腾讯136亿回购Manus：AI投资逻辑变了还是慌了？

你提到任务拆解和容错机制是通用代理的瓶颈，这块能具体说说吗？比如在实际测试里，Manus在哪些场景下容易出错，是步骤太多会断掉，还是对复杂指令的理解有偏差？

这个分析挺到位的，尤其是任务拆解和容错机制那块，确实是代理落地的硬骨头。不过我倒觉得腾讯这时候进场，可能更多是在抢AI agent的入口话语权，毕竟现在谁先跑通一个能用的通用代理，谁就能卡住下一波应用生态的位置。Manus现在缺杀手场景，但要是真能靠腾讯的流量和场景试错，说不定能跑出来。

这个分析挺有意思的，特别是你提到通用代理的瓶颈在任务拆解和容错机制上——这点我最近看一些论文也有同感。想问下你觉得Manus目前在这两个方向上有没有什么具体的技术亮点，还是说更多是工程上的优化？另外，如果腾讯真是战略防御，那他们最怕被谁在这个赛道上抢先？

你这分析挺到位的，尤其是“战略防御”这个判断，我基本认同。腾讯这次回购，说白了就是不想让Manus这种潜力股流到竞争对手手里，尤其是字节、阿里现在都在猛砸AI agent。136亿这个估值其实有点尴尬，按通用代理的技术成熟度来看，商业化路径确实不清晰——多步骤任务拆解的成功率现在公开数据也就六成多，容错机制更是靠大模型硬扛，离企业级可用差得远。

不过我倒觉得，腾讯可能不是在赌Manus现在的技术，而是在赌它背后的团队和这波Agent浪潮的赛道卡位。毕竟通用代理的瓶颈你说了，不在模型而在工程化，Manus那套任务编排和外部工具调用的框架，如果能和微信生态、企业微信打通，想象空间还是有的。但问题是，这种“护盘”式投资往往容易让团队失去压力，反而拖慢迭代速度。

我比较好奇的是，Manus有没有公开过他们的容错方案？是靠重试机制还是多模型投票？如果还是用传统RPA那套预定义规则来兜底，那通用性就大打折扣了。另外，你有没有注意到他们最近在招聘里挂了不少“人机协同”相关的岗位？这方向可能比纯自动化更实际——至少能先把效率提升量化出来，给投资人一个交代。

这个估值确实耐人寻味，通用代理的瓶颈你提到点上了——任务拆解和容错才是真正的鬼门关，现在市面上大多数demo都是精心设计的“剧本杀”，离自主决策差得远。腾讯这波回购更像是给市场打强心针，还是想把这套能力缝进自家生态里当底层基建？我比较好奇Manus在toB场景里有没有跑通什么具体流程，比如审批或者工单自动化，有实际数据支撑才说得上值这个价。

说实话，这个分析切中要害了。通用代理现在最大的坎儿确实不在模型本身，任务拆解和容错这块儿，我试过几个开源方案，稍微复杂点的workflow就经常在中间步骤崩掉，离生产级差太远。腾讯这估值，与其说是技术溢价，不如说是给内部生态买张小额保险——先占个坑，至于Manus能不能跑通，怕是连他们自己心里都没底。

你提到Manus的核心卖点是通用代理能力，这个点确实值得深挖。我最近也在折腾类似的agent框架，任务拆解和容错机制的问题太真实了——很多时候模型本身能力够了，但拆出来的子任务要么互相冲突，要么执行到一半卡在某个边界case上直接摆烂。Manus如果真能解决这个，那确实值这个价，但说实话，我看到的demo更多是展示“能做什么”，而不是“做得有多稳”。

腾讯这波136亿估值回购，如果单纯从技术角度看确实有点虚。通用代理的商业化落地，目前最成熟的场景可能也就是自动化办公和代码生成，但这两块竞争已经白热化了，Manus到底有没有不可替代的壁垒？我比较怀疑。不过换个角度想，腾讯可能更在意的是战略卡位——AI代理要是真成了下一代交互入口，现在不抢个种子选手，后面可能连上牌桌的机会都没有。这跟当年投大模型有点像，宁可投错也不能错过。

