这太正常了，要是国外有大量关注就属实是邪了门了。国外很少有人关注，最大的原因有两点，这是由营销投放方式和产品本身的提点决定的。
一方面，这种网红产品，能在国内刷屏爆火，主要是国内的各种公众号自媒体转发，伴随着"厉害了"，"世界第一"之类的夸张语言，极大地刺激了观众的好奇心，别忘了，这时候正是DeepSeek大模型的风头上，Manus在国内的广告营销方式，多少有点儿借这股东风宣传自己的意思。
反观国外，只有比较少的几家推特帐号在介绍，然后迅速就烟消云散，消失得无影无踪了，原因很简单，可能是因为没往国外投放大量的营销费用，更没有很多自媒体营销号刷屏式的传播，所以自然就掀起不了太大的波澜。
所以可以说这种营销手段是通过英文网站和英文介绍，然后出口转内销式的营销传播模式，才被国内广大群众熟知，而不是真正从国外一直火到了国内，这种营销手段有点东西，用起来也算是炉火纯青了。
另一方面，国外以美国用户为主的大量普通用户们，是可以直接使用 OpenAI 等等开发的 AI Agent 产品的，于是乎他们对这类AI Agent本身就有概念。而国内则相反，在Manus掀起这波营销热潮之前，实际上广大普通用户对普通AI Agent产品所知甚少，了解极其有限。
哪怕到了现在，到了今天，能真正体验Manus产品的用户仍然少之又少，还是只能从媒体里从各种营销文章中了解，被动地接受。所以Manus能迅速在国内大火，主要得益于所对标的OpenAI所发布的AI Agent 产品，发布后订阅价格太贵并不为大众所熟悉。其实除了Open 的各种AI Agent，国外很多用户还能接触到马斯克的Grok的各种AI Agent 产品，比如deep search，还有Google Gemini系列的deep research产品等等等等。
我简单介绍一下Manus的工作原理，这种典型的AI Agent基本都差不多，我之前也介绍过，Manus 的处理流程从任务规划器开始，主要依据用户输入的查询 prompt 进行解析。任务规划器可能使用 Claude 3.5 Sonnet，据说后面他们会升级到3.7，依托其强大的语言理解和推理能力，将较为复杂的用户请求拆解为一系列可执行的子任务。这些子任务通常已经非常细化，以至于到了可以直接执行的程度，随后被组织成一个 Todo List，为后续的执行环节提供比较清晰的指引。然后到了任务执行调度器，可能基于微调的 Qwen 模型，负责将这些子任务分配给相应的专用 Agents。Qwen 模型在任务分配过程中确保任务与执行 Agent 之间的最佳匹配，综合考虑子任务的性质、优先级、依赖关系，来优化执行效率。
这些拆分之后的，专用 Agents 通常运行在 Linux 虚拟机上，虚拟机预装了 Chrome 浏览器和 Python 环境，以支持多种任务类型的执行。于是每个 Agent 侧重于特定类别的任务，比如网页浏览 Agent、数据分析 Agent、代码执行 Agent、文本生成 Agent 等等等等，未来还可进一步扩展。任务完成后，最终由任务汇总生成器，可能仍然依赖 Claude模型，整合所有执行结果，生成结构化的最终输出，可能包括文本报告、图表或者 Python 代码等等等等，以满足用户输入的prompt需求。
这是现在最典型的AI Agent产品，你问我将来随着底座模型的发展和技术进步，会不会依然保持这个framework整体架构，其实我觉得不一定，之前也多次提过，因为现在的AI Agent产品几乎是完全模拟人类的GUI操作习惯而训练的，不一定是最终形态。至于将来基于大模型的AI Agent产品会往哪个方向继续演进和发展？谁都不好说。
如果你经常用Grok3 的deep search或者Google Gemini的Deep Research这类非常接近OpenAI 的DeepResearch AI Agent产品的话，会对上面整个流程非常熟悉。
为了让大家有更直观的认识，我随便举个例子，让Grok3 的deep search 分析特斯拉的股价走势（写文章时间是3.22号），生成一份报告。结果中便可以看出来，AI Agent所做的工作其实就是，首先进行用户需求解析，然后进行网络搜索，分析股价走势，等等等等，最后再整理引用来源，生成最终报告。
当然这里用的基座模型不同，Deep Research 用的都是自己的大模型，比如Grok3的推理模型，如果是Google 的Deep research 产品，用的基座模型是Gemini系列。
其实从这里也可以看出来，相比之下，Manus没有自己的基座模型，毫无任何护城河可言，所以被复刻也是很容易的，保持自己的优势很难。这也从侧面解释了Manus这类产品终究只是一阵风，营销热度过去后，留下的东西其实不多。
没有评论:
发表评论