重庆网站模板平台建设建网站免费

2025年3月初，号称首个通用性智能体的Manus发布，让agent作为7/24小时自动打工人的多个场景随即在社交媒体上引发热议，内测邀请码一时洛阳纸贵，被炒制数万元，同时带动了150多只AI智能体概念股涨停。
据媒体披露，Manus背后的母公司蝴蝶效应的投资方包括真格基金、腾讯等。爆火之后，Manus的资源也是好起来了。不到两周的时间，Manus团队很快与阿里通义千问团队正式达成战略合作，双方将基于通义千问系列开源模型，在国产模型和算力平台上实现Manus的全部功能。

Manus技术原理剖析

Manus提示词拆解

有热心网友hack出了manus的提示词，并发布在X上。

manus提示词地址：
https://gist.github.com/jlia0/db0a9695b3ca7609c9b1a08dcbf872c9

对此Manus联创Yichao ‘Peak’ Ji也在X上回复了，基本认可了这份提示词。同时还提到，Manus使用了开源项目browser_use，没有用热门的MCP。

agent loop

manus的提示词中设置manus agent按照agent loop的模式工作，即迭代的完成复杂任务，依据分析事件、选择工具、等待执行、迭代执行(直到任务完成)、提交结果和退出待机的步骤运行。
总结agent loop的提示词如下：

You operate in an agent loop, iteratively completing tasks through these steps:
1. Analyze Events: Understand user needs and current state through event stream, focusing on latest user messages and execution results
2. Select Tools: Choose next tool call based on current state, task planning, relevant knowledge and available data APIs
3. Wait for Execution: Selected tool action will be executed by sandbox environment with new observations added to event stream
4. Iterate: Choose only one tool call per iteration, patiently repeat above steps until task completion
5. Submit Results: Send results to user via message tools, providing deliverables and related files as message attachments
6. Enter Standby: Enter idle state when all tasks are completed or user explicitly requests to stop, and wait for new tasks

System capabilities

manus系统的能力概括如下：

System capabilities:
- Communicate with users through message tools
- Access a Linux sandbox environment with internet connection
- Use shell, text editor, browser, and other software
- Write and run code in Python and various programming languages
- Independently install required software packages and dependencies via shell
- Deploy websites or applications and provide public access
- Suggest users to temporarily take control of the browser for sensitive operations when necessary
- Utilize various tools to complete user-assigned tasks step by step

从系统能力的定义来看，manus将agent的能力拆解为用户沟通、访问linux沙箱环境、使用shell、浏览器及其他软件、独立安装软件及依赖项、部署应用、逐步执行复杂任务、建议用户接管等能力。
Manus AI Assistant Capabilities中界定了每个环节操作具体应遵循的policy：

# Manus AI Assistant Capabilities## Overview
I am an AI assistant designed to help users with a wide range of tasks using various tools and capabilities. This document provides a more detailed overview of what I can do while respecting proprietary information boundaries.## General Capabilities### Information Processing
- Answering questions on diverse topics using available information
- Conducting research through web searches and data analysis
- Fact-checking and information verification from multiple sources
- Summarizing complex information into digestible formats
- Processing and analyzing structured and unstructured data
......

根据完整的提示词总结思维导图如下：

modules 模块架构

<system_capability>：系统能力
<event_stream>：按时间排序的事件流，包含message、action、observation、plan、knowledge、datasource等事件类型。
<agent_loop>：agent工作流程
<planner_module>：任务规划
<knowledge_module>：知识和记忆
<datasource_module>：data API，获取权威数据

<datasource_module_code_example>
weather.py:
\`\`\`python
import sys
sys.path.append('/opt/.manus/.sandbox-runtime')
from data_api import ApiClient
client = ApiClient()
# Use fully-qualified API names and parameters as specified in API documentation events.
# Always use complete query parameter format in query={...}, never omit parameter names.
weather = client.call_api('WeatherBank/get_weather', query={'location': 'Singapore'})
print(weather)
# --snip--
\`\`\`
</datasource_module_code_example>

