Manus 的三大绝活：为什么 Meta 甘愿花数十亿

系列导航

• 第一篇：破除”套壳”迷思
• 第二篇：代理的真实价值（本篇）
• 第三篇：Meta 的终局

一、开场：能力过剩的时代

你有没有想过这个问题：为什么 ChatGPT 能写代码，却写不出一个能自己跑代码的程序？

这就是”能力过剩”的本质。

模型已经足够聪明，能理解你的需求、规划执行步骤、甚至自我纠错。但它缺少一个东西：一个安全、可靠、可扩展的执行环境。

Manus 的三大绝活，就是在解决这个问题。

二、绝活一：每个人拥有一台云端计算机

这是 Manus 最本质的差异化特征。

2.1 不是聊天窗口，是真正的操作系统

当你启动 Manus 时，系统会在云端毫秒级启动一个 Linux 沙盒环境。

这不是一个受限的聊天窗口。这是一个完整的操作系统。

Manus 拥有 Root 权限，可以：
– 安装软件
– 运行 Shell 脚本
– 管理文件系统
– 编译代码
– 甚至创建数据库

换句话说，Manus 的能力边界不再受限于开发者预置的工具（比如”计算器”或”天气插件”），而是受限于计算机科学本身的边界。

2.2 即时扩展能力

假设 Manus 需要一个特定的 Python 库来解析复杂的 PDF 表格。

普通 Agent：只能用预置的工具，无法处理。

Manus：直接在沙盒中运行 pip install camelot-py，即时扩展能力。

这意味着 Manus 不是一个”固定功能集”的工具，而是一个图灵完备的计算环境。

2.3 安全隔离与大规模编排

但这里有个问题：让 AI 编写并执行任意代码是极度危险的。可能导致注入攻击、资源滥用、甚至系统崩溃。

Manus 怎么解决的？

它构建了一套大规模的虚拟化基础设施，能够安全地编排数以万计的临时微虚拟机（MicroVMs）。这种技术（可能类似于 Firecracker MicroVMs）保证了：
– 每个用户的环境完全隔离
– 任务结束后立即销毁
– 既保证了灵活性，又确保了安全性

2.4 “广度研究”：并行计算的威力

基于这一强大的 VM 基础设施，Manus 推出了名为”广度研究（Wide Research）”的功能。

场景：用户要求”研究财富 500 强每一家公司的 AI 战略”。

普通 Agent：尝试串行处理（1 到 500），耗时极长，容易出错。

Manus：动态衍生出多个子 Agent，每个子 Agent 分配独立的计算资源，并行处理任务子集。

这本质上是在利用云计算的弹性来弥补模型速度的限制。

三、绝活二：CodeAct——从 JSON 到 Python 的跃迁

这是一个被低估但至关重要的技术细节。

3.1 传统”工具调用”的局限

目前主流的 Agent 框架（比如 OpenAI Assistants API）使用”函数调用（Function Calling）”模式。

工作流是这样的：
1. 模型思考
2. 输出 JSON 格式的工具参数（如 {"tool": "browser", "query": "Meta stock"}）
3. 系统解析 JSON
4. 调用外部 API
5. 返回结果给模型

缺陷在哪？

这种模式极其脆弱。模型必须严格遵循 JSON 语法，且无法在单次交互中处理复杂的逻辑（比如循环、条件判断）。

如果需要批量处理 100 个文件，模型可能需要进行 100 次 API 交互。效率极低，容易出错。

3.2 CodeAct 的优势

Manus 让模型直接编写并执行 Python 代码作为行动手段。

例如，用户说：”遍历当前目录下的所有 Excel 文件，读取第三列数据，计算平均值，并绘制图表。”

Manus 的模型不是输出 JSON，而是写一段 Python 脚本：

import pandas as pd
import matplotlib.pyplot as plt
import os

files = [f for f in os.listdir('.') if f.endswith('.xlsx')]
all_data = []

for file in files:
    df = pd.read_excel(file)
    all_data.extend(df.iloc[:, 2].tolist())

avg = sum(all_data) / len(all_data)
plt.plot(all_data)
plt.axhline(y=avg, color='r', linestyle='--')
plt.savefig('result.png')

