图解Manus产品/技术/体验的最新思考

推荐语

Manus内部深度探讨通用Agent的未来发展路径，从产品定位到技术实现一网打尽。

核心内容：
1. 产品哲学：通用智能体与垂直专家的战略选择
2. 技术架构：云端浏览器实现与状态持久化方案
3. 用户体验：兼顾管理者与工程师的双重需求设计

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

核心议题：

• （1）产品哲学：“无所不能的通用智能体”与“精通特定领域的垂直专家”之间，Manus如何定位？产品核心发展路径的“百度模式”与“Hao123模式”的战略类比。

• （2）技术架构：如何构建真正具备Agency能力的云端环境？重点探讨“云端浏览器”的实现路径、跨会话的“状态持久化”核心痛点，以及安全与易用性的平衡。

• （3）用户体验：产品界面如何设计，同时满足“只看结果”的管理者与“关心过程”的工程师？涉及到信任建立、信息过载、以及“渐进式披露”的设计理念。

• （4）人机协作模式：Agent价值究竟在哪儿？从克服人类的认知局限，到具体任务执行细节，探索了人与Agent之间理想的协作与互动模式。

• Chatbot/Hao123模式：像传统Chatbot或导航网站，开发者作为“供给侧”，预先实现和集成各种特定功能（链接)。用户能被限制在已经提供的能力范围内。这种模式拓展缓慢，且容易陷入同质化竞争。
• Agent/百度模式：首先打造具备强大通用能力的底层平台（像搜索引擎，能爬取和理解一切)。这个平台因其通用性，吸引大量用户尝试各种任务（Query)。然后，通过分析高频、高价值Query，反向进行优化，推出“框计算”或“阿拉丁卡片”那样的“预设能力”（Preset)，使得常见任务能够被“秒级”完成。

揭示产品定位的核心分歧与最终选择，确立 Manus 发展范式：通用性优先，逐步沉淀和优化高频场景。通用性是获客和探索可能性的基础，后续优化则是构建核心竞争力和护城河的关键。

通用的代价与边界：承认通用路线的挑战，引入对专业软件和知识冲突的思考

范斌提出挑战：像专业视频剪辑这样的任务，通用Agent如何与FinalCutPro或Premiere专业软件竞争？Agent在理解和操作复杂图形界面(ComputerUse）方面，短期内难以实现质的突破。

Peak则给出更具未来感的设想：如果Agent运行环境是完整的“带桌面环境的虚拟机”，那么完全可以通过模拟人的键鼠操作来直接使用这些专业软件，从而将通用性推向新高度。

Red指出潜在问题—知识冲突。一个无所不学的通用Agent，可能会在不同领域的知识上产生混淆。例如，用于数据科学的严谨知识，可能与用于市场文案的创意知识在底层逻辑上冲突。未来可能需要某种形式的“领域隔离”或“知识分区”机制。

（2）技术基石：云端浏览器

Manus 如何实现对 Web 复杂操作，确立技术实现路径。

如何解决当前Agent产品的核心痛点，构建一个真正稳定、持久且强大的执行环境？

• “Browser in Browser”概念：在用户浏览器中运行云端、被Agent完全控制的浏览器实例
• 张涛调研并分享了XRPA开源项目，将远程应用的界面以流式（streaming）传输到前端（只传有变化的像素区域），解决低延迟远程应用交互问题。

痛点阻击：拒绝“失忆”的 Agent

当前竞品（如 Devin）最大弱点在于“一次性”的会话机制，每次都是全新、无菌环境，导致大量重复工作和糟糕的用户体验。

• Devin session的credential不能持久化

Manus 必须从根本上解决这个问题，实现全面的状态持久化。

• 登录状态（Cookies&LocalStorage)：实现真正“代理”的基石。Agent必须能保持在各种网站登录状态，避免每次都需要用户手动介入。团队目标是用户只需登录一次，Agent就能长期代表用户进行操作。

• 文件系统：为每个用户或项目提供持久化工作目录。所有生成的文件、下载的数据、编写的代码都应该被保存下来，方便在不同会话之间复用和迭代。

• 环境变量与密钥管理：API Keys等敏感信息，直接写入代码或使用传统的.env文件都存在安全隐患或体验问题。Devin提供独立的secret配置界面。Manus需要设计一套既安全又对开发者友好的密钥管理系统。

（3）人机交互：接管与协同

用户界面与交互体验：“信任”与“控制”质检找到平衡

Agent遇到障碍（如复杂的验证码、两步验证登录）时，必须有流畅的机制让用户能够“接管”浏览器，完成操作后，再将控制权交还给Agent，弥补当前AI能力不足、确保任务能顺利完成的关键环节，“人”在回路中的作用。

