不吹不黑，拿到推荐码一手实测Manus，还有人在0天内复制开源版。

我们记录了这篇文章 Manus 具体的使用体验，并介绍 Manus 开源复刻版。

昨天，一个叫「Manus」的通用 AI Agent 商品引起了热烈的讨论。它可以完成各种任务，如文件处理、数据分析、代码编写和内容创作，如帮助用户生成旅行计划、分析股票数据、筛选简历或开发简单的网络游戏。

可是，因为「Manus」只发了少量的推荐码，可以体验到目前这个应用的人数还是比较少的。在电商平台上，推荐码的价格一度被炒成几万块，甚至有人帮别人申请。 Manus 推荐代码业务。

一系列的行为，让很多人无法直接体验。 Manus，这也为 Manus 吸引了不少质疑的声音。

自然，每个人最关心的还是 Manus 究竟好不好用，这也是 Manus 的核心。

得到推荐码后，机器之心进行了一些测试，并且在体验过程中感受到了什么。 Manus 写出了优点和缺点。我们不做 「吹捧」语言描述风格，仅供大家参考。

另外，我们还注意到，有些执行力很强的人。 Agent 这个团队已经完成了 Manus 包括开源复刻，包括 CAMEL AI 团队开源的 OWL 和 MetaGPT 团队开源的 OpenManus。

根据机器的心观察，AI 学术 / 对于技术社区 Manus 爆红保持相对理性的态度，尤其是 Agent 该领域的专业人员。怎样看待？ Manus，在了解了相关信息之后，读者可以自己判断。

下一步，我们先分享一下。 Manus 具体使用体验。

Manus 效果如何？机器之心实测

先来个基础，「写一个贪吃蛇小游戏」。是啊，提示就这么简单，看看吧， Manus 能不能给我们带来惊喜？

按下发送键后，Manus 一共执行了 5 多分钟，包括建立贪吃蛇游戏文档、实现游戏基本机制、添加用户控制功能、开发记分系统、测试游戏功能、编写游戏说明文档、包装和交付游戏等多个步骤。

下载其输出压缩包，看看效果如何。更令人费解的是，Manus 此次输出结果为双压缩包，即经过两次压缩的压缩包。

测量一下，是可玩的。Manus 确实完成了贪蛇游戏的基本逻辑和评分系统，但似乎没有设置撞墙死亡的判断，游戏只有撞到自己才会结束。另外，它的网格线设计太明显了。 —— 但是如果我们能够在提示词中给出进一步的详细描述，效果应该会更好。

下一步，我们放手 Manus 分析一下 Manus 主题的传播趋势，我们给出的提示是：「搜索网络，分析网络 Manus 主题传播趋势，并写一份汇报总结。」

这一次，Manus 思考的时间更长，实现了。 14 分分钟，同时也分为 7 步骤：搜索 Manus 主题基本信息，分析 Twitter 平台上的 Manus 主题传播趋势，搜索其它社交平台 Manus 关于提及，整合趋势分析数据，编写传播趋势汇报总结。

每一步都包含几个小步骤，比如写一个。 Python 脚本来使用 Twitter API 等等。

并且在执行过程中，我们也可以执行。「Manus 的电脑」，查看浏览网络和撰写报告的过程。

但这次，Manus 比如在表现不佳的情况下，「分析 Twitter 平台上的 Manus 主题传播趋势」这个步骤，它没有成功地使用。 Twitter API，所以找不到任何有用的信息。它给出的解释是：「我注意到在 Twitter API 在搜索中找不到 Manus 有关文章。也许是因为 Manus 这是一种较新的产品，或者需要调整搜索条件。在其他平台上我会继续搜索 Manus 提及情况，深入分析其传播趋势。」考虑到 Manus 目前的热度，这种解释显然是不正确的。

不管怎样，还是来看看报告的结果吧。如下图所示，输出结果包括三个。 Markdown 文件，分别是趋势报告、趋势分析和背景信息。总体而言，尽管没有 Twitter 输入上述相关信息，但通过对知乎文章和一些媒体报道的分析和引用，内容相当丰富详细，甚至反映出来。 Manus 在传播过程中，媒体先行的传播趋势和引发的争议。

下一步试一试 Manus 能不能帮我们省钱：「预算 6000，给我配备一个高性价比的主机，可以剪辑视频，玩游戏，把配置单发给我。」

这一次，Manus 达到了布局的任务步骤 8 步骤：研究当前 PC 零部件市场，分析视频编辑和游戏的硬件需求，分析视频编辑和游戏的硬件需求，建立详细的配置清单，验证零部件的兼容性，提高性价比，为用户准备最终的文档和发送设备。

以下动画显示 Manus 浏览网页查找相关信息的过程示例(原来的过程慢了很多，这里加速)：

18 分钟后，Manus 完成这项任务，这是它给出的最终配置单。您认为这是合理的吗？

下一步，我们试着让它过去。 Manus 玩 4399 游戏。Manus 网页打开成功，但登录页面受阻。我们选择接管页面，微信登录，没问题；但是实名认证的时候出现了情况。 —— 我们不能在 Manus 在内置电脑中输入中文。下面的视频显示了这个测试的全过程。

