即刻App年轻人的同好社区
下载
有刷到 B 站,有好心同学剪了，今年看到的 最好看，最好听...到窒息的长镜头..
电影《帕特诺普》长镜头-插曲《Memoria》_哔哩哔哩_bilibili
0 00
突发奇想，贝莱德\M7\AI 基建等一系列互为因果的复杂关系，打算让 Manus 帮我做个梳理， 预测下个内生性危机，Todo.md 写的不错，但是继续老问题 卡在了上下文窗口大小
贝莱德与美国科技公司控制权分析 - Manus
2 40
Manus 速评： 全委 Agent or 协作 Agent ？
Manus 定位成一个通用的 Agent ，最快速度的实现了 ， Input 加强（DeepSearch ）和Output（Artifact ）的统合，+ 加上 Planing/Reasoning（类 Cursor）等 ， 按照其官方说法 ，定位通用 Agent ，且 【Less Structure 】
上午我很快测试了几种 Case ，包括出行规划（信息收集类）、市场归因（时效Context 收集）、建议给出（表达 意图层次，而不是形式罗列） 、以及制作 Artifact 等。
【直观感受】
- 信息收集类任务 远好于 分析类任务
- 过程比较长，通常 3-15 分钟 ，最快的是代码类任务（重写 PitchDeck， 3 分钟）
- 有流程性的互动请求人参与（比如过程访问关键网页，被识别 robot 需要人的协助或跳过）
- 会有用户偏好识别和记录确认过程 ）人参与）
- 有 todo.md 和 Draft.md 来记录中间过程，有很好的可见度
- 但是整体 人在 3-10 分钟过程中，可以介入的余地不大 ，尤其对内容和质量 调整方面 。
那么我想 1.0 Manus 已经非常好流程完成度
【正式讨论】
BUT 问题在于 ： 通用 Agent 应该是个：
【A】 ”协作 Agent “ ， 还是
【B】 “全委Agent”
当然可以是有模糊地带
（此处借用了私人银行的两种账户服务形态， 前者投顾，一起产生决策一起承担后果， 后者 只看 交付结果和 Performance ）
如果是【B】 “全委Agent” ：
Manus 目前的版本更像一个【全委Agent】（围观 15 分钟，直接看一个完整的交付） 。
但是会发现一个问题，目前的交付质量：相比【 专业分析任务的完成，Manus 更擅长信息收集任务， 和更好的形式交付。 类似 ”AI 会议摘要“的进阶版本
或者说通用 Agent 很难胜任【专业级的交付】，这个结果与 Manus 没有关系，而是推理过程中：
- 对专业的“Structure” 理解和储备不足
- 高质量的数据 Context 是输入不足
但是作为专业 Agent 来说，很好的"形式程度“ ，但是"有用性程度“ 距离生产标准，， 那么我的假设问题：
通用 Agent 是否能在中远期 胜任 专业交付， 因为这里需要 私有和 Structure 的意图 。
* Structured 约等于 行业共识
如果是【A】 ”协作 Agent “ ：
如果定位 A来审视 当前的产品
- Manus 当前一次性的交付的这个形态，目前每个 request 过于细致 和完整的执行，会导致时间过长， 用户介入结果质量的空间偏少， （Vs Cursor）
- 用户可以：快速打断，纠正，补充信息，补充指令，
- 机器可以：先规划，确认，再 move on ，先 high level ，再 Detail ， 再 action
----
因为一个好的交付，是一个【讨论结果】/共识结果，不是一个执行结果。根本原因，用户无法一次性给出意图和 context ，但是， 任务完成过程， 是一个 context 完整、对齐过程。
- 那么我初步的感受，如果作为通用 Agent ，是一个更开放的协作 Agent， 这部分交互 是极其前沿，和值得期待的
所以我想初步判断
通用 Agent ， Less Structured，更高开放度，是一个 【协作 Agent】， 突破在 人机意图和 context 持续交互
专业 Agent ，更像人力外包， More Structured ，接近全委 Agent，
Manus 定位成一个通用的 Agent ，最快速度的实现了 ， Input 加强（DeepSearch ）和Output（Artifact ）的统合，+ 加上 Planing/Reasoning（类 Cursor）等 ， 按照其官方说法 ，定位通用 Agent ，且 【Less Structure 】
上午我很快测试了几种 Case ，包括出行规划（信息收集类）、市场归因（时效Context 收集）、建议给出（表达 意图层次，而不是形式罗列） 、以及制作 Artifact 等。
【直观感受】
