一文读懂AI Agent：从OpenAI SDK到Manus智能购物的技术跃迁

爱编程的喵
269 阅读7分钟

前言

随着大型语言模型(LLM)的飞速发展，我们正式进入AIGC（AI生成内容）时代。从OpenAI的开创性工作到如今的AI Agent，人工智能正逐步从单一功能工具向通用智能体进化。本文将带您深入了解这一领域的最新发展和实践方法。

image.png

AIGC时代的开创者 - OpenAI

OpenAI作为AIGC领域的开创者，提供了强大的SDK让开发者可以轻松集成AI能力到应用中。要使用OpenAI的服务，我们可以通过以下步骤：

1. 初始化Node项目

npm init -y

这个命令会初始化一个Node.js后端项目，生成package.json文件作为项目描述文件。

2. 安装OpenAI SDK

npm install openai

此命令会将OpenAI SDK及其依赖下载到本地node_modules目录。

3. 调用OpenAI API

OpenAI提供了完整的SDK，下面是一个基础调用示例：

// 入口文件
import OpenAI from 'openai'; // 模块化引入

const openai = new OpenAI({
    apiKey: 'sk-wiybwxcwsqfbwmodahgeygnrzemnfmsoibxidotzolhutetr', // 身份凭证
    baseURL: 'https://api.siliconflow.cn/v1' // 国内转发服务商
});

// 完成接口
const response = await openai.completions.create({
    // 通义千问
    model: 'Qwen/QwQ-32B',
    max_tokens: 256,
    temperature: 0.1,
    prompt: '你是谁？'
})

console.log(response);

这个例子展示了如何创建OpenAI实例并调用completions接口。值得注意的是，这里使用了通义千问的QwQ-32B模型，并通过国内转发服务商访问API。

image.png

迈向下一代AI - AI Agent

随着技术的进步，我们正在从单一功能的LLM向AI Agent迈进。

AI Agent的特点

AI Agent（智能体）是能够执行复杂任务链的AI系统，其特点是：

  • 能够理解任务并分解为子任务
  • 可以操作电脑执行实际工作
  • The General（总管）- 扮演协调角色

传统AI与AI Agent能力对比

能力维度传统AIAI Agent (Manus)
任务处理单一任务复杂任务链
操作能力仅响应指令可操作电脑执行
主动性被动回应主动分析与执行
工具使用有限工具集多种工具协同
决策能力基本决策复杂情境决策

实际应用案例

案例1：HR简历筛选

想象这样一个场景：HR面临大量简历需要筛选，如何提高效率？

AI Agent的解决方案：

  1. 将100份简历放入offers文件夹
  2. AI工具读取文件夹内容（AI操作电脑）
  3. 对每份简历根据岗位需求进行评分
  4. 提取简历中的姓名、电话等信息，写入Excel
  5. 按评分排序
  6. 为前十名候选人自动发送面试通知

这相当于派了一个虚拟助手，能够完成从文件处理、内容分析到数据操作的完整工作流程，实现"一人公司"的效果。

案例2：股票分析

如果我们想分析NVDA、MRVL和TSM三家公司股票价格的相关性，AI Agent可以：

  1. 招募专门的爬虫Agent获取数据
  2. 分别爬取三家公司的股票数据
  3. 使用数学模型Agent进行规律分析
  4. 自动绘制相关图表
  5. 提供投资建议

Manus智能购物案例：寻找最低价运动鞋

!Manus智能购物作为下一代AI总管产品，Manus强调"去做"而非仅提供信息。下面通过一个具体案例，展示Manus如何彻底改变我们的购物体验。

需求背景

当我们想要购买一双特定型号的运动鞋时，传统方法需要：

  • 打开多个电商平台网站
  • 在每个平台搜索相同关键词
  • 手动记录并比较价格
  • 考虑配送时间、店铺信誉等因素
  • 计算各种优惠后的实际价格

这一过程通常需要花费30-60分钟，且容易遗漏信息。

Manus的智能购物流程

!Manus工作流程Manus能够接管整个购物流程：

  1. 任务分析与规划
  • 理解用户需求：特定型号、尺码、颜色的运动鞋
  • 制定搜索策略：确定需要检索的电商平台
  • 设计评估标准：价格、配送、信誉综合考量

可以这么问：

image.png

  1. 多平台数据采集
  • 自动登录并搜索多个电商平台：淘宝、京东、天猫、小红书等
  • 智能识别相关商品，过滤无关结果
  • 采集关键信息：价格、运费、优惠、评分、销量等
  1. 智能数据分析
  • 计算实际支付价格（含各种优惠券、满减、会员折扣等）
  • 评估店铺可信度（基于评分、成交量、历史价格等）
  • 综合分析配送时间与方式

Manus会自己使用浏览器，避免了手动的繁琐（但可能需要自己手动登入账号）

image.png --> image.png -->

image.png

Manus智能购物的优势

优势详解：

  1. 搜索效率：Manus智能并行搜索技术使其能够同时访问并分析多个电商平台,极大提高搜索效率。
  1. 价格计算：自动识别并应用各种优惠政策（满减、折扣码、会员价等），计算出最终实付金额，避免了手动计算的麻烦和错误。
  1. 信息全面性：全网覆盖所有主流电商平台及小众垂直电商，确保不会遗漏任何可能的最优选择，提供真正意义上的"全网最低价"。
  1. 决策质量：基于大数据分析和个性化参数（如用户对配送速度、店铺信誉的偏好），提供综合最优的决策建议，而非单纯的价格比较。
  1. 学习能力：随着使用次数增加，系统能够学习用户的消费习惯和偏好，提供越来越个性化的推荐，购物体验持续优化。

这种智能购物模式代表了AI Agent在日常生活中的实际应用，完美体现了Manus"强调去做"的核心理念。

技术实现原理

Manus实现智能购物的核心技术包括：

  1. Web自动化控制：Manus可直接操控浏览器，访问各电商网站
  1. 页面信息提取：智能识别商品信息，准确提取价格数据
  1. 多维度数据整合：综合分析价格、评价、物流等多维数据
  1. 优惠策略理解：理解并应用各种优惠规则（满减、优惠券等）
  1. 决策优化算法：基于用户偏好进行多目标优化决策

未来展望

Manus智能购物代表了AI Agent在消费领域的强大应用。未来，它还可以扩展到：

  • 价格历史追踪，预测最佳购买时机
  • 自动参与秒杀活动
  • 跨国电商比价与代购优化
  • 个性化消费建议与预算管理

这个案例充分体现了AI Agent的核心价值 - 强调去做而非只是提供信息，从根本上改变了我们与技术的互动方式。

从LLM到AGI的演进

image.png

目前，我们正处于从LLM向AGI（通用人工智能）过渡的阶段：

LLM (如DeepSeek) → AI Agent (如Manus) → AGI

Manus等产品代表了这一演进过程中的重要一步，它强调"去做"而非仅仅"去想"，可以：

  • 分析todolist
  • 执行具体任务
  • 操作电脑环境
  • 完成复杂流程

总结

AIGC时代已经到来，从OpenAI的开创性工作到新一代AI Agent的出现，我们正在见证AI能力的跨越式发展。作为开发者，掌握OpenAI SDK的使用只是第一步，真正的挑战和机遇在于如何构建和应用AI Agent，让AI真正成为提升生产力的工具。

随着技术的不断演进，我们距离AGI的目标越来越近，未来的AI将不仅仅是工具，而是能够理解、学习和执行复杂任务的智能伙伴。

你准备好迎接这个AI驱动的未来了吗？

avatar
文章
阅读
粉丝