A note from Aperio
Manus 之后：生产级 Agent 的终局形态思考
从 Manus 的产品范式与技术局限出发，思考生产级 Agent 从对话框走向结果交付引擎的最终形态。
4 月 27 日，发改委叫停了 Meta 对 Manus AI 的 20 亿美金收购，但我认为就算收购没被叫停，Manus 这条路也走到了尽头。
收购搁浅只是提前宣判了死刑。真正推向它走向末路的是其赖以成名的“一力降十会”。
一、从 Monica 到 Manus：美丽的泡沫
“如果说 ChatGPT 的发布是 AI 应用发展的‘语言起源’（赋予了 AI 表达思想的能力），那 Manus 则可以算是‘工具革命’（赋予了 AI 改造现实的手脚）。”
作为最早使用 Monica 的用户，到后续的 Manus 的爆火（至少在中文区），我认为 Manus 在 2025 年讲了一个非常成功的故事。它没有卷高投入的模型参数，而是从产品范式上完成了降维打击。
视觉层（想象力）：把 Agent 从黑盒做成了可视化的“数字员工”
在它之前，AutoGPT 那一代 Agent 的执行过程只存在于控制台日志里。Manus 把这套逻辑塞进了云端虚拟桌面，或者直接操作你的浏览器：鼠标在哪、点了什么、卡在哪个弹窗。这种视觉闭环第一次让普通用户相信 AI 真的“在干活”，而不是在编故事。
执行层（技术闭环）：吃下了 90% 没有 API 的长尾互联网
因为互联网 90% 的场景没有标准接口，所以 Manus 押注的是：只要能搞定一个通用的浏览器操作协议，就能应对所有的业务场景。作为一个做浏览器起家的团队，过去的技术积累形成了短期内的护城河。
即使以今天的视角来看，Manus 仍然有相当多的受众：标准 Agent 接入第三方系统要走 API、要审批、要 OAuth。Manus 借用用户的浏览器登录态进行操作，无需任何 IT 配合就能介入工作流的方式，在用户体验上简直是降维打击。
这个路线让 Manus 在 2025 年同时拿到了“产品想象力”和“现金流”，避开模型竞赛的同时赚足了眼球，几乎拿到了“结果”。
二、暴力美学的不可持续：内忧外患
故事美好，账面流水漂亮（100M ARR），但是团队要卖掉，到底是哪里出了问题呢，总不能是 20 亿亏本卖给你交个朋友吧。
Token 经济学与视觉税
让 AI 看见、操作网页是要烧钱的。每点一次鼠标，都要把复杂的网页翻译给 AI 听，再加上随着操作步骤指数增长的上下文膨胀压力，都会带来严重财务压力。
在 Demo 里跑通任务是惊喜，但抛开了尝鲜阶段和补贴红利，生产环境的执行成本覆盖了业务得利，就很难称得上是好的生意了。
UI 是全世界最通用，但也是最烂的 API
网页 UI 是给人眼设计的，充满了模糊与不确定性（前端逻辑五花八门，前端开发者水平也是参差不齐）。API 调用有明确的、结构化的结果，但浏览器操作没有。
视觉反馈与真实状态的脱钩，让 AI 在处理弹窗、验证码或复杂表单时，极易陷入死循环。更致命的是，这种“猜测式”的逻辑在特殊的场景等于灾难：金融市场上 1% 的随机失败率，等于 100% 的业务事故。
上有大厂，下有开源，时代变了大人
如果说技术债是内忧，2026 年的行业变化更让人头疼。
旧时王谢堂前燕，飞入寻常百姓家。 开源把 Agent 平民化了。OpenClaw 在 GitHub 几周斩获数万 star，虽然同样是昙花一现，但也给所有人埋下了一个种子：开源框架封装加模型封装，任何人都能轻松拥有一个私人 AI 助手。当技术泡沫被打破，Manus 昂贵的订阅瞬间失去了性价比。
协议霸权。 通过 MCP，大厂正在给全世界的工具装上“统一插头”。当 Claude 可以直接通过协议读取你的数据库索引、调用 IDE 的底层 API 时，它不需要像 Manus 那样在云端虚拟机里像个盲人摸象一样解析前端组件。当 Manus 还在研究如何配一把好用的万能钥匙时，房东直接把门打开了。
Manus 陷入了最难的位置，技术护城河被打破后，小扎发起了仅退款（世上真的有后悔药啊）。
三、生产级的 Agent 长什么样？
