1. Manus注册·登录·初始配置
1.1 🎯 学习目标
- 了解 Manus 的注册与登录流程
- 掌握 Manus 的初始配置步骤
- 确保系统能够顺利运行 Manus AI
1.2 📚 什么是 Manus？
Manus 是一款通用 AI 助手，能够将用户的想法转化为行动，广泛应用于工作和生活中的各类任务。(manus.im)
1.3 🔧 我们需要完成什么？
- 注册 Manus 账号：获取访问权限
- 登录 Manus：进入平台
- 进行初始配置：设置个人资料等
1.4 💻 动手操作
1.4.1 注册 Manus 账号
- 访问 manus.im/
- 点击页面上的“注册”按钮
- 选择注册方式：
- 使用 Google 账号
- 使用 Apple 账号
- 使用邮箱注册
- 填写必要的个人信息并提交注册申请
1.4.2 登录 Manus
- 访问 manus.im/
- 点击页面上的“登录”按钮
- 选择注册时使用的登录方式
- 输入账号信息并完成登录
1.4.3 初始配置
可以点击设置按钮可以进入并查看设置。
1.4.4 查看通知
可以点击通知按钮进入并查看最新通知，比如更新日志。
2. Manus 界面与功能全景速览
2.1 🎯 学习目标
- 了解 Manus 的整体界面结构
- 掌握 Manus 中不同页面的功能
- 能够快速上手操作 Manus 平台
2.2 📚 什么是 Manus 界面与功能全景速览？
Manus 平台提供了直观易用的界面，帮助用户轻松管理任务、配置环境和进行智能助手的操作。本节将帮助您快速熟悉 Manus 的界面和各项功能。
2.3 🔧 我们需要了解什么？
- 新建任务页：创建新任务并设置任务参数
- 具体任务页：查看任务详情并进行管理
- 任务状态与控制功能：操作任务的执行和监控
2.4 💻 认识界面
2.4.1 访问 Manus 主界面
- 登录到 Manus 平台 (manus.im)
- 进入主界面后，您将看到多个功能模块和任务管理页面
- 熟悉界面布局：左侧是功能导航栏，右侧是任务操作和管理区域
2.4.2 新建任务
- 在 Manus 主界面中，点击页面上的“新建任务”按钮
- 在弹出的任务设置界面中：
- 填写任务名称
- 选择任务模式
- 配置任务的相关参数
- 点击“保存”按钮，新任务将会出现在任务列表中
2.4.3 查看和管理任务
- 在任务列表中，点击任何任务名称，进入该任务的详细信息页面
- 在任务详情页中，您可以：
- 查看任务的运行状态
- 查看任务的日志和执行结果
3. 知己知彼：探索体验优秀案例
3.1 🎯 学习目标
- 掌握在 Manus 上搜索与体验优秀案例的方法
- 学会提炼点评别人的优秀案例
3.2 📚 为什么要探索优秀案例？
站在巨人的肩膀上：先研究高手作品，再动手实操，可极大缩短学习曲线、避免重复踩坑。优秀案例是最直观、最具启发性的学习资源。
3.3 🔧 我们要做什么？
体验：沉浸式浏览几个示范作品
3.4 💻 案例体验
这是大家发挥聪明才智的地方，我们可以从中吸取经验。
3.4.1 沉浸式体验案例
| 类型 | 标题 | 入口（点击访问） | 建议关注点 |
|---|---|---|---|
| 全面比较与推荐 | 护眼触屏显示器选购指南 | bjgpcsot.manus.space/ | 信息层次 ✚ 推荐逻辑 |
| 可视化图表分析 | 当代年轻人焦虑现状分析 | oliszeih.manus.space/ | 数据叙事 ✚ 交互动画 |
| 小工具界面 | 牛马实时工资计算器 | jkvhddzm.manus.space/ | 实时计算 ✚ UX 细节 |
| 个人展示站点 | 乔布斯人物解析展示 | otedwtua.manus.space/ | 视觉调性 ✚ 品牌故事 |
3.4.2 项目简评
3.4.2.1 护眼触屏显示器选购指南
- 优点：参数对比纵览一目了然，推荐理由直观，对“小白”友好。
- 缺点：页面罗列太多文字，对阅读没那么友好。
- 未来情况：若接入实时价格＆库存 API，并扩充筛选维度，可升级为“全网比价”入口。
3.4.2.2 当代年轻人焦虑现状分析
- 优点：动态图表叙事性强，交互动画增强沉浸感。
- 缺点：部分数据来源未注明可信度，易被质疑。
- 未来情况：结合实时社交数据、情绪热度榜，可演进为“焦虑指数”监控仪表盘。
3.4.2.3 牛马实时工资计算器
- 优点：输入即可运行，计算逻辑透明；交互流畅无卡顿。
- 缺点：仅支持单一币种，主题风格固定。
- 未来情况：增加多币种、主题切换、历史曲线，甚至对接薪酬 API，成为更通用的工具。
3.4.2.4 乔布斯人物解析展示
- 优点：整体视觉风格统一，信息架构清晰，品牌故事突出。
- 缺点：互动性有限，缺少时间轴等深度内容。
- 未来情况：加入时光轴、AR 场景或语音导览，可变身为可交互的“人物数字档案馆”。
4. 规划一个周末躺平式露营之旅，学会生成报告和PPT
4.1 🎯 学习目标
- 了解如何使用 Manus 生成具有结构化的任务报告
- 掌握提示词（Prompt）的设计与操作
- 学会使用 Manus 制作PPT