最后，我们试图让步 Manus 按照我们提供的排版网页编写一个排版网页 Notepad 宏，方便我们的排版工作。所以，Manus 首先要对网页所提供的功能进行分析，然后再学习。 Notepad 宏的语法。

提示：把这个网页放在一起 https://www.dute.org/type-setting 这些功能被转写成一个 Notepad 的宏。

这一次，Manus 整整思考了 21 分分钟，但结果并不令人满意： Notepad 里面的实测结果显示，Manus 基本版本和完整版本都没有正确完成指定的任务，反而删除了我们的检测文本。

这一次，Manus 失败了。

在这里，我们每天的用量限制已经达到了极限，不能再进行更多的测试。

经过整体体验，可以简单总结一下。 Manus 执行任务的过程：

第一，分析问题是很自然的。

接下来，Manus 会创建代理事项，包括主要步骤和每一个主要步骤下的每一个细分任务；这通常是一个 todo.md 文档。

以后，Manus 会按照这个 todo.md 一步一步地执行文件事项。

最后，把结果整理好，发给顾客。

上述计算机配置任务已执行到第一。 6 步的 todo.md 文档

至于效果，虽然有失败，但总体来说还是挺不错的。虽然用户的体验速度很慢，但考虑到如果客户自己完成同样的任务，可能需要更多的时间，使用具有这种特性的智能身体来帮助工作应该是一个不错的选择。

开源复刻版 Manus

下一步，我们介绍两个。 Manus 开源复刻工程。

「别抢 Manus 推荐码，开源版已经在路上了。」它是国内开源平台 CAMEL AI 今早带来的好消息。

他们的 Manus 开源复刻版名称「OWL」，在 GAIA Benchmark 上性能达到 超过57.7% Huggingface 提出的 Open Deep Research 55.15% 表现，成为开源界 GAIA 性能天花板。（GAIA 这是一项基准测试，用于评估一般人工智能助手的能力，Manus 还进行了相关的测试。）

GitHub：https://github.com/camel-ai/owl

为了让 OWL 进化成真正的全自动多了 Agent 打工神器，CAMEL AI 还对 Manus 技术路线做了一波野生浪潮 Reverse Engineering(逆向工程)，并顺势启动了深度复刻计划。

他们把这个计划放在这里 Manus 核心工作流被拆分为 6 步：

这个项目可以算是公开了所有的技术框架、工作流程和核心能力，所有的代码都在 GitHub 上面。有兴趣的读者可以自己跟进。

针对 Manus，CAMEL 发起人李国豪评论说，「世界上第一个我们正在提出 ChatGPT Multi-agent 框架思想也接近两年了，看见 Monica 团队把 Multi-agent 技术落地产品是一个很大的惊喜，Monica 团队的 Manus 实际上，系统设计很巧妙，尤其是它们通过文件系统来实现 Context 管理与持久，使用 Ubuntu 为了实现工具的灵活使用，虚拟机的命令行是很值得学习的工程思路，我们还在开源复现中！同时也很期待他们承诺开源。 Post Training 模型！

除了 Web 除了命令行的控制，我们对计算机、手机、机器人、车辆等各种跨平台的控制都非常有信心。会成为可能，那时候才是真正的赛博。 workforce，由于 OS 端 Agent 最大的优点之一就是更容易获得。 Verifiable 奖励信号，将来加强学习 RL 能训得飞起来，也许一年之内就会出现这种情况。 DeepSeek R1 Zero 这样的 Aha moment 出现在 OS / Web Agent 领域！遗憾的是，我们的资源有限还不能提高。 RL，很期待大家一起做开源探索！遗憾的是，我们的资源有限还不能提高。 RL，很期待大家一起做开源探索！」

OpenManus 是除了 OWL 另外一个 Manus 开源复制，允许用户创建自己的推荐码，无需推荐码。 AI 智能体。它的使用方法包括设置新的 conda 环境，克隆仓库，依靠安装 config.toml 文档中配备 API 密匙（如 OpenAI 的 API）。使用者可以通过终端输入思路，与智能体交互，智能感受使用。 LLM API 处理并产生反应。

项目地址：https://github.com/mannaandpoem/OpenManus

其中，也有一些不同之处。正如我们上面提到的，Manus 就是自己有一台云计算机， OpenManus 则直接让 Agent 操作计算机。

MetaGPT 该团队表示，目前的项目仍在开发中，计划改进包括更好的计划、即时演示、重播功能、加强微调学习模型和综合基准测试。

最后想说的是，期待 Agent 这一年可以给我们带来更多的惊喜，成为实用的商品。

本文来自微信微信官方账号 “机器之心”（ID：作者：关注智能体，36氪经授权发布，almosthuman2014)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com