终结果失败。

失败原因是上下文内容过长，系统无法处理。 这个也是目前Manus最大的一个问题，基础模型的局限性导致无法完成更多任务，资源不够导致很多场景实现不了。

从图中我们可以看到前半部分的内容已经完成，我拿给朋友看，表示很出乎他的意料，质量75分以上是有了。

2. DeepSeek相关内训课程体系方案设计

这是另一个课程设计相关的测试，目的是与Manus协作打磨一个优质的课程体系。

• 测试提示词（概述）：

  "我现在在做一份DeepSeek AI内训课程，课程内容如附件所示，背景XXX，目标XXX，现在我感觉课程不够体系化，上下之间的逻辑感觉比较混乱，请你根据上述的背景信息来帮我实现整个课程大纲的优化，内容一定要足够丰富，有逻辑！"

出于隐私数据方面考虑，链接?先不贴了。

• 测试体验：执行了两次，第一次因为让它帮我输出PPT导致上下文内容过长而中断。第二次它自己进行了调研和分析，提供了优化后的大纲，我在过程中不断打断它进行对话调整，最终得到了一个约80分的课纲内容，大大减少了调整的时间成本。

四、幻想篇

1. 如何挣到100万？

我也想测试一些抽象的问题，看看Manus如何处理这类开放性任务。

• 测试链接：https://manus.im/share/2Z9Jv3tm8rpEn2WXHkYLpi?replay=1

• 测试提示词：

  "一个普通人，如何用100元，在短期内挣到人生第一个100万元？请给出切实可行且正确的方法，穷尽你的思考，可以全网搜集全部相关资料。"

• 测试结果：任务完成，中途因为资源问题断了一次，重试后最终输出了结果文件，给出了分阶段分时期的可行性路径，具体能不能挣到100万大家可以试试。。。

2. Manus玩红色警戒？

看到一泽测试了2048和宝可梦的case，我很想让它无头环境下玩玩CS或者是红色警戒之类的经典游戏，奈何次数不够了..

改天再测吧，看看ta会如何执行..

对Manus的几点思考

1. 抛弃不切实际的幻想

在实测过程中，我最深刻的体会是：

当你拥有了这样一个Agent之后，你能让它做什么。

如何提出一个好问题，如何实现一个有意思的场景，如何解决一个痛点问题，就是所有人需要考虑的了…

我看到很多人提出“制作一个好玩的游戏”、“做一个牛X的网站”这种虚无缥缈的需求，

就好比许愿生子，出来的是"灵珠"还是"魔丸"全看运气。

这种测试方式其实是对工具的误用。

真正有效的使用方式是提出明确、具体、有边界的任务。

即使是最强大的工具，也需要明确的指导才能发挥最大价值。

2. 一些现阶段待解决的问题

• 当上下文内容过长时，系统会出现中断，在处理特别大型的资料集或复杂任务时仍有瓶颈。
• 在某些测试案例中，任务中途因资源问题断了一次，需要重试才能完成。
• 对于需要多重深度逻辑推理的任务，特别是那些需要在多个领域间建立复杂联系的问题，Manus有时会采取相对保守的途径，不够创新。
• 当任务中断时，恢复机制并不完善。理想情况下，应该能从断点继续，而非重新开始，特别是对于耗时的复杂任务。

等等，我们需要正确认识到目前Manus的一些局限性，才能更好地应用，有一些问题是目前大模型和Agent类都会面临的，期待后续能有很好的解决方案。

3. Manus的最大价值所在

很多人说 Manus 用的这些技术并无壁垒，甚至几个小时就能复刻，种种舆论缠身。

但我觉得，

如果说DeepSeek的发布，让更多的人了解到了AI，知道了AI的能力。

那么Manus的发布，我觉得最大的贡献是可以让更多的人对于Agent，智能体的概念有一个明显的感知，再一次拓宽了公众所知的AI能力认知边界。

对于大多数人而言，可以把Manus当成一个真正的实习生来使用。

但同时，我们也不应过度“神化”或“污名化”它。

Manus的发布必将催生出新一代AI Agent的应用生态，

各大厂商也会加快脚步追赶这一趋势。

可能也是Manus可能面临的困境，通用Agent几乎就是大厂前进的必经路线。

4. Less Structure, More Intelliengence

Manus尽量减少人工对模型的控制，只需要做好铺垫，

让AI自己发挥，内化相关能力。

这也是业内大家讨论比较多的一个非共识，

比如 Flood Sung 就在 Kimi 发布 k1.5 时表态，

“现在的各种 Agentic Workflow 就是各种带 Structure 的东西，它一定会限制模型能力，没有长期价值，早晚会被模型本身能力取代掉。“

Manus 就是这样的设计，没有任何搭建的 workflow，所有的能力都是模型自然演化出来的，而不是用 workflow 去教会的。

初创团队的决策性就是很容易达成一致，这是相比大厂最大的一个优势。

5. Agent时代的工作与生活

随着Manus等Agent技术的发展，我们的工作方式肯定会发生一些改变：

1. 职责重新划分：重复性、机械性的信息处理任务将大量交给AI Agent，人类则专注于创意、决策和人际互动。

2. 管理AI的技能：未来的核心竞争力之一将是如何有效地管理和指导AI Agent，就像管理一个团队一样。

3. 并行处理能力：通过同时部署多个Agent处理不同任务，工作效率将大幅提升。

正如Manus团队所提出的新指标"Agentic Hours per User (AHPU)"所揭示的那样，

未来的生产力将取决于用户能够有效委托给AI的任务时间。

结语：少一些恶意，多一些美好

人与动物最大的区别在于人类会使用工具，

而现在，我们也赋予了AI使用工具的能力，

如今，Manus的出现，让我们站在了一个新的十字路口 ——

当AI不再只是静态的工具，而是能够“思考”并“行动”的助手时，我们与技术的关系究竟会走向何方？

像一个孩子学会了走路，我们的数字伙伴正在学习如何自主行动。

它们不完美，偶尔会摔倒，但每一次尝试都在重新定义人机协作的边界。

Agent的意义或许不在于它能替我们做什么，而在于它让我们能更专注于做什么？

也许，真正的价值不在技术本身，而在于它为人类创造的空间 ——

去思考、去创造、去感受、去与他人建立更深层次的连接。

技术不只是达到目的的手段，它更是一种“揭示”的方式，揭示世界的同时也揭示了我们自己。

Manus团队在创造“能做事”的AI的同时，把Agent形态向前推了一小步。

希望对于初创团队多一些包容，

希望世界少一些恶意，

多一些美好

注：文中所有测试链接及体验均基于Manus标准模式，未使用高投入模式。部分测试链接因隐私原因未予公开。