4.2 📚 什么是提示词操作？
在 Manus 中，提示词（Prompt）是用于引导人工智能生成目标内容的关键信息。通过合适的提示词，我们可以让 Manus 更准确地理解需求并生成结构化的内容。
4.3 🔧 我们需要完成什么？
- 设计提示词：通过设置适合的提示词来生成露营行程报告
- 生成报告：使用提示词生成详细的任务报告
- 生成 PPT：制作露营之旅相关的 PPT，展示所需内容
4.4 💻 动手操作
4.4.1 设计提示词
-
理解目标：首先明确要生成的内容是什么——“规划一个周末躺平式露营之旅”，并清晰划分报告与 PPT 需要的内容，例如：
- 露营地点
- 活动安排
- 物资清单
- 日程安排
-
构建提示词公式：
在设计提示词时，您可以遵循以下 提示词公式：
生成一份[内容类型]，包括[详细要求1]、[详细要求2]、[详细要求3]，要求：[额外要求]。- 内容类型：您需要生成的内容类型（如：活动安排、物资清单、项目描述等）
- 详细要求：指具体需要的内容或详细项（如：烧烤、徒步等）
- 额外要求：对内容生成的额外要求（如：排序、简洁、添加图片等）
通过这个公式，您可以清晰地设计出符合需求的提示词。
-
提示词示例：
-
露营地点：
生成一份适合短途周末旅行的露营地点列表，地点需有自然风景并且便于交通。要求：每个地点后附带简短介绍和适合的季节。 -
活动安排：
列出适合露营的活动，包括徒步、烧烤和观星等。要求：每个活动提供时间安排、所需物品和适合的天气条件。 -
物资清单：
生成一份适合周末露营的物资清单，包括帐篷、炊具、食材等。要求：物资按优先级排序，每项物资提供简短说明。 -
日程安排：
生成一个为期两天的露营日程安排，包括主要活动、餐饮安排及休息时间。要求：按时间顺序列出，每项活动描述简洁明了。
-
4.4.2 使用 Manus 生成任务报告
-
创建新任务：登录到 Manus 后，创建一个新任务。
-
输入任务描述：在任务描述框中，输入经过优化的提示词。例如：
请根据以下要求生成一个完整的周末露营之旅计划： 露营地点：适合短途旅行的自然景点 活动安排：包括烧烤、徒步、观星等 物资清单：包括帐篷、食材、炊具等 日程安排：生成一个2天1夜的日程安排，包含各项活动 同时创建一个包含封面页、活动安排、物资清单和日程安排的 PPT，设计风格简洁、现代。 在 PPT 中加入图标、图片，并使用一致的布局和配色方案。 -
生成报告：使用 Manus 提供的生成工具来生成计划报告和PPT。如果任务中有多个内容，会逐步生成并整合它们。
-
持续优化：根据生成的结果可以继续沟通进行优化。
4.5 📖 提示词设计技巧
- 简洁清晰：确保每个提示词简洁明确，避免冗长。
- 结构化：通过项目列表、编号或分段来增加提示词的清晰度，帮助 Manus 更好地理解要求。
- 适当细化：可以根据任务内容逐步细化提示词，生成更符合要求的报告或 PPT。
- 反馈与调整：如果生成的内容不符合预期，及时调整提示词，确保 Manus 能更准确地捕捉需求。
4.6 🎯 运行结果说明
完成上述操作后，您将能够：
- 通过 Manus 设计并生成结构化的露营计划报告
- 使用 Manus 快速制作专业的 PPT 展示内容
- 灵活使用提示词设计，精确控制报告和 PPT 的输出内容
4.7 ❓ 常见问题
4.7.1 Q: 如果提示词生成的内容不准确，怎么办？
A: 请检查提示词是否简洁明了，是否细化了具体要求。可以通过调整提示词或分阶段生成内容来解决。
4.7.2 Q: 如何让 Manus 生成的报告更具可读性？
A: 通过适当的结构化，如标题、列表、编号等，增加生成内容的层次感。您还可以通过后期编辑调整格式，使报告更美观。
4.7.3 Q: 如何调整生成的 PPT 内容？
A: 如果 PPT 内容不符合预期，您可以进一步编辑，调整文本、图片和配色方案，确保展示效果最佳。
5. 购物选择困难？帮你全面比较分析获取推荐
5.1 🎯 学习目标
- 掌握在 Manus 中通过提示词驱动实现购买推荐的技巧
- 学会在购物场景下撰写覆盖「数据对比 → 决策指南 → 线上工具」的综合 Prompt
- 了解 Manus 自动拆解、执行并产出结构化内容 + 交互式网站
5.2 📚 提示词秘诀
- 角色 + 目标：先指定身份（汽车购买者），再说明最终目标（对比 + 指南 + 网站）
- 分段列点：用序号/换行描述子任务，便于 Manus 自动拆解
- 格式要求：明确“表格”“流程图”“单页网站”等输出形态，减少返工
- 视觉 / 功能指令：如“简洁科技风”“支持移动端”，确保网站风格一致
5.3 💻 操作流程
- 打开 Manus → 新建任务 → 粘贴“一键提示词”
- 点击生成，等待 Manus 自动完成信息收集、分析、网站构建与部署
- 下载对比报告（Markdown/PDF）、复制流程图到演示材料
- 打开 Manus 返回的链接，体验线上选车网站并分享给家人、朋友
5.4 🆙 一键提示词（复制粘贴到 Manus ⌨️）
我打算购买小米汽车，目前候选车型只有 SU7 和 YU7，但对它们的参数及选择逻辑仍不确定。
请你：
