Manus爆火带来的技术思考

Manus

官网

https://manus.im/

​

1.要求设计一个AI驱动的rogue like的dnd规则游戏，实现脚手架 https://manus.im/share/CUIPWPqrbTKWrGkmf4bKRS?replay=1

​

2.要求实现一个微信群聊监控机器人，发现邀请码就快速打开页面填入 https://manus.im/share/flo3wfcTSDu8G3PbgUMahm?replay=1

​

3.分析前几天AI + Toy浪潮的失败原因，给出当下生成式AI浪潮的差异，并且生成调研报告 https://manus.im/share/Qa9asdpYi6zcMSB4tIChdM?replay=1

​

4.于three.js实现人物骨骼动画控制系统，并且可以在多浏览器上运行 https://manus.im/share/dnvGsGOgAI5k9XUAX0q91s?replay=1

智能体底层逻辑

大模型可以帮我们做很多事情，例如回答问题、写周报&文

档、内容总结、翻译等。但普通人和大模型直接交互是不现实的， 类GPT聊天机器人是大模型面向普通用户提供的一种接口，能够帮忙人们完成很多任务，但大模型能做的远不止于此，而聊天是一种泛化的场景，很多时候解决问题的效率不是很高。因此，这就需要

“智能体”登场了。

智能体（Agent）是人工智能领域中的一个核心概念，指的是 具有智能的实体，能够感知其环境、通过学习和推理改变自身状 态，并采取行动以实现特定目标。智能体既可以是物理实体，如机器人，也可以是虚拟实体，如软件程序。它们能够自主活动并与环境交互，具备驻留性、反应性、社会性、主动性等特征，构成了一种能够持续自主发挥作用的计算实体。

想象一下科幻电影里的场景，一个机器人边工作边和人类对话，可以根据人类指令完成任务，还可以独自开飞船，维修设备， 甚至照看小孩等。可以将这种智能机器人视为一种智能体。

​

​

基于大模型的智能体是一种具有自我管理、自我学习、自我适应、自我决策能力的机器人或软件。它可以在没有人工参与的情况下工作，这与传统的自动化程序是不同的。自动化程序是将固定的流程自动执行，假如其中某个依赖项不可用时，自动化程序一般会失败。智能体能够感知环境，自我学习和自我决策，能够创造性地解决问题。

大语言模型（LLM）智能体，是一种利用大语言模型进行复杂任务执行的应用。如果将大模型（LLM）比作底层操作系统（如iOS 和Andriod）的话，那么智能体（Agent）就是上层App。这正是工 程技术人员擅长的领域。

​

智能体架构

构建大语言模型智能体（LLM Agent）时，LLM充当着控制中

心或“大脑”的角色，负责管理完成任务或响应用户请求所需的一系 列操作。智能体Agent通过调用大模型的能力完成任务，并需要依赖于规划、记忆以及工具使用等关键模块。

​

通常，一个大语言模型智能体框架包含以下核心部分：

用户请求： 表达用户的问题或请求

智能体/大脑： 作为协调者的智能体核心规划： 助于智能体为未来行动做规划

记忆： 管理智能体的历史行为和经验，分为长期记忆和短期记忆。

工具使用： 调用工具与外部环境交互

通过这些组成部分的协同工作，大模型智能体能够处理从简单到复杂的各种请求，不仅能够提供直接的答案，还能解决需要深度分析和多步骤操作的问题。这种智能体的能力，使其在处理复杂信息查询、数据分析和可视化表示等方面具有巨大潜力。

下图展示了更详细的智能体架构。

对于没有接触过智能体的人，上述框架可能有点抽象，下面我们以一个例子来说明智能体的架构，假如我们想让AI完成以下任务：

​

用户：明天上午要去A地出差，下午与X开会，帮我订好机票、酒店和会议日程。

对于人类助理来说，这是很简单的事情，但以目前大模型的能力，还难以解决这个问题。而从技术角度来说，可以开发一个基于大模型的智能体来解决这类问题，这个智能体主要包含以下部分：

​

1. 规划：通过调用大模型的能力将任务分解，先分为出差行程安排和会议预约两个子任务。

​

1. 出差行程安排继续分解为：

1. 从用户所在地到所在城市机场：

1. 其中用户所在地通过感知环境信息获得（可以通过用户初始设置或过往历史存放在记忆组件里面）
2. 决定出行时间
3. 决定出行方式：如乘坐出租车，预约