创业者质疑 AI Agent 跟风：非 Agent 产品或仍有空间

# 2025年第1个划时代的agent产品manus 昨晚Monica发布的全新的Agent产品Manus，让agent热度再次增加，用他CEO的话来说：Manus 像一个真正的"实习生"一样，能够自主执行任务。 他到底是什么样的一个产品呢？以帮我规划一个7天的日本行程为例，可以理解为雇佣了一个人来帮你真正干活，包括规划步骤、操作浏览器查找日本有哪些景点可以去，怎么订票等等一系列流程全部都可以由他完成，关键是全部模拟人的行为。下面是我录制的官网中这个例子的一个回放： 虽然 Manus 的表现已经让我们看到了它的巨大潜力，他的价值在于真正意义上的ai平权。为什么说真正意义上的平权，原有在于以往的agent产品大多都是垂直领域的agent产品。没有真正意义上的面向于大众，人人都可以使用的agent产品。例如开发领域的cursor、营销领域的、工程领域的等等都是面向特定场景的agent产品。 如果说workflow还有门槛，那这个Manus直接到识字都可以用的地步了，也就是你提供步骤越清晰，他能够完成的动作越精准。我们之所有有工作流， 不就是因为幻觉严重，流程不可控吗？。现在只需要准确指令，Manus就可以准确执行这些步骤，那coze、dify这类产品的价值就弱了很多。 当然了，目前还处于早期阶段，有很多问题待解决，例如需要登录验证的网站，还无法获取数据，这个我相信随着正式发布，应该会解决。 我前东家也做过类似的产品，只不过我们当时也是聚焦于数据分析，所以agent比较单一，整个流程完全和现在的Manus很相似：用户提问->详细规划步骤->后面代码实现->直接运行代码->交付分析结果。Manus将该过程全部以"浏览器电脑"的形式给预览出来了，用户可以实时预览看到整个完成任务的步骤。 Pasted image 20250306105845

Kolento：我觉得Replit非常出色，它在我需要澄清问题的时候，总是能及时引导我把需求讲清楚。 我还想提另一个产品Fellou，可能算是Manus的潜在竞争对手，是谢扬最近推出的一个Agent浏览器。它的交互方式很符合我的预期，在执行任何任务之前，都会先通过更可 视化的方式和我进行对齐，对齐完之后再自主运行。 因为Fellou是PC端应用，所以它具备一定的系统级权限。每当遇到高危操作，比如需要登录或输入密码时，它会以系统弹窗的方式提醒我进行确认。而这正是Manus目前做得不太好的地方：它缺乏足够的对齐，在高危操作上又无法获取权限，经常会直接卡住。白白消耗掉credits，任务也没能完成。 所以我觉得像Fellou和Replit的设计理念更合理，在关键场景引入HITL（Human-in-the-loop，人机回圈）机制，与人类进行对接。 Replit 泓君：在你们目前使用过的AI Agent中，如果从用户体验和商业潜力两个维度出发，有没有哪些公司是你们特别看好的？ 陶芳波：我个人认为，现在市场上还没有出现真正能覆盖全人群、全通用场景的Agent产品，大家还在寻找不同的切入角度。 我比较看好Cursor、Windsurf这类编程Agent，它们是从技术人员的角度切入的。而这两者中我更看好Cusor。目前来说，Cursor的市场渗透率更高，它毕竟是在Windsurf之前就做出了这种产品形态。我也更认可Cursor团队在探索上的那种进取心。当然，Windsurf被OpenAI收购，也不排除未来会被赋予更强的战略目标，朝通用Agent方向发展。但相比之下，我觉得一个独立团队所拥有的自由度会更大。 [...] 而且我觉得我们普遍低估了编程Agent作为未来通用型Agent的潜力。很多人对Cursor的印象还停留在“Web端编程工具”这个层面，觉得它就是个辅助编程工具。但随着MCP这类底层基础设施的逐步完善，Cursor正在积极地把自己从一个编程工具，变成一个可以连接多种应用、场景和数据的平台。 也许Cursor未来的界面都会分成两种模式：一种仍以IDE为核心，目标是代码产出；另一种则把代码作为手段，核心目标转向完成任务。这是很多美国公司常见的做法，先打好坚实的底层架构，再一层层往上构建功能。所以我比较看好Cursor的发展路径。 当然Manus也还是有