1. 收集并对比 SU7 与 YU7 的核心参数（价格、续航、动力、智能驾驶、充电功率、内饰配置等），输出对应表格，并总结各 3 条优缺点。
2. 基于对比结果，生成一份面向普通消费者的购车决策指南：包含选择流程图、适用人群分析、购买建议。
3. 将该指南制作成一个可在线访问的选车网站：单页布局、简洁科技风，含筛选表单（预算区间 / 续航 / 百公里加速）、结果卡片与车型亮点，并部署至公网。
确保网站支持桌面与移动端访问，提供最终部署链接。
5.5 🛠️ 常见问题
| 问题 | 解决方案 |
|---|---|
| 参数数据不准确 | 在提示词中补充“引用官方发布数据或权威测评” |
| 网站样式不满意 | 在提示词末尾追加“生成的效果不满意，请调整配色为暗黑蓝” |
| 想增加第三款车型 | 追加“并同样纳入 理想L7”并让 Manus 重新生成 |
6. Playbook现成模板：轻松完成行业深入调研可视化
6.1 🎯 学习目标
- 掌握在 Manus 中使用 Playbook·市场研究工具 快速完成行业调研
- 了解如何仅填写关键字段（主题 + 区域）即可生成完整可视化报告
- 体验自动化输出的交互式网页，并思考其在推介、教育、战略规划中的应用
6.2 📚 Playbook 使用秘诀
- 极简输入：Playbook 已封装框架与流程，无需长提示词
- 多模型融合：自动选取 SWOT / PESTEL / 7P 等商业分析框架
- 可视化结果：一次生成响应式网页 + 图表，免去排版烦恼
- 可迭代：生成后可继续追加「请详细展开供应链分析」等补充指令
6.3 💻 操作流程
- 打开 Manus → Playbook，在模板库中选择 「市场研究工具」
- 在输入面板填写：
- 研究主题：
AI眼镜 - 目标市场/区域：
中国大陆
- 研究主题：
- 点击 生成 → Manus 自动完成数据收集、模型分析与网页构建
- 查看输出：
- 复制网页链接，在线分享或嵌入演示
- 如需细化，直接在任务聊天框追加补充要求，Manus 会增量更新网页内容
6.4 🆙 一键输入字段
| 字段 | 填写内容 |
|---|---|
| 研究主题 | AI眼镜 |
| 目标市场/区域 | 中国大陆 |
市场研究工具 会自动选择合适的商业分析框架并输出交互式网页。
6.5 🛠️ 常见问题
| 问题 | 解决方案 |
|---|---|
| 输出过于概括 | 追加指令“深挖消费者痛点”或“增加竞争对手矩阵” |
| 图表样式不符合品牌色 | 在任务中补充“请改用蓝橙配色方案” |
| 数据来源想查看 | 追加“列出主要数据来源及引用链接”，Manus 会附加来源列表 |
7. 解决世纪难题：谁去拿外卖实用小工具
7.1 🎯 学习目标
- 了解如何在 Manus 中用单条提示词驱动「需求 → 设计 → 部署」的小工具开发
- 掌握随机决策场景下的 Prompt 写法与动效需求描述
- 熟悉将参考站点 UI 风格融入生成网站的关键要点
7.2 📚 提示词秘诀
- 需求 + 受众：说明场景（宿舍 2‒4 人点外卖）与目标（随机选人）
- 功能颗粒：输入人数 → 动效转动转盘 → 输出结果
- 视觉指令：引用参考站点 URL，指定「同款样式 + 动态转盘」
- 交互约束：移动端适配、结果可一键重转
7.3 💻 操作流程
- 打开 Manus → 新建任务 → 粘贴“一键提示词”
- 点击生成，等待 Manus 自动完成 UI 设计、逻辑编码、动效与部署
- 打开 Manus 返回的链接，实测「人数输入 → 转动转盘 → 结果」全流程
- 若需微调动画或配色，在提示词末尾追加补充指令并重新生成
7.4 🆙 一键提示词（复制粘贴到 Manus ⌨️）
宿舍点外卖时常为“谁去楼下取餐”纠结，参与人数可能是 2、3 或 4 人不定。
请帮我开发并部署一个随机决策网页工具，要求如下：
1. 页面参考 https://boring-tool.com/zh-Hans/game-tools/roulette 的风格，支持移动端。
2. 功能流程：
- 用户输入本轮参与人数（2‒4）；
- 点击“转动转盘”按钮后播放转盘动画，营造仪式感；
- 动画结束随机显示“由 X 号去拿外卖”，并高亮中签者；
- 提供“一键重转”按钮。
3. 使用 React + Tailwind 实现，单页布局；在界面顶部显示简短标题「谁去拿外卖？」。
4. 将网站自动部署到公网，返回可访问链接。
7.5 🛠️ 常见问题
| 问题 | 解决方案 |
|---|---|
| 动画不流畅或过短 | 在提示词中明确“动画时长 2‒3 秒，ease-out 结束” |
| 页面未适配移动端 | 补充“请使用媒体查询保证 360‒428 px 视口无横向滚动” |
| 想增加历史记录（谁拿过几次） | 在提示词末尾追加“记录本地历史并显示排行榜”并让 Manus 重新生成 |
| 配色不喜欢 | 补充“改为深色霓虹风 + 玻璃拟态卡片”即可迭代 |
8. 零代码打造个人作品网站：提高求职成功率
8.1 🎯 学习目标
- 掌握在 Manus 中用单条提示词快速生成高保真个人作品网站