界面哲学：解构 Devin

界面的双重角色：建立信任与提供控制

Devin界面分为左右两栏：左侧是对话流，右侧是Agent工作区（Planner,Shell,Browser)。

这个设计巧妙地服务了两类不同用户心智：

• 对于管理者/非技术用户（如Red）：可能并不关心右侧窗口里具体的代码或命令，但这个窗口的存在，动态地展示了Agent“正在忙碌”，从而建立起一种“它在认真干活”的信任感。

• 对于工程师/专业用户(以潘潘、范斌)：要看到过程细节，以便进行调试、监督和修正。右侧工作区为提供了这种必要的“控制感”和透明度。

但有明显不足：

• 信息过载：一上来就将所有工作组件（Planner, Shell,Browser,Editor）全部平铺给用户，会造成巨大的认知负担，尤其是对新用户。

• 缺乏全局概览：潘潘(PanPan)尖锐地指出，其Editor没有文件目录树，这对于任何写过代码的人来说都是难以忍受的。“我都没有一个overview”，这使得理解和修改一个稍复杂的项目变得异常困难。

• 功能组织混乱：将表格、文档等不同类型的内容都塞进一个“Browser”标签页里，既不符合用户直觉，也限制了未来的扩展性。

（4）Manus UI设计哲学

Manus 提出自己的UI设计哲学，解决复杂性与易用性的矛盾

• 渐进式披露(ProgressiveDisclosure)：默认呈现给用户的应该是一个极其简洁的界面（可能只有一个对话框)。随着任务的展开，Agent 所使用的工具（如 Shell,Browser）才作为独立的窗口或标签页“浮现”出来。

• 潘潘(PanPan)：“confuse 原因是不是因为上来就什么都在？就如果你想象右边这个类似于就是普通用户用Windows的那个任务栏，一开始其实是只有planner，然后它一点一点随着工作逐渐出来.”

• 操作系统隐喻(OS-like Metaphor)：将不同核心功能（如浏览器、表格、文档编辑器）设计成独立、平等的“一级应用”，而不是混乱地嵌套。用户可以在这些“应用”之间切换，就像在Windows或macOS中一样。这为未来的功能扩展提供了清晰、可伸缩的框架。

OS 隐喻：重构功能层级，Manus 终极形态——不仅仅是聊天机器人，而是云端操作系统。

价值原点：为何要 Agent？人机协作，Agent作为人类心智的延伸，克服人类的认知局限

潘潘(PanPan)和张涛(hidecloud)：人类在执行复杂任务时存在诸多局限，而这正是Agent的优势所在：

• 经验主义陷阱：人倾向于依赖过去的成功经验，即“不知道自己不知道”，从而错过更优的解决方案。

• 缺乏持续性：人很难长时间、高强度地专注于一个任务而不分心。

• 第一性原理：Agent则可以不知疲倦地、始终从“第一性原理”出发，通过全局搜索和评估，寻找任务的最短路径。

• 潘潘(PanPan)：人最大的问题，不知道自己不知道

• 张涛(hidecloud)：但是他永远都会去第一性原理全局激活，相当于。

从哲学层面探讨 Agent 存在的意义，超越工具属性。

EVE Online 启示：复杂系统与长期规划

用游戏类比, 具体化 Agent 在复杂系统中的应用场景。

游戏《EVEOnline》“题外话”：EVE是拥有极其复杂的经济系统和生产链的科幻网游，玩家需要像经营国家一样，进行长期资源规划、生产调度和战略博弈。许多玩家军团甚至需要使用Excel表格来管理其庞大的生产体系。

这恰恰揭示了Agent的潜在的高价值应用场景：作为复杂系统的“总调度官”或“超级助理”，帮助人类管理和优化那些超越了单人认知和执行能力上限的庞大工程。

Manus 核心发展战略：双轮驱动策略。

（5）下一步行动

这两次深入讨论，不仅为Manus项目的正式启动扫清了思想上的障碍，更形成了一系列宝贵、可指导后续工作的核心原则。

• 战略层面，确立了“通用性平台+高频场景优化”的双轮驱动策略。

• 技术层面，明确以“状态持久化”和“云端浏览器”为核心，构建真正具备“代理”能力的架构。

• 产品层面，提出以“渐进式披露”和“操作系统隐喻”为指导，打造兼具信任感与控制感的下一代Agent界面。

最后，团队迅速行动，成立了项目组，共享了前期资料，并明确了在产品定义和技术架构上的分工。旨在重新定义智能体、致力于成为人类强大心智延伸的探索之旅，由此正式启航。

• Manus立项讨论纪要，https://waytoagi.feishu.cn/wiki/HoHaw9muiiZCQxkKoQJclDO0nwb
• ppt原图：https://ai.feishu.cn/wiki/QoUSwuOGIiFYprkXkFNcT2Pxnmd

菜单栏“聊聊”->“大模型聊天”，或直接点击一下链接，可以体验多模态对话

大模型助手（小程序）