如果把大模型比作"大脑"，那Agent产品之间的真正区别，除了大脑有多聪明（背后的大模型），更在于它们各自配了一套什么样的Harness。 Harness是围绕模型构建的一整套工程支持系统。 举两个例子。记忆管理方面：普通Chatbot像个鱼缸，聊久了前面的事就忘了；顶尖Agent（如Claude Code）拥有高效的记忆检索机制，它会自动把你的代码库、历史指令、报错记录做成索引，提问时精准地把最相关的片段"喂"给大脑。工具调用方面：弱Harness的AI运行代码报错后只会对你说"对不起，报错信息是XXX"；强Harness的AI报错后，系统会自动把错误捕捉回来告诉AI"刚才那行代码没跑通，是权限问题，请换一种写法重试"。 所以当我们在选Claude Code、OpenClaw等产品时，选的其实是不同的Harness环境。当前Claude Code做这么好，除了模型本身，一定程度也是它的Harness好。~~（虽然已经被迫开源了，可能很快会被赶上）~~ 当前总体上可以分成网页Agent和本地Agent。 网页 Agent的代表是 Kimi Agent 和 Manus。此外也会有不同垂类领域的专门Agent，例如Google AI Studio做开发、OiiOii做漫剧。 这类产品的逻辑是：产品工程师已经帮我们做好了把大量工作，比如接好各种常用工具、工具运行的沙盒环境、返回结果优化过的交互界面，我们打开浏览器就能用，不需要安装任何东西。产品能搜网页、写代码、生成文件、调用外部 API，在工程师预设的环境里能做事。 但这个预设的沙盒也是它的边界。它访问不了我们电脑本地的文件，操作我们桌面上的软件、工具中内置的提示词设计我们也看不到，也改不了，基本只能用它提供的工具，没法自己扩展（部分可以支持skill和mcp接入，下文使用部分会说）。 [...] ## 初步理解Agent是什么 对于Agent技术定义可以看Anthropic这篇博文： 我们可以先对比下chatbot（豆包类）和agent（manus/claudecode/openclaw都属于这类） 我们常用的豆包、ChatGPT、Deepseek这些产品，过去都属于Chatbot。它们的核心能力是对话，你问问题，它回答，你给任务，它生成文字/代码/图片，你让它改，它重新生成。虽然各家厂商也会在里面

如果把大模型比作"大脑"，那Agent产品之间的真正区别，除了大脑有多聪明（背后的大模型），更在于它们各自配了一套什么样的Harness。 Harness是围绕模型构建的一整套工程支持系统。 举两个例子。记忆管理方面：普通Chatbot像个鱼缸，聊久了前面的事就忘了；顶尖Agent（如Claude Code）拥有高效的记忆检索机制，它会自动把你的代码库、历史指令、报错记录做成索引，提问时精准地把最相关的片段"喂"给大脑。工具调用方面：弱Harness的AI运行代码报错后只会对你说"对不起，报错信息是XXX"；强Harness的AI报错后，系统会自动把错误捕捉回来告诉AI"刚才那行代码没跑通，是权限问题，请换一种写法重试"。 所以当我们在选Claude Code、OpenClaw等产品时，选的其实是不同的Harness环境。当前Claude Code做这么好，除了模型本身，一定程度也是它的Harness好。~~（虽然已经被迫开源了，可能很快会被赶上）~~ 当前总体上可以分成网页Agent和本地Agent。 网页 Agent的代表是 Kimi Agent 和 Manus。此外也会有不同垂类领域的专门Agent，例如Google AI Studio做开发、OiiOii做漫剧。 这类产品的逻辑是：产品工程师已经帮我们做好了把大量工作，比如接好各种常用工具、工具运行的沙盒环境、返回结果优化过的交互界面，我们打开浏览器就能用，不需要安装任何东西。产品能搜网页、写代码、生成文件、调用外部 API，在工程师预设的环境里能做事。 但这个预设的沙盒也是它的边界。它访问不了我们电脑本地的文件，操作我们桌面上的软件、工具中内置的提示词设计我们也看不到，也改不了，基本只能用它提供的工具，没法自己扩展（部分可以支持skill和mcp接入，下文使用部分会说）。 [...] ## 初步理解Agent是什么 对于Agent技术定义可以看Anthropic这篇博文： 我们可以先对比下chatbot（豆包类）和agent（manus/claudecode/openclaw都属于这类） 我们常用的豆包、ChatGPT、Deepseek这些产品，过去都属于Chatbot。它们的核心能力是对话，你问问题，它回答，你给任务，它生成文字/代码/图片，你让它改，它重新生成。虽然各家厂商也会在里面