- 熟悉“参考站克隆 + 个性化替换”场景下的 Prompt 写法
- 学会让 Manus 自动生成高清人物照、项目封面与书籍封面并完成网站部署
8.2 📚 提示词秘诀
- 设计源：给出参考站 URL，让 Manus 复刻布局与特效
- 资料清单：说明个人信息、项目数量、书籍数量等核心要素
- 高保真要求：强调“相似度 ≥90 %”“动画交互与原站对齐”
- 素材指令：生成职场女性肖像 + 统一风格封面图
- 发布：要求自动部署并返回公网链接
8.3 💻 操作流程
- 打开 Manus → 新建任务 → 粘贴“一键提示词”
- 点击生成，等待 Manus 自动完成图片生成、页面克隆、交互特效与部署
- 访问 Manus 返回的链接，确认布局、动效及移动端自适配
- 若需调整配色 / 字体 / 动效时长，在提示末尾追加补充指令并重新生成
8.4 🆙 一键提示词（复制粘贴到 Manus ⌨️）
我想制作一个高保真个人展示网站，整体布局与特效请参考 https://www.adhamdannaway.com/，用于辅助我求职展示。网站内容包括：个人信息（我是一个程序员/设计师，名字叫做李四儿）、作品展示（4个项目）、出版书籍（4本书），我想的是你帮我做一个网站跟我提供网站页面类似，高保真的效果。如有不清晰之处，请随时提问或核实。生成完整代码、部署脚本及最终公网链接。
8.5 🛠️ 常见问题
| 问题 | 解决方案 |
|---|---|
| 图片分辨率不够清晰 | 在提示中追加“生成 1200×1200 高清 JPG” |
| 动效与原站不一致 | 补充“动效时长/缓动曲线按原站保持一致” |
| 网站加载慢 | 要求“静态资源开启压缩 & 懒加载” |
| 希望更换配色 | 在提示末尾追加“整体调色改为暗黑霓虹”并重生成 |
9. 内核拆解：记忆、行动、工具链——Manus 如何驱动“想 → 做”
9.1 🎯 学习目标
- 透视 Manus 的三大内核：记忆、行动、工具链
- 理解「想 → 做」闭环的运行机制与自我迭代逻辑
- 掌握在实操中调用内核能力的最佳方式
9.2 📚 核心概念
| 内核 | 关键词 | 作用 | 常见触发点 |
|---|---|---|---|
| 记忆层 (Memory) | 长短期上下文、用户画像、任务日志 | 持续存储与检索信息，为后续决策提供语义背景 | 历史对话、项目日志、外部文件上传、增加知识 |
| 行动层 (Action / Planner) | 任务拆解、链式推理、优先级排序 | 将模糊目标拆分为可执行子任务并动态调度 | 一次性生成、多轮澄清、过程监控 |
| 工具链层 (Tool Stack) | 内置 API、第三方插件、代码执行 | 连接外部能力，完成文件操作、爬取、部署等实际动作 | 捕获用户指令、Planner 调用、异常回滚 |
记忆决定“知道什么”，行动决定“要做什么”，工具链决定“怎么做”。
9.3 ⚙️ 运行原理：三层协同闭环
┌─────────┐
│ 用户请求 │
└──┬───┬──┘
│意图解析
▼
┌──────────────┐
│ 策略层 (Planner) │
│ · 目标拆分 │
│ · 执行排序 │
└┬────┬────┬───┘
│ │ │
│ │ │ (共享缓冲区)
│ │ │ ▼
│ │ │ ┌──────────────┐
│ │ └──────────────▶ 临时结果仓库 │
│ │ └──────────────┘
│ │
│ │ ┌────────────┐
│ │ │ 信息抓取单元 │
│ │ │ Web / OCR │
│ │ └────────────┘
│ │
│ │ ┌────────────┐
│ │ │ 数据洞察单元 │
│ │ │ Pandas / 图表│
│ │ └────────────┘
│ │
│ │ ┌────────────┐
│ │ │ API 调度单元 │
│ │ │ HTTP / SDK│
│ │ └────────────┘
│ │
│ │ ┌────────────┐
│ └──▶│ 内容生成单元 │
│ │ Markdown │
│ └────────────┘
│
▼
┌──────────────┐
│ 评估层 (Guardian) │
│ · 触发监控 │
│ · 质量评审 │
│ · 自动纠偏 │
└───┬────────────┘
│
▼
┌────────────┐
│ 结果汇总 │
└────────────┘
| 层级 | 主要职责 | 核心机制 / 典型动作 |
|---|---|---|
| 策略层 | 解析意图、拆解目标、生成执行序列 | 任务树、优先队列、上下文注入 |
| 执行层 | 调用专业能力将计划落地 | 信息抓取、数据洞察、API 调度、内容生成 |
| 评估层 | 监控进度与质量，自动回滚或修正 | 触发监控、阈值校验、自反馈重规划 |
运行要点
- 分层解耦：策略、执行、评估三层互相独立，可替换或热插拔新能力。
- 共享缓冲：执行单元将输出写入临时仓库，供后续环节复用，降低重复调用。
