以 manus 為例，拆解以 multi-agent 為基礎(chǔ)的通用任務(wù)智能體的工作流程：
一. 意圖識別
1. 獲取用戶輸入內(nèi)容，進(jìn)行必要的意圖識別和關(guān)鍵詞提取，比如用戶輸入的是“想去日本旅游，需要一個旅行計劃”，拆解之后得到的關(guān)鍵詞是： japan-trip，任務(wù)類型為：travel
2. 如果用戶輸入的需求比較簡單，不能識別用戶的意圖，此步驟可以引導(dǎo)用戶繼續(xù)對話，補(bǔ)充更多的信息，或者上傳文檔 / 圖片等資料
二. 任務(wù)初始化
1. 用識別出來的任務(wù)關(guān)鍵詞創(chuàng)建任務(wù)文件夾，啟動 docker 容器，為后續(xù)的任務(wù)執(zhí)行做環(huán)境隔離
2. 任務(wù)執(zhí)行過程中的內(nèi)容產(chǎn)物，寫入到任務(wù)文件夾，任務(wù)結(jié)束之后清理 docker 容器
三. 步驟規(guī)劃
1. 使用意圖識別的結(jié)果 + 補(bǔ)充背景信息，請求一個推理模型，對任務(wù)進(jìn)行步驟拆分
2. 將任務(wù)拆分的步驟信息，寫入到任務(wù)文件夾的 todo.md
四. 任務(wù)執(zhí)行
1. 遍歷任務(wù)文件夾中的 todo.md，[ ] 表示待執(zhí)行的任務(wù)，[x] 表示已執(zhí)行的任務(wù)
2. 取出待執(zhí)行的任務(wù)，帶上任務(wù)上下文信息，做一次 function call，這里帶上的 function tools 是系統(tǒng)內(nèi)置的可以執(zhí)行不同任務(wù)的 agent，比如 search agent / code agent / data-analysis agent
3. 根據(jù) function call 的結(jié)果，調(diào)度指定的 agent 執(zhí)行任務(wù)，把執(zhí)行過程中產(chǎn)生的內(nèi)容，寫入到容器中的任務(wù)文件夾
4. 任務(wù)執(zhí)行完，由主線程，更新 todo.md，繼續(xù)下一個任務(wù)
五. 歸納整理
1. todo.md 里面的任務(wù)全部執(zhí)行完之后，主線程針對用戶的初始需求，做一次整理輸出
2. 把任務(wù)的內(nèi)容產(chǎn)物，給到用戶瀏覽或下載（文檔 / 代碼 / 圖片 / 鏈接等）
3. 收集用戶對任務(wù)的滿意度
----
整個方案理下來，核心在于執(zhí)行任務(wù)的 agent 設(shè)計，以及主線程的調(diào)度流程，以 search agent 為例，在處理“日本旅行計劃”這個任務(wù)中，主要的執(zhí)行步驟：
1. 拿到 japan-trip 等關(guān)鍵詞信息，調(diào)用谷歌第三方 API，獲取 10-20 條搜索結(jié)果
2. 模擬瀏覽器點開第一個網(wǎng)頁，瀏覽網(wǎng)頁內(nèi)容，獲取網(wǎng)頁文本內(nèi)容 + 瀏覽器截圖拿到網(wǎng)頁視覺信息
3. 調(diào)用支持多模態(tài)輸入的模型，輸入當(dāng)前任務(wù)要求，從當(dāng)前瀏覽的網(wǎng)頁中提取有效信息（是否有符合要求的結(jié)果，如果不滿足要求，返回下一個該點擊的 button 元素）
4. 模擬瀏覽器點擊 + 網(wǎng)頁滾動行為，拿到更多的網(wǎng)頁內(nèi)容 + 視覺信息，重復(fù)幾次，直到收集到的內(nèi)容滿足任務(wù)要求為止
5. 把收集到的內(nèi)容保存到任務(wù)文件夾
這個 search agent 的核心在于模擬用戶瀏覽網(wǎng)頁行為，需要用到無頭瀏覽器和多模態(tài)模型。
code agent 和 data-analysis agent 相對而言比較簡單：
1. 根據(jù)任務(wù)需求，創(chuàng)建本地文件，寫入代碼（python 代碼做數(shù)據(jù)分析，html 代碼做視覺呈現(xiàn)）
2. 通過系統(tǒng)調(diào)用執(zhí)行代碼，把執(zhí)行結(jié)果保存到任務(wù)文件夾
3. 通過 code-preview 服務(wù)，預(yù)覽 html 文件的內(nèi)容
---
此類 multi-agent 產(chǎn)品，還有一些改進(jìn)的空間：
1. todo.md 的多個任務(wù)，是線性依賴關(guān)系，可以使用 DAG（有向無環(huán)圖）實現(xiàn)更加復(fù)雜的任務(wù)依賴
2. 需要引入自動化測試 agent，對任務(wù)結(jié)果進(jìn)行判斷和矯正，如果對某個步驟評分過低，需要回溯到之前的某個任務(wù)節(jié)點重新執(zhí)行
3. 允許全自動 + 用戶介入的混合模式，在某個步驟執(zhí)行完，先尋求用戶反饋，如果幾秒內(nèi)沒收到反饋，則自動繼續(xù)運(yùn)行
---
整體評價：manus 在工程層面做了很多工作，整體交互比其他產(chǎn)品好很多。技術(shù)層面，依然是沒什么壁壘，對模型有比較深的依賴：
1. 也許有個小模型，做任務(wù)執(zhí)行前的意圖識別
2. 任務(wù)規(guī)劃和推理，用 deepseek-r1
3. 圖片識別 + 代碼生成，用 claude-3.7-sonnet
token 消耗會很高，能不能廣泛用起來，取決于誰來負(fù)擔(dān)這個成本。
最終的任務(wù)準(zhǔn)確性和用戶滿意度，還需要更多的案例來說明。
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
暫無評論，快來評論吧!