这一整套复杂的逻辑可以在一个代码块中完成，由 Python 解释器负责精确执行。

3.3 自我修正的闭环

如果代码报错，Python 解释器会返回精确的 Traceback 错误信息。

模型读懂错误信息后，可以像程序员一样 Debug 并重写代码。

这种闭环极大地提升了任务成功率。

数据证明：研究表明，CodeAct 架构在复杂任务上的成功率比传统方法高出 20% 以上。

四、绝活三：上下文工程——如何处理海量数据而不”遗忘”

“上下文窗口”是 AI 最昂贵的资源。

Manus 团队在”上下文工程”上进行了极深的技术堆栈优化。

4.1 文件系统即记忆

Manus 并不试图把所有历史信息都塞进上下文窗口。

它利用 VM 的文件系统作为无限的外挂记忆。

场景：Agent 需要阅读一份 500 页的财报。

普通 Agent：试图把 500 页内容 Token 化填入窗口，导致窗口爆炸或”迷失中间”现象。

Manus：把财报保存为 /data/report.pdf。模型在上下文中只看到文件路径。当需要回答”第三季度营收”时，模型编写代码去搜索读取文件中的特定段落。

意义：这种”隔离上下文”策略，使得 Manus 能够处理海量数据而不降低推理性能。

模仿了人类使用资料（查阅而非背诵）的方式。

4.2 KV-Cache 命中率优化

在长达数十步的 Agent 交互中，重复计算历史 Token 会带来巨大的延迟和成本。

Manus 通过严格的前缀稳定性（Stable Prefixes）和仅追加（Append-Only）策略，最大化了底层推理引擎的 KV-Cache 命中率。

技术细节：即使是一个 Token 的微小变化也会导致后续 Cache 失效。

Manus 在系统 Prompt 设计上极度克制，确保静态指令区与动态交互区的严格隔离，从而实现了极高的响应速度和更低的推理成本。

五、对标竞品：Manus vs. OpenAI Operator vs. Devin

现在你可能想问：那 OpenAI 的 Operator 呢？Google 的 Gemini Agent 呢？

让我们做个横向对比。

5.1 Manus vs. OpenAI Operator

早期评测显示，Operator 虽然背靠 GPT-4o，但在复杂长程任务上表现不佳。

它经常需要用户确认，且难以生成持久化的成果（比如网页无法打开）。

相比之下，Manus 由于拥有文件系统和 Python 解释器，能够生成并托管完整的多页面网站或交互式图表。

交付物是”实体”而非”截图”。

5.2 Manus vs. Devin

Devin 是垂直领域的王者（编程），但 Manus 是通用领域的霸主。

对于 Meta 的广泛用户群（中小企业主、创作者、普通消费者）而言，一个能帮忙”制定旅行计划并预订酒店”或”整理税务发票”的 Manus，比一个只会写代码的 Devin 更有价值。

5.3 GAIA Benchmark 表现

Manus 在 GAIA（General AI Assistants）基准测试中取得了 State-of-the-Art（SOTA）的成绩。

GAIA 的设计初衷就是为了测试 Agent 在现实世界中的工具使用和多模态推理能力。

Manus 的优异表现证明了其”虚拟机 + 代码”架构在解决非结构化现实问题上的优越性。

六、为什么这三大绝活不可替代

你可能还在想：那如果 Claude Opus 4.5 或 GPT-5.2 变得更聪明，是不是就能自己做这些事了？

答案是：不能。 而且这不是能力问题，是架构问题。

模型再聪明，也只是一个概率性的文本预测引擎。它无法：
– 安全地执行任意代码
– 管理长程状态
– 处理大规模并行任务
– 从错误中自我修正

这些能力需要基础设施，而不是更大的参数。

Manus 的三大绝活，正是这套基础设施的核心。

七、数据的力量

还有一个被忽视的价值：数据。

Manus 已经处理了 147 万亿 Token 的 Agent 交互数据。

这不仅仅是聊天记录，而是“目标 → 规划 → 代码 → 调试 → 成功”的完整执行链条。

这种数据在公开网络上无法获取。

这是 OpenAI 开发 o1（Strawberry）模型的核心秘密。

现在 Meta 通过收购 Manus 也掌握了这一资源。

八、下一篇预告

现在你知道了 Manus 的三大绝活。

但你可能还想知道：Meta 为什么要收购它？这背后的战略意图是什么？

下一篇，我会讲：
– Meta 的短板：有”脑”无”手”
– Alexandr Wang 与”过程数据”的金矿
– 2026 年的”数字员工”时代

参考链接
– Manus Joins Meta for Next Era of Innovation
– Meta to Acquire Startup Manus – Bloomberg