- 质量闭环：评估层对关键指标（准确度、时效、格式）实时打分，不达标即触发纠偏。
- 记忆沉淀：任务摘要及高价值数据写入持久记忆，为未来请求提供先验。
该架构让 Manus 得以从一句自然语言指令出发，自动完成「拆任务 → 调工具 → 监结果 → 再优化」的全流程。
9.4 💡 场景示例
| 场景 | 内核协同示例 |
|---|---|
| 选车网站 | 记忆层保存车型参数 → 行动层拆解「抓数据→对比→生成网站」→ 工具链调用爬虫 / Deploy API |
| 个人作品站迭代 | 记忆层存放项目与封面 → 行动层检测“新增作品”触发增量构建 → 工具链执行生成 & 部署 |
9.5 🛠️ 进阶实操指北
9.5.1 设计高信噪提示词
-
角色定位 + 目标
「你是资深前端架构师，请创建……」
-
输出形态
「生成 Markdown 表 + React 代码并部署」
9.5.2 善用记忆写入
- 提前上传数据集 / 新增知识，减少重复输入
- 对长流程任务开启日志回写，方便追踪与二次生成
9.5.3 监控行动层
- 观察「子任务树」：若拆分不理想，可追加澄清句
- 设置超时与重试阈值，防止死循环或资源浪费
9.5.4 规划工具链
- 内置工具能解决 80% 需求；剩余 20% 通过自定义插件补齐
- 为关键外部 API 设计降级方案（本地缓存 / 兜底文案）
10. OpenManus 本地部署框架 vs Manus 云端服务差异解读
10.1 🎯 学习目标
- 认识 OpenManus —— Manus 社区维护的本地部署版本
- 掌握本地框架与云端服务在功能、成本、隐私、运维上的核心差异
- 学会根据团队规模、合规要求与预算选择合适的部署方案
10.2 📚 OpenManus 是什么？
一句话：把“云端 Manus”搬到你自己的服务器。
- 开源地址：github.com/FoundationA…
- 定位：兼容 Manus 提示语法与任务流的 自托管框架，提供本地记忆库、任务编排器、插件系统，可离线运行。
- 诞生背景：早期 Manus 正式版 处于限额内测，“邀请码难求”；社区为继续研究其任务编排理念，整理 API 形态并补齐数据库、缓存、插件适配，形成 OpenManus。
10.3 🧩 核心组件对照
| 模块 | Manus 云端 | OpenManus 本地 |
|---|---|---|
| 记忆存储 | 云 KV + 向量仓库 (SaaS) | 自选数据库（PostgreSQL / SQLite）+ 本地向量引擎 |
| 任务编排 | 官方 Planner 内置 | 同步移植 Planner 核心，可二次开发 |
| 工具链 | 官方托管 100+ 插件，即点即用 | 核心插件开源，其余需自建或接私有 API |
| 算力 | 后端 GPU 集群（按量计费） | 本地 CPU/GPU；可挂接私有 LLM |
| 安全合规 | 数据离散在云端；需信任托管方 | 完全自管，数据不出机房 |
| 费用 | 按调用 & 插件订阅收费 | 框架免费，硬件与维护自负 |
| 运维难度 | 零配置；官网后台监控 | 需 DevOps：数据库、日志、备份、升级 |
| 更新节奏 | 官方周更；自动推送 | 社区 PR；需手动拉取、测试、合并 |
| 适用场景 | 中小团队快速上线；对外 Demo | 金融、医疗、内部 R&D；需私有化部署 |
10.4 ⚙️ 本地 vs 云端运行链路概览
┌──────────────┐ ┌──────────────┐
│ 用户 │ │ 用户 │
└──┬─────────┬─┘ └──┬─────────┬─┘
│Prompt │ │Prompt │
┌────────────▼─────────▼───────────┐ ┌───────▼─────────▼──────────┐
│ Manus Cloud (托管 SaaS) │ │ OpenManus (本地) │
│ - Online Planner │ │ - Self-host Planner │
│ - Managed Tool Hub │ │ - Local Plugins & API │
│ - Cloud Memory / Vector Store │ │ - Local DB / Vector Store │
│ - GPU LLM Endpoint │ │ - 私有 LLM or API Keys │
└───────┬────────┬────────┬────────┘ └───────┬────────┬────────────┘
│ │ │ │ │
结果整合 日志监控 计费统计 结果整合 日志本地 无计费
10.5 🛠️ 选型建议
| 需求特征 | 推荐方案 | 说明 |
|---|---|---|
| 试验新概念、快速原型、预算有限 | Manus 云端 | 免部署、即开即用，关注业务即可 |
| 处理敏感数据（财务、医疗、政务） | OpenManus 本地 | 数据不出内网，合规优先 |
| 插件/LLM 完全自定义 | OpenManus 本地 | 可自由接私有 API、Fine-Tuned 模型 |
