2025 年 3 月，整个 AI 圈被一个叫 Manus 的产品刷屏了。邀请码被炒到好几万，排队的人超过 10 万。

但你仔细一看，Manus 底层用的是 Claude，没有自研模型。

一个“套壳”产品凭什么火成这样？

【截图：Manus 产品界面；风格：whiteboard；截图目标：展示 Manus 接收任务后自主执行的界面；关键词：Manus、Agent、任务执行】

我翻了 Manus 官方博客里 Context Engineering 那篇长文、GitHub 上泄露的完整系统提示词、还有 OpenManus 的源码，可以自信地、大方地、光明磊落地帮你搞清楚这三件事。

• Manus 到底是什么？跟 ChatGPT 有什么区别？
• 它凭什么做到“通用”？靠的是什么？
• 一个没有自研模型的产品凭什么 8 个月营收破亿美元？

哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚 Manus 到底是什么，它凭什么火遍全网。

先说第一件事，Manus 是什么。

一句话，Manus 不是聊天机器人，是一个能动手干活的 AI Agent。

你给 ChatGPT 说“帮我做一份竞品分析报告”，它会给你一段文字建议。你给 Manus 说同样的话，它会自己打开浏览器搜索资料，自己写 Python 脚本拉数据，自己生成图表，最后交给你一份带封面的 PDF 报告。

区别在哪？ChatGPT 是参谋，给你出主意。Manus 是执行者，替你把活干完。

它背后是武汉的 Monica 团队，创始人肖弘。2025 年 3 月 6 日正式上线，20 小时内演示视频播放量就破了百万。

【截图：ChatBot 对比 Agent；风格：whiteboard；截图目标：展示 ChatGPT 给建议 vs Manus 直接执行交付的区别；关键词：ChatBot、Agent、执行】

那聪明的你肯定想到了，能动手干活的 AI Agent 又不止它一个，Manus 凭什么做到“通用”？

这就是 Manus 真正硬核的地方。

在 Manus 出现之前，生产级 Agent 大多沿着三条相对独立的路线发展。第一条是 Deep Research，专门做深度调研，比如 OpenAI 的 Deep Research。第二条是 Coding，专门写代码，比如 Claude Code、Codex。第三条是 Computer Use，专门操控电脑，比如 Anthropic 的 Computer Use。

三条路线，各走各的，互不相通。

Manus 的突破在于，它把这三条路线放进了同一个 Agent 里。虚拟浏览器扩大了观察空间，让 Agent 能像人一样打开网页、翻阅资料。文件系统、代码执行和命令行扩大了动作空间，让 Agent 能写代码、跑脚本、生成文件。

它没有靠换一个更强的模型来变成通用 Agent。它靠的是把三类 Agent 的观察空间与动作空间取并集，让同一个 Agent 能跨越原有的产品边界去完成任务。

【截图：三条路线合并；风格：three-layer；截图目标：展示 Deep Research、Coding、Computer Use 三条路线合并成 Manus 的过程；关键词：观察空间、动作空间、并集】

再配合上下文工程，Manus 用一个 todo.md 文件把当前目标写在上下文末尾，防止长任务中目标跑偏。每个任务跑在一台独立的云端虚拟机里，任务结束后虚拟机直接销毁，不留残余。

一句话总结，Manus 不是靠模型更强，而是靠空间更大。

那聪明的你肯定又要问了，一个底层用 Claude 的产品凭什么火成这样？

三个原因。

第一，邀请码策略。Manus 上线后只发了极少量邀请码，邀请码在二手市场被炒到好几万，排队的人超过 10 万。稀缺感直接把话题热度拉满。

第二，GAIA 排行榜的成绩。Manus 声称在 GAIA 基准测试上全面超越了 OpenAI 的 Deep Research。不管这个数据是否经过独立审计，它给了所有人一个转发的理由。

第三，争议本身就是流量。发布几天后，Manus 的完整系统提示词就被人提取出来发到了 GitHub 上。底层用 Claude、浏览器自动化用了开源的 browser-use，被批评“套壳”。MetaGPT 团队甚至在发布当天就用 3 小时做出了开源替代品 OpenManus。

【截图：Manus 走红时间线；风格：swimlane；截图目标：展示从发布到争议的关键事件节点；关键词：邀请码、GAIA、OpenManus、系统提示词泄露】

但你换个角度想，系统提示词泄露反而让整个行业学到了一套完整的 Agent 架构设计。OpenManus 3 小时复刻说明核心技术门槛确实不高，但 Manus 的产品化、工程化和运营能力才是真正的壁垒。

技术门槛不高，工程化的差距才是壁垒。

最后简单总结下。

Manus 证明了一件事，做 Agent 不一定要自研模型，但一定要把观察空间和动作空间做到足够大，再用上下文工程把它们串起来。

另外，想学 Agent 开发的同学，GitHub 上有大量和 Manus 相关的开源项目可以直接学。

OpenManus，Manus 的开源复刻版，MetaGPT 团队在 Manus 发布当天用 3 小时开发完成。学完这个项目，你能理解 Manus 的核心架构是怎么搭的，门槛有多低。

browser-use，Manus 的浏览器自动化能力就来自这个项目。让 Agent 能像人一样操作网页，填写表单、点击按钮。想给你的 Agent 装上眼睛和手，学它就对了。

AutoGPT，AI Agent 领域的开山鼻祖，也是 GAIA 基准测试的共同开发方。从单脚本演进为完整平台，想了解 Agent 从概念到产品的演进路径，学它就够了。

OpenHands，和 Manus 类似的沙盒加 Agent 循环架构，专注代码开发场景。想自己搭一个编码 Agent，从它的架构开始学效率最高。

OWL，GAIA 开源排行榜第一名，多 Agent 协作框架。想搞清楚多个 Agent 怎么协同工作，学它就对了。

这个知识点你学会了吗？想解锁更多 Agent 硬核知识，点赞关注，我是二哥，咱们下期见！