上一周我终于拿到了 Manus 的邀请码，总算是用上了。
这里我就不再吹 Manus 的牛逼了，相信各位在前几周已经听腻了它的各种吹捧。
尝试用 Manus 做了几个任务后，我一度觉得 AI 工作流可能要被彻底干碎了。
但冷静下来仔细想想，事情也没那么简单！
我们来看一个具体案例：我让 Manus 帮我将 YouTube 视频内容转述成一篇文章。
我只需要发送一个简单的提示词，它便自动完成了这个任务的工作流拆解。
第一个大步骤：获取 YouTube 视频内容，具体又拆解成三个小步骤：
- • 访问YouTube视频链接
- • 提取视频内容
- • 分析视频关键点和文章结构
看到这里，我心头一凉，心中默念了一句“woc...这”，AI 连工作流的设计都能搞定了，而且拆解得甚至比很多人都清晰。
第二个大步骤：根据提取的视频内容写文章，具体再细分为：
- • 继续分析视频关键点和文章结构
- • 富有吸引力的文章初稿
- • 审核和优化文章
整个任务从头到尾不到 10 分钟就完成了。
读到这里，你可能会跟我一样产生这样的想法：“既然有了 Manus 这样的 AI，以后还需要学什么 AI 工具、搞什么 AI 工作流？”
真的是这样吗？
之前我曾在 AI 工作流的文章中提出三大关键能力：
- • AI 工具选型能力
- • AI 提示词编写能力
- • AI 工作流设计能力
从刚才的案例中我们看到，在扣子、Dify 等智能体平台上手动搭建工作流、插入节点、调用插件的能力，似乎已经被 Manus 这种 AI 干碎了。
更别说更简单的以人机协作为主导、AI 工具为载体的 AI 工作流。
Manus它不仅能自主拆解任务，还能自动调用插件、写代码，甚至可以通过操控电脑获取信息。
再说提示词能力，Manus 已经做到能够主动推测我们的意图了，我甚至不需要告诉它每一步具体怎么做，它就能主动完成。
至于 AI 工具选型能力，Manus 这样的通用 AI Agent 几乎无所不能，
这要选用什么 AI 吗，不管是 Manus 还是未来其他更强的 Agent，直接无脑选最强的。
而且 AI 本来就是设计给普通人用的，使用门槛本就应该很低。
就像我们用百度搜索一样，谁会去专门学习“如何使用百度”？
这么看来，AI 工作流真的被干碎了吗？
我看未必。
AI 变得更智能，并不意味着工作流思维就会失效。
相反，现在更考验的是：
1、如何巧妙结合 AI 智能体（Manus）和最新大模型****（如 GPT-4.5、）？
比如 Manus 背后的模型并非目前最先进的，在写作能力上仍有所欠缺。如果能搭配更强的 GPT-4.5，输出的内容质量将大幅提高。
所以，这不还是 AI 工具选型能力吗？
2、如何精准地定义任务目标、约束条件、验收标准？
就拿上面的案例来说，如果我不知道将 YouTube 视频内容可以转成一篇文章时可需要：用对话式、提问式或反转式的表达方式、减少空洞的表述、整体结构清晰，段落之间过渡自然。
那 AI 会按照这样的方式去输出吗？
不会，它只会按照默认的方式去写文章，或者就跟“抽盲盒”一样。
有的时候是使用对话式来写、有的时候使用提问式来写，有的时候使用反转式来写。
我们的「输入」是会影响到 AI 的「输出」的。
所以，这不还是提示词能力吗？
对了，上周六我参加了李继刚老师组织的线下活动，他分享了一个观点：未来 AI 不管如何发展，有一点是不变的。
不管是推理能力极强的 DeepSeek-R1，还是几乎无所不能的 Manus，只要「输入」会影响到「输出」，提示词依旧有效，依旧值得学习。
3、如何设计可靠的 AI 结果验证机制、如何优化人机协作的边界？
在这个任务中，有些步骤 Manus 就无法独立完成，比如打开某些网站时需要进行人机验证环节， Manus 点不了这个验证，需要我接管帮它点击。
所以你看，工作流中哪些步骤能完全交给 AI，哪些必须人机协作，哪些只能人工完成，这一能力在 AI 越来越智能的情况下反而更加重要。
这不还是工作流设计能力吗？
我的答案是 AI 工作流依旧长期有效。
Manus 这样的 AI Agent 代表了 AI 工具的未来趋势，据说 GPT-5、Claude-4 等下一代模型也将达到这种 L3 级别，可以更自主地帮人类完成工作。
未来，我们在使用 AI 时，可能确实会越来越轻松，手动操作越来越少、需要输入的提示词越来越简单、规划步骤的动脑负担也越来越低。
但“变少”并不代表“不需要”。
真正不会改变的是 AI 工作流背后的底层思维模式。
以不变应万变，这种长期积累的能力远比追逐短期的 AI 工具热点更具价值。
把注意力放到更本质的思维上去实践，是非常值得的。
以上，我写完了，如果这篇文章对你有启发，欢迎分享给更多正在学习 AI 的朋友。