| 团队 <20 人，无 DevOps | Manus 云端 | 官方监控 + 自动扩缩容 |
| 已有私有 GPU/CPU 集群，希望降费 | OpenManus 本地 | 一次部署后仅硬件电费 & 维护成本 |
以上内容帮助你厘清“本地 vs 云端”两条路径，结合团队资源与合规需求，选择最合适的 Manus 形态。
11. OpenManus的部署与配置
本节将手把手演示如何在本地（一台 Mac / Linux / Windows 电脑或云主机）完整部署 OpenManus，并跑通首个「提示词 → 结果」流程。部署完成后，你即可在终端直接输入创意，让本地 OpenManus 像云端 Manus 一样执行任务。
11.1 🎯 学习目标
- 熟悉 OpenManus 的两种安装路线：
conda环境 & 极速包管理器uv - 掌握
config.toml的关键字段含义，完成 API Key、本地模型等初始化 - 能够通过
python main.py成功运行，体验「终端对话 → 结果落盘」的最小闭环
11.2 🖥️ 环境准备
| 组件 | 版本要求 | 备注 |
|---|---|---|
| Python | 3.12 | 建议独立虚拟环境 |
| Git | 最新稳定版 | 克隆仓库 |
| GPU | 可选 | 若本地推理 / 大模型 |
11.3 🚀 安装方法 1：Conda（经典稳妥）
# ① 创建独立环境
conda create -n open_manus python=3.12
conda activate open_manus
# ② 克隆仓库
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
# ③ 安装依赖
pip install -r requirements.txt
11.4 ⚡ 安装方法 2：uv（官方推荐，超快依赖解析）
# ① 安装 uv（Rust 实现的极速包管理器）
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows 用户可改用 PowerShell 等方式
# ② 克隆仓库
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
# ③ 创建虚拟环境并激活
uv venv --python 3.12
source .venv/bin/activate # macOS / Linux
# .venv\Scripts\activate # Windows
# ④ 安装依赖
uv pip install -r requirements.txt
为什么选 uv？ 解析速度 ≈ pip 的 8–10 倍；同时兼顾虚拟环境和包管理功能。(Astral Docs)
11.5 🗂️ 可选：浏览器自动化插件
若计划使用网页爬取 / UI 测试功能，需额外安装 Playwright 浏览器驱动：
playwright install
(GitHub)
11.6 ⚙️ 核心配置 config.toml
# 复制示例模板, linux
cp config/config.example.toml config/config.toml
# Windows
copy config/config.example.toml config/config.toml
| 区段 | 关键字段 | 说明 |
|---|---|---|
[llm] | model, base_url, api_key | 全局默认大模型与访问地址 |
[llm.vision] | model, api_key | 视觉模型（可选） |
[runflow] | use_data_analysis_agent | 是否启用数据分析子 Agent |
确保将 api_key 替换为有效的 OpenAI / DeepSeek 等服务密钥。 (GitHub)
11.7 🏃♂️ 快速启动
# 标准单 Agent 模式
python main.py
-
终端出现
>>>提示符后直接输入你的想法，例如：帮我规划一次周末露营行程并生成 Markdown 报告 -
结果会在终端打印，并写入
workspace/目录。
11.8 🛠️ 常见问题与解决
| 症状 | 可能原因 | 处理建议 |
|---|---|---|
ModuleNotFoundError | 依赖未装全 | 重新执行 pip/uv pip install -r requirements.txt |
| GPU 不被识别 | 驱动 / CUDA 版本不匹配 | 升级 CUDA，或先用 CPU 跑通 |
| 请求超时 / 401 | API Key 错误或网络受限 | 检查 config.toml；必要时配置代理 |
| 终端中文乱码 | Shell 字符集不一致 | 设置 export PYTHONIOENCODING=utf-8 |
11.9 ✅ 本节 Checklist
- 成功克隆并安装依赖
- 配置
config.toml并填入 LLM Key - 通过
