4月8日我拿到了Manus的邀请码，我是从Manus开放注册以来的五个小时内申请的，已苦等了一个多月。
目前Manus貌似只开放了国际版，国内版的话应该是要等上一段时间，Monica在公告里面也说了正在开发以小红书和微信为主登录平台的Manus中文版，到时候应该会全面取消邀请码制度，更加方便用户在小红书和微信等社交平台完成定制型任务，比如说指定旅游路线、烹饪方法和流程等。以下是Manus首页的UI设计情况，看上去还是比较简洁。左边是任务栏（放生成任务用的，我这里的例子是『制作5天内有关机器学习的学习路线，包含精确时间并且安排相应联系』），我生成的这个任务共用了200个credit左右，个人觉得不是很耐用，因为制作学习路线属于比较基础的任务，然而新用户免费的1000个credit在生成基础任务后耗费了大约1/5的credit量。
以下是Manus生成的结果，总共花了大约2-4分钟时间（没有准确计算）。保守考虑Mauns是直接在内置服务器中生成结果的，光看路径的话，是在Ubuntu系统里面直接操作，且大概的操作过程如下：
- 在home的ubuntu文件路径上添加<任务名>的文件夹
- 在<任务名>文件夹中新建todo.md文件，文件此时为空，todo.md是子任务队列首任务
- 通过联网API搜索网络上的多个资料
- 将搜到的资料整理好存在todo.md里面
- 在<任务名>文件夹中，以子任务队列中的第二个任务来命名，生成对应的md文件；第二个子任务跟时间规划有关，则自动生成5day_ml_schedule_formatted.md，命名格式为<具体时间>_<主题>.md
- 优化路径，如果用户用中文提问，会将文件名转成中文
- 最终审查文件中的内容，然后交付给用户
- 生成文档文件，显示在前端中
看得出来，Manus的数据库架构采用了多层级设计，主数据作为中心化管理层（主要是管理用户和元数据，利用分布式关系数据库处理高并发访问和数据一致性），任务级别数据库作为分布式存储层（给每个用户任务创建独立的/home/ubuntu/[任务ID]文件夹作为专属存储空间，在里面直接操作，实际上是一种虚拟机隔离机制策略）。
以下是任务生成参考图：
总结：如果满分10分，直观来看的话，我会给Manus的7分。Manus能够正确分析我给他发的任务命令，懂得如何截获关键词，对关键词进行分块处理和分析，它能将5天机器学习的学习路线按照严格时间规划来安排子任务，附有精确时间，且安排练习，但是这些练习没有任何标注。另外，Manus没有很细致的人机交互功能，对比ChatGPT o4-mini-high的推理功能，o4有比较成熟的人机交互模式，在分析用户发出的任务命令之后会对用户进行再次确认，询问用户一些相关问题，帮用户完善任务命令缺漏，从而降低误解或者生成结果幻听的风险，但是Manus没有此层设计。
（以上为2025年4月结论，Manus在不断迭代更新，部分问题早已解决）
Manus的Agent架构：事件流驱动 + CodeAct
Manus的架构实际上是一个多智能体架构，符合11种MAS方法论中的多种，并且是16种（截止2025年8月）MAS框架之一，具体来说是类似Agno架构。整体架构设计有Planner计划器、Knowledge+Datasource双引擎、文件化记忆、智能交互策略组件、检索与浏览规范、安全执行与部署、工具调用记录表机制，并且遵守CodeAct。
Planner计划器指的是用户输入query之后，Manus会先用一个规划工具将目标拆成编号伪代码式的步骤清单，并同步到todo.md清单里面，然后实时勾选进度。
Knowledge+Datasource是两个不同的引擎，但相辅相成。Knowledge是任务相关的最佳实践和执行建议，主要是由系统注入的，并且配置高置信度。Datasource都是权威API文档和调用示例，优先级最高，能通过API提取数据而不是自己编，真遇到不会的就去搜索。调用API之后会保存调用记录，此模块必须用Python代码调用。另外，只有当API不满足知识索引的情况下才回去做网络搜索。
文件化记忆是所有中间结果都按照规则来写入文件，有两种特性，一是能够复用，下一步直接用，不用重新计算；二是不会出错，长代码或者大表格放在文件里，比放在对话框里面更稳定。
智能交互策略组件是通过Message工具和用户进行沟通的，在不同场景中有不同模式。比如说，notify（非阻塞通知）模式中告诉用户『我收到了』、『任务已开始』或者『当前进度』，不等待回复即可直接继续执行。第二种是ask（阻塞提问）模式，向用户确认关键信息，必须等到用户回答才能继续。第三种是敏感操作人工接管，当步骤有高风险（如支付、删除数据、访问敏感系统）的时候，直接把浏览器或者操作界面交给用户完成，AI在此阶段会暂停等待人工介入完成后再继续工作。
检索与浏览规范指的是Manus在网上找信息的时候，有一套规则：必须进入原文页面，不能只看搜索摘要、必要的时候滚动获取完整信息、信息来源优先级为数据API（datasource）> 网页搜索 > 模型内知识。
安全执行与部署是Manus在沙箱中执行命令和部署服务的时候，也有一套做法。首先，系统用Shell命令加自动确认（-y等参数），避免卡在等待输入阶段中。其次，长结果写在文件里，不塞在聊天框上下文，防止截断或乱格式等问题。第三，代码必须先保存为文件再运行，方便以后复查和复用。最后，Manus支持临时对外暴露沙箱服务（Expose Port）对内容进行验收，并声明临时性。
工具调用纪律机制，指的就是每一步都必须用工具调用返回，在最终结果产出之前禁止直接自然语言回答。
最后还有一个CodeAct，怎么理解呢？简单来说，Manus将『写代码』当做自己的通用语言，它会根据任务要求生成一段Python代码，在云端沙箱里面执行，观察运行结果，在根据反馈自我调试，并且重复迭代。这种方式让Manus多智能体系统不在局限于预设的功能列表，而是像操作一个电脑操作系统，既能处理数据、生成可视化图表，还能调用复杂库、运行脚本、临时部署在线任务，实现了『想到就能做到』的功能。
待更新内容：
- Manus使用的文件IO处理策略
- Manus的数据库分布策略
- Manus与开源项目OpenManus、Anus等真的一样吗？