MetaGPT团队3小时复刻Manus，Agent赛道门槛真的低吗？
MetaGPT团队复刻Manus的背景与过程
Manus爆火与复刻浪潮
Manus的爆火成为科技圈热议话题，随后出现了许多开源替代方案。MetaGPT团队仅用3小时就复刻出OpenManus，开源社区CAMEL-AI团队也迅速复刻出OWL。这表明Agent的门槛可能没有想象中那么高，引发了人们对Manus独特性的思考。
00后主导复刻工作
MetaGPT团队的00后成员在复刻Manus过程中发挥了关键作用。向劲宇和梁新兵都是00后，他们有着不同的教育背景和丰富的项目经验。向劲宇在面对Manus的功能时，认为复刻其开源版本并不困难。梁新兵迅速响应并做了调研，团队经过讨论后加班赶出开源版本，发布后在GitHub上迅速获得大量关注。
OpenManus的工作原理与后续发展
OpenManus的工作逻辑
OpenManus是一个多智能体系统，其工作逻辑借鉴了Manus。它先通过PlanningTool做规划，形成包含多个任务的线性结构计划，然后按顺序执行任务并动态分配给相应的Agent。Agent以ReAct循环形式调用工具完成任务，其中Prompt控制行为逻辑，Tools给定行动空间。
OpenManus的后续计划
梁新兵表示，OpenManus后续将从多个方面提升效果，包括增强Planning能力、引入标准化评测、拓展模型适配以及实现容器化部署等。虽然目前OpenManus效果有限，但他们希望依靠开源社区不断优化，以达到更高的智能涌现。
Manus的竞争力与面临的挑战
Manus的产品优势
Manus能在多个领域为用户提供帮助，如旅行规划、股票分析等。在官方视频中，它能快速完成复杂任务，用户只需简单输入指令就能得到成品。其核心理念是给予AI更多自主权，这让用户体验更加出色。
Manus的技术壁垒争议
MetaGPT团队和开源社区的快速复刻让人们质疑Manus的技术壁垒。尽管Manus使用了不同的微调模型，但随着大模型能力增强，可能会将其功能内化。Manus创作团队的实力以及产品在规划等方面的优势也不容忽视。
Agent赛道的发展前景与难题
Agent元年的机遇
2025年有望成为AIAgent元年，大模型性能提升与成本降低为AI大规模应用奠定了基础。Manus的发布加速了AIAgent落地，其在满足Agent交互需求方面的突破标志着Agent应用进入新阶段。
Agent面临的技术难题
大模型幻觉困扰着AI落地，在规划、记忆和工具调用方面也存在难点。在规划上依赖模型能力和外部结构辅助；在工具使用上，存在工具选择和参数定义等问题；在记忆环节，处理长程任务时如何压缩上下文是挑战，同时还要考虑降本增效，因为成本也是制约Agent商业化的因素。
Agent的商业化思考
Agent商业化的关键在于满足真实场景中的任务需求并做到极致。目前Agent在不同任务中的成功率有限，提升成功率以满足用户期望是吸引用户持续使用的关键。从代码生成场景看，多智能体商业前景较好，而Manus的爆火也为行业吸引了潜在用户，促使更多团队进行产品化探索。
相关问答
MetaGPT团队为什么能快速复刻Manus？
MetaGPT团队有着在AI场景自动化和智能体框架上的技术积累。他们认为极简Agent框架是可插拔的Tools和Prompt组合，沿着这个思路写了Agent迷你框架，从而快速复刻。
OpenManus与Manus有哪些相似之处？
OpenManus在工作逻辑上借鉴Manus，例如都采用PlanningTool做规划，并且都是多智能体系统，Agent执行任务时都以类似的方式调用工具。
Manus的爆火对Agent赛道有什么影响？
Manus爆火加速了大众对AIAgent的科普，吸引了潜在用户群。从投资人和创业者角度看，增强了他们在Agent技术和产品化方面探索的信心，预计会有更多类似产品出现。
Agent在工具调用方面面临哪些挑战？
当工具数量增加时，Agent在解决同一任务时准确选择合适工具是挑战，并且工具参数定义不合理或不明确时，会导致大模型生成调用工具决策出错。
如何解决Agent在记忆环节的问题？
目前Agent在处理长程任务时，如何压缩上下文并存储到记忆中且保证关键信息不被修改或遗漏是挑战，需要研究有效的压缩和存储方法。
Agent商业化的关键因素是什么？
Agent商业化的关键在于将真实场景中的任务和效果，包括个性化功能做到极致，提升在各种任务中的成功率，满足用户期望，这样用户才会持续使用。
