AI Agent“Manus”引发关注，其本质是“推理模型+RPA”，通过自主操控计算机完成任务，各大公司均在探索类似应用。
原文标题：从 LLM 到 Agent：Manus 们莫不是「推理模型 + RPA」 ？
原文作者：机器之心
冷月清谈：
怜星夜思：
2、文章提到 AI Agent 更像是实现了新型自动化的 RPA，那么 AI Agent 和传统的 RPA 相比，核心的区别在哪里？AI Agent 会完全取代 RPA 吗？
3、文章提到 Gartner 预测到 2028 年，至少 15% 的日常工作决策将通过 AI Agent 完成，你认为哪些领域会率先应用 AI Agent？这会对我们的工作和生活带来哪些影响？
原文内容
本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。
近期，由蝴蝶效应公司推出的一款通用 AI Agent 产品「Manus」在 AI 圈内引发了极多的关注。
去年 10 月，在微软、谷歌、Anthropic 等巨头大厂集体发布 AI Agent 方向功能的热潮之时，「机器之心 PRO 会员通讯」发布了一篇深度解读《从文本到屏幕：「Project Jarvis」们能实现 AGI 吗？》，对用作 Browser Use、Computer Use 的 AI Agent 等进行了深入探讨。RPA Agent 正在成为各家大厂巨头实际业务落地的方向，尽管各有差异，但均是为其已有或重点业务方向所服务。
目录
01. 「Manus」 爆火，与以往的 AI Agent 产品有何不同？
「Manus」 为何突然爆火？热度之下，实际能力如何？与以往的 AI Agent 产品有何不同？
02. 用 AI 操控计算机，RPA Agent 成为更实际的落地方向
为什么说 AI Agent 实际上就是更先进的 RPA？AI Agent 和 RPA 有何不同？
03. 微软、谷歌等 AI 头部公司为何都选择自主 AI 操控计算机成为下一步方向？
微软、谷歌、Anthropic 在 AI Agent 方面的动作有何异同？
04. 实现自主操控计算机的 AI Agent 需要哪些方面的能力？
AI Agent自主操控计算机需要具备哪些能力？.....
1、近期，由蝴蝶效应公司推出的一款通用 AI Agent 产品「Manus」在 AI 圈内引发了极多的关注，被称为是「全球首款真正自主的 AI Agent」，甚至出现了邀请码「一码难求」的情况。
2、在「Manus」公布的官方 Demo 演示中，展示了其可以进行市场调研、繁琐文件批量处理、旅行规划以及专业数据分析等任务的能力。与以往的 Browse Use、Computer Use 的 AI Agent 最大的不同是，「Manus」给自己配备了一个独立的虚拟云端浏览器，而不是直接操控用户的电脑。在与用户对话的屏幕右侧，「Manus」会将其执行任务的过程呈现出来。
3、在其官方组织的闭门会上，同样也着重提到了这一点，即坚持「Less structure，more intelligence」的理念，减少对 AI 的结构化限制，依赖模型自主进化能力，而非人工预设流程。通过给 Agent 配备「电脑」的形式，让其获取访问浏览器和工具的能力，而不是 AI 频繁打断用户。
4、但「Manus」的实际能力如何，是否真如其官网 Demo 所展示的「丝滑般体验」？机器之心等多家科技媒体以及个人用户进行了实测，主要测试围绕在针对「Manus」的专业内容分析、代码开发与工程问题解决、复杂任务拆解与执行等方面的能力。综合各家实测情况来看，「Manus」的效果一般，并未超出已有的 AI Agent 产品的预期，如会出现在调用其他平台的 API 时会发生错误、处理复杂任务时易触发服务器宕机等情况。
5、实际上，做「Manus」的技术难度并不大，可以简单理解为「大模型主干+多个小模型组件」的架构。「Manus」 采用了「Multiple Agent」（多代理）的架构，运行在独立的虚拟机中。架构包含规划代理、执行代理和验证代理，通过分工协作机制来提升复杂任务的处理效率。
6、更通俗一点来讲，可以理解为「手脑协同」的模式，「Manus」以基础大模型为核心，作为「大脑」来提供通用的智能和推理能力。在这个基础上，通过多个小模型组件（如规划代理、执行代理和验证代理）分工协作，分别负责任务规划、具体执行和结果验证。这些小模型组件就像是「手脚」，能够灵活地完成各种具体任务，比如编写代码、浏览网页、分析数据等。
7、也因为技术难度相对并不大，后续开源社区中出现了一些针对 Manus 的开源项目，比如 CAMEL AI 团队开源的 OWL 和 MetaGPT 团队开源的 OpenManus。
8、「AI Agent」更像是实现了新型自动化的 RPA（机器人流程自动化）。RPA 主要使用结构化数据和规则执行预定义的重复任务，而 Agent 可以根据复杂的数据和上下文做出决策并适应情况，本质上即是在用户交互界面级别模仿人类行为。[2-13]
9、Anthropic 首席科学官兼约翰霍普金斯大学副教授贾里德·卡普兰 （Jared Kaplan）曾表示：「我认为我们将进入一个新时代，模型可以使用人类使用的所有工具来完成任务。」，而让 AI Agent 使用人类所有工具来完成任务对于目前来说，仍是一种畅想。可以说，「Manus」们正在做的都是同一件事情。
10、同样，在去年 10 月，在微软、谷歌、Anthropic 等巨头大厂集体发布 AI Agent 方向功能的热潮之时，「机器之心 PRO 会员通讯」就发布了一篇名为《从文本到屏幕：「Project Jarvis」们能实现 AGI 吗？》的深度解读，对用作 Browser Use、Computer Use 的 AI Agent 产品/功能进行了深入探讨，后续小节内容节选自该篇解读。