python main.py运行首个提示
如全部打钩，你已完成 OpenManus 的本地部署与配置，为后续开发自定义 Agent 打下基础。
12. OpenManus体验精美网页一键生成
12.1 🎯 学习目标
- 使用 OpenManus，同样使用“选车网站”提示词，体验网页一键生成
- 分别调用 硅基流动 云端接口上的两款 Qwen 模型（文本 + 视觉）与 OpenAI gpt-4o
- 将生成结果进行对比，包含与Manus云端生成的结果进行对比
12.2 一键提示词
我打算购买小米汽车，目前候选车型只有 SU7 和 YU7，但对它们的参数及选择逻辑仍不确定。请你: 收集并对比 SU7 与 YU7 的核心参数（价格、续航、动力、智能驾驶、充电功率、内饰配置等），输出对应表格，并总结各 3 条优缺点；基于对比结果，生成一份面向普通消费者的购车决策指南：包含选择流程图、适用人群分析、购买建议；将该指南制作成一个可在线访问的选车网站：单页布局、简洁科技风，含筛选表单（预算区间/续航/百公里加速）、结果卡片与车型亮点；确保网站支持桌面与移动端访问。
12.3 环境前提
| 项目 | 说明 |
|---|---|
| OpenManus | 已完成项目部署，能够运行 python main.py |
| 硅基流动 API Key | 具有 Qwen/Qwen3-235B-A22B（文本）与 Qwen/Qwen2.5-VL-72B-Instruct（视觉）调用权限 |
| OpenAI Key | 可访问 gpt-4o |
注意：OpenAI模型仅做课堂演示，因为需要充值，大家根据自己需要尝试即可，无需跟随。
12.4 运行 Qwen3-235B（文本）+ Qwen2.5-VL（视觉）
12.4.1 修改 config.toml
# Global LLM configuration
[llm]
model = "Qwen/Qwen3-235B-A22B"
base_url = "https://api.siliconflow.cn/v1"
api_key = "sk-xxxxxxxx"
max_tokens = 4096
temperature = 0.0
# Vision LLM (optional)
[llm.vision]
model = "Qwen/Qwen2.5-VL-72B-Instruct"
base_url = "https://api.siliconflow.cn/v1"
api_key = "sk-xxxxxxxx"
12.4.2 执行生成
python main.py
输入对应的提示词即可。
12.5 运行 gpt-4o（OpenAI）
12.5.1 切换 config.toml
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-xxxxxxxxxxxxxxxx"
max_tokens = 4096
temperature = 0.0
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-xxxxxxxxxxxxxxxx"
12.5.2 重新执行
python main.py
输入对应的提示词即可。
12.6 生成结果对比
回顾云端 Manus 生成的站点，进行三方横向对比。
13. 知识解码：云端通用Agent的安全、成本与隐私
13.1 🎯 学习目标
- 以 Manus Cloud 为案例，解析云端通用 Agent 在 安全、成本、隐私 三大维度的关键挑战
- 了解 Manus 的「一次性云端虚拟机」隔离设计及其局限
- 拆解 SaaS 级 Agent 背后的三重成本账单，并给出降本思路
- 掌握跨境数据驻留、可擦除等隐私合规要点，为企业选型提供决策参考
13.2 🔒 安全｜自主行动的风险与守护
| 风险场景 | 触发路径 | 框架级防护 | Manus 实践 |
|---|---|---|---|
| 凭证泄露 | Agent 持有 API Key，若被盗可越权调用敏感接口 | 函数白名单 + 最小权限设计 | 任务级密钥隔离；凭证仅注入沙箱环境 |
| 提示注入 | 恶意网页或文档插入隐形指令，篡改后续输出 | 输出过滤 + 指令链校验 | 渲染前二次 LLM 安全审计 |
| 代码误删 | 模糊指令导致高危文件操作 | 执行沙箱 / microVM 隔离 | 为每个任务启动一次性 VM，任务结束即销毁 |
要点：Manus 的微虚机隔离让破坏局限于沙箱内部。
13.3 💰 成本｜天下没有“免费的智能”
13.3.1 三重账单
- 算力成本：GPU 推理 / 云虚机时长 —— 约占总成本 60–90 %
- LLM API 调用：复杂任务动辄数百次请求 —— 计价器不断跳动
- 工具调用：专业检索、OCR、支付等第三方 API —— “高速过路费”
13.3.2 隐性支出
- Prompt & RAG 工程：持续迭代、评估、人力消耗
- DevOps：GPU 故障、冷启动、灰度发布运维
- 合规审计：渗透测试、隐私影响评估、ISO 27001 取证