<todo_rules>： 为planner agent执行任务提供checklist
<file_rules>：文件读写、添加、编辑处理
<browser_rules>：按\index[:]<tag>text</tag>\格式返回网页可见element的结果，提取成功的page content以markdown格式返回；
<shell_rules>、<coding_rules>、<tool_use_rules>、<writing_rules>、<error_handling>、<deploy_rules>分别提供shell脚本、编程、工具使用、写作、错误处理、部署等业务需求的规则。
<sandbox_environment>：沙箱环境，不活跃的沙箱主动休眠和唤醒；
根据各模块，总结manus的Agent架构如图所示：

从上述提示词中可以看到，manus的工作原理基于一个任务解析与结构化处理的agent框架。agent首先通过需求分析模块理解用户请求，基于LLM识别核心目标，对模糊需求进行主动澄清，并将复杂任务分解为可执行的原子化组件。
通过集成工具链（包括浏览器交互、文件系统操作、Shell命令行、通信接口和部署能力）实现多模态任务处理，支持JavaScript、Python等十余种编程语言及主流开发框架。
执行引擎采用planner动态任务规划机制，在分步执行过程中实时监控进度，遇到障碍时触发自适应调整策略，生成替代解决方案。
质量保障体系通过结果验证、代码测试和反馈学习闭环确保输出可靠性，同时遵循严格的伦理约束，包括隐私保护、系统安全限制和道德准则。
系统通过持续学习优化任务处理能力，但受限于上下文窗口和沙盒环境隔离原则，无法访问外部系统或执行越权操作。

browser use

manus浏览器的操作基于browser use开源库实现，browser use基于 Python 和浏览器自动化框架 Playwright 开发，兼容 Chromium、Firefox 等浏览器，提供稳定的自动化底层支持。
browser use的项目地址如下:

项目地址：https://github.com/browser-use/browser-use

---

开源平替方案

openManus

https://github.com/mannaandpoem/OpenManus/tree/main

OpenManus项目实现了一个MVP版的Manus，由 MetaGPT 团队的五名开发者在 3 小时内 快速开发完初版，目前社区热度较高，还在持续更新中。代码写的比较简洁，可读性较好。OpenManus的app架构包括agent模块、工作流flow模块、工具使用tool模块和prompt提示词模块。

agent模块

agent范式包括了React agent、负责执行代码的SEW agent、Planning agent，以及继承自React agent类的Toolcall agent工具调用智能体等。

class Manus(ToolCallAgent):"""A versatile general-purpose agent that uses planning to solve various tasks.This agent extends PlanningAgent with a comprehensive set of tools and capabilities,including Python execution, web browsing, file operations, and information retrievalto handle a wide range of user requests."""name: str = "Manus"description: str = ("A versatile agent that can solve various tasks using multiple tools")system_prompt: str = SYSTEM_PROMPT.format(directory=initial_working_directory)next_step_prompt: str = NEXT_STEP_PROMPTmax_observe: int = 10000max_steps: int = 20# Add general-purpose tools to the tool collectionavailable_tools: ToolCollection = Field(default_factory=lambda: ToolCollection(PythonExecute(), BrowserUseTool(), StrReplaceEditor(), Terminate()))async def _handle_special_tool(self, name: str, result: Any, **kwargs):if not self._is_special_tool(name):returnelse:await self.available_tools.get_tool(BrowserUseTool().name).cleanup()await super()._handle_special_tool(name, result, **kwargs)async def get_browser_state(self) -> Optional[dict]:"""Get the current browser state for context in next steps."""browser_tool = self.available_tools.get_tool(BrowserUseTool().name)if not browser_tool:return Nonetry:# Get browser state directly from the tool with no context parameterresult = await browser_tool.get_current_state()if result.error:logger.debug(f"Browser state error: {result.error}")return None# Store screenshot if availableif hasattr(result, "base64_image") and result.base64_image:self._current_base64_image = result.base64_image# Parse the state inforeturn json.loads(result.output)except Exception as e:logger.debug(f"Failed to get browser state: {str(e)}")return Noneasync def think(self) -> bool:# Add your custom pre-processing herebrowser_state = await self.get_browser_state()# Modify the next_step_prompt temporarilyoriginal_prompt = self.next_step_promptif browser_state and not browser_state.get("error"):self.next_step_prompt += f"\nCurrent browser state:\nURL: {browser_state.get('url', 'N/A')}\nTitle: {browser_state.get('title', 'N/A')}\n"# Call parent implementationresult = await super().think()# Restore original promptself.next_step_prompt = original_promptreturn result