- 信息收集类任务 远好于 分析类任务
- 过程比较长，通常 3-15 分钟 ，最快的是代码类任务（重写 PitchDeck， 3 分钟）
- 有流程性的互动请求人参与（比如过程访问关键网页，被识别 robot 需要人的协助或跳过）
- 会有用户偏好识别和记录确认过程 ）人参与）
- 有 todo.md 和 Draft.md 来记录中间过程，有很好的可见度
- 但是整体 人在 3-10 分钟过程中，可以介入的余地不大 ，尤其对内容和质量 调整方面 。
那么我想 1.0 Manus 已经非常好流程完成度
【正式讨论】
BUT 问题在于 ： 通用 Agent 应该是个：
【A】 ”协作 Agent “ ， 还是
【B】 “全委Agent”
当然可以是有模糊地带
（此处借用了私人银行的两种账户服务形态， 前者投顾，一起产生决策一起承担后果， 后者 只看 交付结果和 Performance ）
如果是【B】 “全委Agent” ：
Manus 目前的版本更像一个【全委Agent】（围观 15 分钟，直接看一个完整的交付） 。
但是会发现一个问题，目前的交付质量：相比【 专业分析任务的完成，Manus 更擅长信息收集任务， 和更好的形式交付。 类似 ”AI 会议摘要“的进阶版本
或者说通用 Agent 很难胜任【专业级的交付】，这个结果与 Manus 没有关系，而是推理过程中：
- 对专业的“Structure” 理解和储备不足
- 高质量的数据 Context 是输入不足
但是作为专业 Agent 来说，很好的"形式程度“ ，但是"有用性程度“ 距离生产标准，， 那么我的假设问题：
通用 Agent 是否能在中远期 胜任 专业交付， 因为这里需要 私有和 Structure 的意图 。
* Structured 约等于 行业共识
如果是【A】 ”协作 Agent “ ：
如果定位 A来审视 当前的产品
- Manus 当前一次性的交付的这个形态，目前每个 request 过于细致 和完整的执行，会导致时间过长， 用户介入结果质量的空间偏少， （Vs Cursor）
- 用户可以：快速打断，纠正，补充信息，补充指令，
- 机器可以：先规划，确认，再 move on ，先 high level ，再 Detail ， 再 action
----
因为一个好的交付，是一个【讨论结果】/共识结果，不是一个执行结果。根本原因，用户无法一次性给出意图和 context ，但是， 任务完成过程， 是一个 context 完整、对齐过程。
- 那么我初步的感受，如果作为通用 Agent ，是一个更开放的协作 Agent， 这部分交互 是极其前沿，和值得期待的
所以我想初步判断
通用 Agent ， Less Structured，更高开放度，是一个 【协作 Agent】， 突破在 人机意图和 context 持续交互
专业 Agent ，更像人力外包， More Structured ，接近全委 Agent，
37 618
1. Manus产品一定是在使用 cursor 过程中深深洞察了，“md 过程笔记”的重要性... 通过笔记 update 管理控制流程和一致性，比如 todo.md，比如对工具调用的内容进行 meta 摘要处理
2. 信息搜集类明显好于 专业推理， 这个问题 我尝试了 让收集、整理编码、设计（引用外部 ref 图片））...可以完成 2.5 步，Manus，应该是第一个把 deep research（input） +Artifact（output） 整合整个链条⛓的
3.另外问了一个 投资相关 的问题，分析下 NVDA 连续两天（未指明）的大跌的原因，以及后续，那么质量还是卡在数据源质量（或者高质量内容的 access 问题） 以及学习如何表达一个 view（ vs 陈列信息）
4.. 继续是业界牛马天花板，缝合超一流
2. 信息搜集类明显好于 专业推理， 这个问题 我尝试了 让收集、整理编码、设计（引用外部 ref 图片））...可以完成 2.5 步，Manus，应该是第一个把 deep research（input） +Artifact（output） 整合整个链条⛓的
3.另外问了一个 投资相关 的问题，分析下 NVDA 连续两天（未指明）的大跌的原因，以及后续，那么质量还是卡在数据源质量（或者高质量内容的 access 问题） 以及学习如何表达一个 view（ vs 陈列信息）
4.. 继续是业界牛马天花板，缝合超一流
Dachein大澄: 用 Manus 来帮我规划的周末活动 问题：我最近在 PaloAlto 出差，要到周日晚上离开，请问下 我这个周末有什么好的安排，如果有什么展览 或者艺术作品 ，影展或者户外 都是我喜欢的 ，给我一个建议 ，哦对了，我有车 。。。 答案如链接：
13 13