文章流程灵感来源于@艾逗比
一、核心工作流程
-
意图识别
• 输入解析：提取用户输入关键词（如"日本旅行计划"→japan-trip，任务类型travel）。
• 交互补充：若需求模糊，引导用户补充信息或上传文档/图片。 -
任务初始化
• 环境隔离：根据任务关键词创建专属文件夹，启动Docker容器。
• 资源管理：执行过程文件写入任务文件夹，结束后自动清理容器。 -
步骤规划
• 智能拆分：结合意图识别结果与背景信息，通过推理模型（如DeepSeek-R1）生成任务步骤。
• 任务清单：将步骤写入todo.md（[ ]为待执行，[x]为已完成）。 -
任务执行
• 动态调度：遍历todo.md，通过Function Call调用对应Agent（如Search/Code/Data-Analysis Agent）。
• 执行与反馈：
◦ Agent执行任务并保存结果至文件夹。
◦ 主线程更新todo.md状态，循环至所有任务完成。 -
归纳整理
• 结果生成：整合任务产物（文档/代码/图片），按用户需求呈现。
• 用户反馈：提供下载并收集满意度，支持后续优化。
二、关键Agent设计示例
-
Search Agent
• 搜索流程：
① 调用Google API获取10-20条结果；
② 通过无头浏览器访问首条结果，提取文本及截图；
③ 多模态模型（如Claude-3）筛选有效信息，若不满足则模拟点击/滚动操作；
④ 循环直至满足需求，保存结果至任务文件夹。
• 核心技术：无头浏览器+多模态模型协同。 -
Code Agent
• 代码生成：根据需求生成Python/HTML等代码文件。
• 执行验证：系统调用执行代码，通过code-preview服务预览结果。 -
Data-Analysis Agent
• 自动化处理：生成数据分析脚本，执行后保存可视化结果。
三、优化方向
- 任务依赖管理：将线性任务清单升级为DAG（有向无环图），支持复杂依赖关系。
- 质量保障机制：引入自动化测试Agent，对低评分任务节点回溯重试。
- 人机协同模式：支持任务执行中用户介入反馈（超时未响应则自动继续）。
四、技术评价
• 工程优势：环境隔离与多Agent调度设计完善，交互体验优于同类产品。
• 技术依赖：
• 意图识别依赖专用小模型；
• 任务规划需DeepSeek-R1等推理模型；
• 多模态处理需Claude-3等高成本模型。
• 商业化挑战：高Token消耗导致成本压力，需平衡用户体验与运营成本。
• 验证需求：任务准确性与用户满意度需更多案例验证。
五、总结
Manus通过模块化Agent协作实现复杂任务处理，其核心价值在于工程化落地的流畅性。未来需在成本控制与任务可靠性上突破，同时探索DAG、人机协同等增强场景适应能力。