flow模块

flow模块定义了manus agent的工作流base类，包括智能体的获取、添加、状态管理(not_started、in_progress、completed、blocked)。还定义了FlowFactory类，用于为多个智能体创建不同类型的工作流。

tool模块

tool模块下涵盖了各类工具调用的脚本。
browser_use_tool.py同样使用了browser use库来操作浏览器，支持的浏览器操作类型包括导航(gotourl、go_back、refresh、web_search)、元素互动(点击事件、上下滑动等）、内容互动(提取网页内容)、Tab管理。

bash.py用于在terminal终端中处理bash命令。
代码执行的工具目前只包括python语言编写脚本的执行python_execute.py。

prompt模块

prompt模块放置了manus、planning、swe、toolcall等agent的提示词。提示词分为静默提示(system prompt)和说明下一步如何行动的NEXT_STEP_PROMPT。

---

OWL

https://github.com/camel-ai/owl/tree/main

OWL是CAMEL-AI团队推出的类manus的多智能协作开源方案，该方案基于 CAMEL-AI Framework，强调多智能体优化学习（Optimized Workforce Learning）。在 GAIA 基准测试 中，OWL 取得 58.18 的平均分 ，在开源框架中排名第一。
OWL项目的系统架构如图所示，agent主要应用了role-play范式来增强：

AgenticSeek

AgenticSeek 是一个开源的多智能体协作框架，旨在提供类似 Manus 的自动化能力，支持代码编写、文件系统操作、网页交互及错误修正等功能。该项目的特点在于可完全在本地运行，保障数据隐私。同时具备多模态的语音操作能力，以及配适了deepseek。

https://github.com/Fosowl/agenticSeek

项目架构有agent、tool模块以及语音支持等脚本组成。
agent类型包括code agent、file agent、planner agent、browser agent以及处理用户随机对话的causal agent。
sources/tools/searxSearch.py使用开源的互联网元搜索引擎SearxNG实现联网搜索功能。
sources/browser.py使用selenium来模拟浏览器操作。
llm_provider.py获取ollama运行本地模型，如deepseek 7B。
memory.py配置了对话记忆机制，保持用户多次对话的session，并且提供可选的memory compression机制，即选择是否用大模型去summarize对话内容以实现记忆压缩。

  def summarize(self, text: str, min_length: int = 64) -> str:"""Summarize the text using the AI model.Args:text (str): The text to summarizemin_length (int, optional): The minimum length of the summary. Defaults to 64.Returns:str: The summarized text"""if self.tokenizer is None or self.model is None:return textmax_length = len(text) // 2 if len(text) > min_length*2 else min_length*2input_text = "summarize: " + textinputs = self.tokenizer(input_text, return_tensors="pt", max_length=512, truncation=True)summary_ids = self.model.generate(inputs['input_ids'],max_length=max_length,  # Maximum length of the summarymin_length=min_length,  # Minimum length of the summarylength_penalty=1.0,  # Adjusts length preferencenum_beams=4,  # Beam search for better qualityearly_stopping=True  # Stop when all beams finish)summary = self.tokenizer.decode(summary_ids[0], skip_special_tokens=True)summary.replace('summary:', '')return summary@timer_decoratordef compress(self) -> str:"""Compress the memory using the AI model."""if not self.memory_compression:returnfor i in range(len(self.memory)):if i <= 2:continueif self.memory[i]['role'] == 'assistant':self.memory[i]['content'] = self.summarize(self.memory[i]['content'])

router.py实现了agent分派机制，用零样本分类模型对用户的query做意图分类，根据分类的结果将任务分派给对应的agent。
speech_to_text.py设置了麦克风语音录制、转录文本等音频处理。

REF

https://manus.im/
https://gist.github.com/jlia0/db0a9695b3ca7609c9b1a08dcbf872c9
https://x.com/peakji/status/1898994802194346408
https://github.com/browser-use/browser-use