13.3.3 降本思路
| 杠杆 | 做法 |
|---|---|
| 模型路由 | 高价值子任务→高端模型；低价值→轻量 Qwen / Claude mini |
| 缓存复用 | 将「向量–答案对」入库，复用相似请求 |
| 异步并行 | 将长流水线拆段并行，缩短峰值 GPU 占用 |
13.4 🛡️ 隐私｜当 AI 成为“数据管家”
| 议题 | 风险 | 缓解手段 |
|---|---|---|
| 数据驻留 | GDPR / PIPL 禁止敏感数据跨境 | 多区域路由；本地代理；OpenManus 私有化 |
| 可观测 | 用户需知数据何时被上传、调用、存储多久 | 调用日志可视化；数据流程白皮书 |
| 可擦除 | 用户行使“被遗忘权” | 删除 API；密钥轮换；定期清理作业 |
Manus 对策
- 将上传文件存放于区域化对象存储；任务结束即加密归档，7 天后物理删除
- 提供「数据不用于模型训练」条款，用户可一键清除历史上下文
13.5 🛠️ 实操提示
| 场景 | 建议 |
|---|---|
| 金融/医疗 | 上云前先做脱敏代理或直接部署 OpenManus；关闭外网工具调用 |
| 快速 Demo | 用 Manus Cloud，提示词加入 token 预算和输出压缩要求 |
| 跨境团队 | 将记忆库拆分：欧盟数据→欧区节点；其他→默认节点 |
14. 未来趋势：插件市场、智能体协作与职业机会
14.1 🎯 学习目标
- 洞察云端通用 Agent（以 Manus 为代表）在 生态化、组织化、职业化 三条主线的演进趋势
- 了解“插件市场”如何成为平台护城河，以及现有 Marketplace 的雏形
- 掌握“多智能体协作”框架的核心思想，为后续项目设计提供启示
- 明确 Prompt 工程师、工作流设计师、插件开发者等新兴岗位的能力画像与成长路径
14.2 🔮 插件市场：从“内置工具”到开放生态
| 里程碑 | 关键点 | 现状/案例 |
|---|---|---|
| App Store 时刻 | 工具能力不再由官方单独供给，而是开放给第三方开发者 | Moveworks 已上线 Agent Marketplace，号称 100+ 可安装插件 |
| 标准化封装 | 插件需遵循统一接口：描述文件 + 端点 + 安全声明 | ChatGPT Plugins 率先给出 tool spec 与审核流程 |
| 商业模式 | 收费插件、分成、广告位、数据付费多元并行 | Coze 的插件市场已推出付费流量分成机制 |
对 Manus 的启示：Manus 若开放插件 API，可迅速引入垂直功能（如财务报销、法务审查）并以生态规模构筑长期壁垒。
14.3 🤝 智能体协作：从“超级实习生”到“AI 梦之队”
| 维度 | 单体 Agent | 多智能体协作 |
|---|---|---|
| 组织结构 | 一人多职，样样通却不精 | 角色分工：产品、研发、测试、运营各司其职 |
| 典型框架 | Manus 单 Agent Pipeline | MetaGPT 把 SOP 写入 Prompt 序列，按“装配线”完成复杂项目；LangGraph、CrewAI 等提供图式编排 |
| 通信协议 | 简单函数调用 | 任务树、角色扮演、黑板通信、竞标机制 |
| 上手门槛 | Prompt 即用 | 需会任务拆解、角色映射、协同监控 |
在 Manus 的未来版本中，用户可能在 UI 中直接拖拽「市场部-Agent」「研发-Agent」组建项目团队，平台负责多 Agent 的角色映射与冲突解决。
14.4 🧑💼 职业机会：AI 原生岗位的兴起
| 新岗位 | 关键技能 | 市场信号 |
|---|---|---|
| Prompt / Agent 训练师 | 领域知识 + Prompt 迭代 + 日志评估 | 企业招聘开始强调“Agent Memory & Retrieval 调优” |
| Agent 工作流设计师 | 业务流程梳理 + 低代码自动化 + 指标监控 | n8n、Dify 等低代码平台正增设“AI Flow Consultant”认证 |
| 插件开发者 | API 封装 + 安全声明 + 商业化思维 | Indeed 上“AI Agent Developer”岗位已破 60 K 条；Moveworks/Coze Marketplace 开放分成窗口 |
| 多智能体工程师 | LangGraph / Autogen / CrewAI 实战 + 并行推理 | 企业 PoC 纷纷引用 MetaGPT 解决软件工程协作 |
行业报告预估，多 Agent 协作将催生“AI 项目经理、AI 合作协议师”等更多角色。
14.5 📝 总结
- 生态化：插件市场决定平台天花板；Manus 若开放插件 API，将像 App Store 一样激发二级开发浪潮。
- 组织化：单点智能正快速演化为“Agent 编队”；掌握多智能体编排是下一阶段核心竞争力。
- 职业化：Prompt 训练师、工作流设计师、插件开发者等“AI 原生岗位”机会已现；提前布局，抢占风口。