汪晟杰： 我从市场层面说——Agent 的多样性是一定要存在的。人群画像是多样的，解决场景是多样的，基建也是多样的。 在海外你会看到 OpenClaw 的各种开源分叉，有的解决了 token 消耗过大的问题，有的让架构更轻、能在低端设备上跑，这是龙虾生态的百花齐放。 至于 WorkBuddy 和 QClaw，我自己用过 QClaw，但关于其它产品我不是很清楚，不太方便评价。 我能说的是，WorkBuddy 聚焦办公人群，CodeBuddy 家族是整个中国全套做得最全的产品家族——有 IDE 形态、IDE 插件、办公场景的 WorkBuddy，还有面向云端浏览器的网页 Agent，开发的、不开发的都可以按需选择。 APPSO：CSIG 的龙虾产品这么多，有没有可能最终会整合？ 汪晟杰：我个人更倾向于分而治之。不同人群随时随地有各自的垂类 AI Agent 去解决特定场景的效率问题，不会有一个大脑像贾维斯那样统管一切。 但我想补充一点：这些产品之间会有「弱连接」。连接的不是 AI 本身，而是 AI 大脑里的知识体系——上下文工程是流动的。你作为用户，在任何时间可以触发任何 AI 入口，但属于的信息流是连续的。这个才是真正的想象空间所在。 APPSO：去年 Manus 引发热潮，一个月后就冷了。龙虾会不会复刻这条路？WorkBuddy 以及所有腾讯龙虾，会不会终究成了一段弯路？ 汪晟杰：我说下我的个人观点：龙虾不是个产品，龙虾 (Claw) 是一种概念。而且，龙虾不等于 OpenClaw。 我认为龙虾类产品不会是过渡产品。因为安全可控、并且带有一定自主性地帮用户完成任务，这样的诉求是真实的，不会消失。龙虾要和国内不同行业结合在一起，才能爆发出新的想象空间。 [...] 分类 AIGC Cartoon Saloon CES 2018 CES Asia CES2019 ifanQ ifanRank ifanrank ifanRank ifanRank 2018 MindTalk MWC 2018 专访 产品 人物 公司 制糖工厂 商业 图记 好莱坞 小程序 广告 文娱 新创 新消费 早报 模范评测 汽车 游戏 爱范儿 特稿 生活 硬件 糖纸 糖纸众测 范评 董车会 视频 设计

人人都是产品经理 搜索 APP 起点课堂会员权益 职业体系课特权 线下行业大会特权 个人IP打造特权 30+门专项技能课 1300+专题课程 12场职场软技能直播 12场求职辅导直播 12场专业技能直播 会员专属社群 荣耀标识 {{ userInfo.member ? '查看权益' : '开通会员' }} 发布 注册 | 登录 登录人人都是产品经理即可获得以下权益 关注优质作者 收藏优质内容 查阅浏览足迹 免费发布作品 参与提问答疑 交流互动学习 首次使用？ 点我注册 ## 从最顶级的30个AI Agent产品里，看懂了这三个趋势 []( 硅基观察Pro 1 评论 4293 浏览 9 收藏 13 分钟 > 当62%的企业开始试水AI Agent，MIT和哈佛联合发布的《2025 AI Agent Index》揭示了行业三大真相：产品形态向聊天式、企业自动化和浏览器型三极分化，自主性呈现阶段性跃迁特征，而安全披露不均与责任边界模糊正成为最大隐患。本文通过30个顶级产品的深度拆解，展现Agent技术从实验室走向真实业务场景的进化路径。 进入2026 年，Agent 彻底火了。 Claude Code、ChatGPT Agent、Manus，再加上一堆大厂的企业级工作流平台，动不动就喊“替代打工人”“创造万亿美元价值”。麦肯锡的报告也在推波助澜：62% 的企业正在试水 Agent。 但把热闹先放一边，真正的问题是——在真实工作场景里，Agent 到底走到哪一步了？ 最近，MIT、哈佛、斯坦福等机构的研究团队发布了一份《2025 AI Agent Index》。 [...] 第二，基础模型高度集中。 几乎所有代理都依赖GPT、Claude 或 Gemini。模型供应集中带来效率与评估便利，但也意味着单点风险。定价调整、服务中断或安全漏洞，都可能向下游系统扩散。 风险管理因此不能只停留在代理部署方，而必须延伸至上游模型提供商。 第三，责任链条分散。 代理系统往往形成一条多层依赖链：基础模型、编排层、构建平台、部署方、最终用户。没有单一实体对完整行为负责。 在这种分布式架构下，仅凭模型文档做安全判断，很容易形成虚假保障。 本文由人人都是产品经理作者【硅基观察Pro】，微信公众号：【硅基观察Pr