一提到Manus，行业里一个很通用的评价就是“他们的产品做得很好”。这一直让我困惑：一方面，我除了公测时像蝗虫一样浅尝辄止地试用外，并没有深度使用过；另一方面，几次断续体验中，交付结果的质量也并未达到我的预期。但偏偏有很多人真心称赞Manus，这让我忍不住想弄清楚原因。业界常说Manus产品好在于“不做基座模型”。我认为这不是核心答案——太多AI产品也不做基座模型，却远谈不上成功。讨论“不做”时，必须通过“不做”看到他们把精力聚焦在了“做什么”。这本质上是“取舍”。Manus放弃底层模型，专注上层应用；放弃垂直人群，专注通用办公场景。说到底，Manus并不擅长“发明创造”，而是极擅长“选择+执行”。
调研后，我总结出Manus在三个层面的取舍。
一、沙盒：通用Agent的工作台。
Manus为每个任务（session）启动一个持久化的云端Linux虚拟机。持久化意味着整个任务周期内，虚拟机作为稳定平台承载所有工作进度，不会因单步结束就销毁关键上下文；云端部署则支持异步执行，你可以关闭浏览器甚至关机，去做其他事。反例是ChatGPT：直接写代码时无法边运行边联网，13小时不活跃就会销毁。它更像临时展示工具，难以应对长时间、多线程、依赖网络的复杂任务。
虚拟机沙盒并非Manus独创，几乎所有Agent产品都依赖它。Devin是编程领域的佼佼者，提供了开发者级环境。Manus则优化了Python数据处理、浏览器操作和文件生成，更贴近大众办公。沙盒层面，Manus不做专业工作站（像Mac Studio），也不做临时展示窗口（像iPad），而是面向普通职场人的通用系统（像MacBook Air）。
二、工具：Agent的手脚。
Agent产品通常会把常用能力封装成工具供AI调用。Manus的亮点在于工具设计更贴合通用办公场景，颗粒度更细致。例如，Manus的浏览器拥有“视觉”能力。多数Agent内置的无头浏览器只有核心引擎、无图形界面，因为AI理论上只需读取结构化数据。但现实中人类网页设计了太多视觉遮罩，Matthew Berman评测时发现Manus能绕过这些障碍，说明其浏览器加入了多模态视觉能力。类似思路也出现在LangChain/PandasAI等开源库中，它们预设固定流程处理常见难题，效率远超让AI现场推理。Cursor在代码场景下工具极度丰富，Devin也不逊色。但Manus的选择很清晰：不做特定职业专用工具，而是构建通用、大众化的工具集。
张小珺采访季逸超时，后者提到原子能力的“网络效应”让我印象深刻：把所有原子能力连成一张网，判断某能力重要性的标准是——提升它能否让整张网的能力大幅增强。比如Manus无需专门开发画图工具（可用通用工具替代），但极度重视“读图”能力，因为它能在网页浏览、表格处理、文档理解等众多场景放大价值。
三、任务路由：Agent的指挥官
开启深度模式后，Manus能感知不同任务类型并触发对应SOP。传统AI（包括许多Agent）流程相对固定，如deep research通常是“写计划-查资料-汇总”线性执行。但真人做事会在这些步骤间反复迭代，这需要动态规划能力。Helicone分析显示，高级Agent如Manus的API调用呈典型DAG（有向无环图）结构，而非线性。季逸超博客中也提到，通过持续更新todo.md来“复述”任务目标，防止长链条任务偏离主题。这些都是动态规划的工程实践。
在动态规划上，OpenAI o1是强有力的对比：Manus更像传统rule-based自动驾驶，o1则是端到端的、内生于思维链的规划。
回归最初问题：Manus的产品到底好在哪里？
首先是定位精准，既包括目标用户，也包括商业化路径，这决定了它的天花板有多高。我现在明白自己为何总对Manus失望——我测试的场景根本不在它的定位范围内。其次是业务洞察。几乎所有设计都围绕“交付任务”展开，尤其沙盒和工具层面的取舍，体现出对目标用户任务特征的深刻洞察。最后是执行力，把选定的方向做到位。体验中“任务卡住或失败”并不常见，说明内部一定做了大量场景优化和产品巧思，这是个极其需要细致和耐心的活儿。
当然，站在当下时间点，Manus到底有多强仍见仁见智。这篇文章只是我迟到的学习笔记，发布即有“过时”的宿命。