OWL团队万字分享：复现Manus最好的团队，如何看待Agentic AI的落地现状？

373 0 0

文章摘要

Manus 大火引发了 AI 领域对 Agent 技术的广泛关注，尤其是开源项目的快速发展。CAMEL-AI 团队在 Manus 上线后迅速推出了 OWL 项目，其性能在开源界达到了 GAIA 基准的天花板，超越了 Huggingface 的 Open Deep Research。OWL 项目通过 multi-agent 系统实现了任务自动化，支持多种工具调用，如网页浏览、代码生成、PDF 解析等。与 Manus 相比，OWL 在技术上有所不同，但目标相似，均致力于提升 AI agent 的实际应用能力。

Manus 的出现点燃了 AI agent 技术浪潮，首次以出色的产品形态面向大众，推动了 AI 技术的普及。尽管 Manus 的技术复现相对简单，但其产品交互和形态的成功难以复制。CAMEL-AI 团队认为，未来的 AI agent 发展将依赖于 MCP（Multi-agent Communication Protocol），它能够统一不同框架和工具之间的通信，提升系统的灵活性和扩展性。

在技术实现上，Manus 通过 Ubuntu 文件系统和命令行工具实现了高效的上下文管理和任务执行。尽管 Manus 的技术并不复杂，但其产品形态和用户体验设计为其赢得了广泛关注。CAMEL-AI 团队指出，模型差距是影响 AI agent 性能的关键因素，尤其是在复杂任务中，支持 Computer Use 的模型能够显著提升表现。此外，工具优化和工程调试也是缩小与 Manus 差距的重要方向。

关于 AI agent 的未来发展，CAMEL-AI 团队认为，垂直领域的 AI agent 更具潜力，因为它们能够深入解决特定领域的核心问题。通用 agent 虽然在广泛任务中表现出色，但在专业领域的效率和解决能力上存在不足。因此，垂直领域的 agent 需要更深入的工具集成和模型优化，以应对不同领域的独特需求。

在商业化方面，AI agent 的成本控制是一个重要挑战。CAMEL-AI 团队通过模型优化、推理技术改进和硬件优化等手段，降低了任务执行的成本。尽管如此，大规模应用仍需进一步降低成本，以提升产品的市场竞争力。

AI agent 的交互方式将带来人机交互的革新，减少人的参与，提升任务的自主性。CAMEL-AI 团队认为，动态生成 agent 是未来的一个重要方向，能够根据任务需求灵活调整 agent 的行为和功能。总体而言，AI agent 技术的发展将依赖于模型、工具和工程优化的协同进步，推动其在更广泛领域的应用。