即使 Manus 有诸多的问题，但是我们也要承认，Manus 团队有着行业顶尖的产品嗅觉。当大家还在纠结怎么写 Prompt 才能让机器人说话更好听时，Manus 已经让用户体验到了“看别人干活”的快感。
未来的超级应用不应该是一个对话框，而应该是一个“结果交付引擎”。这种从“对话框”到“执行器”的跨越，是 2026 年所有 Agent 产品的认知基石。
作为行业从业者，我也常常思考一个能撑起商业闭环的 Agent 该是什么样子，用户需求是什么，呈现效果又是什么。从市场已有的产品来看：
Manus 类，即插即用的“拎包入住”感： 登录、充值、开始。它把复杂的云端环境封装成了一个极其精美的网页。这种“消费级”的门槛，是它能迅速破圈的核心原因。它卖的不只是技术，更是省心：“实时直播”带来的信任感和快感是无与伦比的，结果呈现方式也更自由。
Claude Code / Cursor 类，本地化的影子学徒： 形态是桌面 CLI 或 IDE 插件，逻辑是“结对共生”。它就在你手边看着你的文件，反应极快，像是一个坐在你身后实时待命的实习生。但这种体感极其依赖“宿主”：它面临严重的权限焦虑与离线缺失。你下班它也得断电，你断网它就失灵。它本质上不是一个能独立交付结果的执行实体，而是大模型能力在本地环境的一种高频延伸。
各种 Claw 托管，租用的透明工厂： 形态通常是 Telegram 或 Discord 加上一个简陋的 Dashboard，逻辑是“消息触发制”。它的执行过程全透明、可审计，就像一个能随时进出的加工车间。但致命伤在于交互的破碎感：IM 界面根本承载不了复杂的资产交付。当 Agent 正在监控金融异动并生成风险报告时，几十条碎片化的消息推送本身就是一场交互灾难。它虽然有硬核的生产力，却完全没有“产品感”。
以上分类并非死板的功能割裂。事实上，Manus 已经增加了其 IM 触达能力，Cursor 也推出了云端托管方案。这里的分类更多是代表各家产品的初始路径。讨论的是不同范式背后的核心逻辑，而非单一的功能有无。
我认为能撑起生产场景的 SaaS Agent，产品形态和能力要包括：
消灭配置，“零负担”准入，登录即用。 拒绝 Docker 镜像，拒绝 Python / TS 环境，拒绝 API Key，用户面对的永远是一个美观的网页。所有的环境搭建、依赖安装、云端虚拟机分配，全部在后台静默完成。用户的时间应该花在下指令上，而不是花在修补环境上。
云端“心脏”，7×24 的断网自由。 拥有独立的执行空间，后台执行是 Agent 的基本尊严。合上电脑去睡觉，它在后台独自完成长达数小时的任务。你不需要担心网页是否会崩溃，也不需要陪着它“监工”。
多端“神经”，IM 实时决策与通知。 Agent 不应该只是一个死板的标签页，它应该长在你的社交、办公流里。它是跨平台的。IM 界面不是用来交互复杂的逻辑，而是用来做“高频决策”和“实时进度通报”。它在关键时刻“拍拍你”，让你在不增加摩擦的前提下，始终拥有对任务的最终解释权。
网页“工作站”，从“对话框”到“作战指挥室”。 即使是各种 Claw 发展的今天，我也始终认为网页端是生产应用的必选之路，仅靠 IM 的碎片化通知不足以承载确定性的任务编排、进度追踪和结果展示。
四、终局：从表演到工业闭环
Manus 的爆火，是因为它让普通人看到了 Agent 有多“美”：极致的 SaaS 化体验和视觉反馈，让 AI 摆脱了冰冷的对话框；Claude Code、OpenClaw、Hermes 等流行，又让人们看到了 Agent 的“脑”有多快：基于原生协议的执行效率，证明了 Agent 不需要模仿人也能改变世界。
商业闭环并不会是任何单一形态的极端，而是那个能把 Manus 的“拎包入住”、Claude Code 的“Agent 原生”，以及 Claw SaaS 的“云端常驻”完美缝合在一起的产品。这也标志着 Agent 正式从“魔术演示”转向“确定性的工业闭环”。它不再试图在视觉上扮演一个“替身”，而是作为一个高效的数字器官，长在云端，连在指尖，彻底解放生产力。
原文发布于 X。