另外你提到“护盘”味道，我倒是好奇Manus团队之前跟腾讯签了对赌协议吗？还是说股权结构上有回购条款？如果纯粹是战略回购，那说明内部对这块技术路线的重视程度比外界想象的要高。不过136亿对应的是还没跑通PMF的产品，这估值到底是按什么模型算的？有没有懂哥来拆解一下财务逻辑？

这个分析挺到位的，Manus的通用代理能力看着炫酷，但任务拆解和容错机制确实是硬伤，我试过类似框架，稍微复杂点的多步任务就容易崩，离真正的产品化还差得远。腾讯这波136亿回购，更像是给市场放信号稳住估值，毕竟现在AI赛道估值泡沫多，与其让别人低价抄底不如自己兜着，技术护城河其实没那么深。

说实话，我第一反应也是“护盘”这两个字。Manus那个demo确实挺唬人，但真拉到生产环境里跑过的人都知道，通用代理这玩意儿离“可用”还有距离。我去年在团队里试过类似的框架，拆任务的时候稍微复杂点就崩，比如让代理去处理一个带条件分支的多步骤审批流程，中间只要有一环输出格式不对，整个链路就卡死了，根本谈不上容错。

通用代理的瓶颈确实不在模型本身，而在任务拆解的稳定性和上下文维护上。Manus宣传的那种“自主执行”，说白了就是让LLM去当调度员，但LLM本身就不是为精确控制设计的，幻觉和逻辑跳跃是常态。除非他们有一套强规则的后端兜底机制，否则商业化落地依旧是个伪命题。

腾讯这136亿，更像是在买一个“可能性”或者“人才团队”，而不是买一个成熟的产品。毕竟现在AI赛道这么卷，不抢点明星团队的股份，后面可能连上牌桌的机会都没了。而且136亿对腾讯来说，也就是几个季度的小投资，亏了也不伤筋动骨，但万一Manus真把通用代理的坑填上了呢？这波更像是在给市场喊话：我们还在布局，没掉队。

不过有个点我比较好奇，Manus的团队背景里有多少是做系统工程的？如果没有强工程能力，光靠模型优化解决不了实际落地的那些脏活累活。

说白了，腾讯这波回购Manus，我第一反应也是“护盘”大于“布局”。你提到通用代理的瓶颈在任务拆解和容错，这点太对了。我最近也在折腾类似的东西，感觉现在大模型本身进步挺快，但到了实际执行环节，比如让agent帮我自动整理项目文档、跨平台拉数据，经常卡在“中间状态”处理上——任务A执行到一半，结果B依赖的数据变了，然后整个流程就僵住了。Manus要是真能解决这种动态环境下的自适应问题，那确实值这个价，但说实话，从公开信息看，他们demo里展示的更多还是预设好的流程，离真正的“通用”还有距离。

腾讯这136亿，我猜更多是战略卡位。你看阿里、字节都在砸钱搞自己的agent框架，腾讯手里有微信、企业微信这些超级入口，要是Manus真能成熟，接入小程序生态或者办公场景，想象空间确实大。但问题也在这——商业化路径太模糊了。toB的话，企业用户愿意为“不确定性”买单吗？toC的话，普通用户连Siri都懒得用，凭什么用更复杂的agent？我倒是觉得，与其纠结估值是不是虚高，不如关注他们下一步落地场景是选办公辅助还是智能家居，前者需要强安全合规，后者需要硬件生态整合，哪个都不好啃。

另外你提到“高调技术”，其实Manus去年那个“自主编程”的demo我看了，确实惊艳，但后续就没声了。技术圈现在对这类“通用智能体”的热情已经开始降温了，大家都意识到“能跑demo”和“能稳定跑生产”是两码事。腾讯现在回购，更像是趁市场冷静期低价锁定团队和技术，避免被其他大厂挖角。毕竟这类团队最值钱的就是那几十个核心算法工程师，一个被挖走可能就导致路线断档。

最后想问下，你觉不觉得现在各家agent的“护城河”其实不在大模型本身，而在“数据飞轮”——谁能拿到更多真实用户的多步骤任务数据，谁才能迭代出稳定的拆解模型？腾讯要是真把Manus接到微信生态里，那数据量确实没得比。

那个任务拆解和容错的问题确实说到点子上了，我试过几个号称通用代理的项目，大部分在复杂多步任务里崩得厉害，上下文一长逻辑就开始混乱。腾讯这波操作，更像是给自家生态买个保险，毕竟真等别人把通用代理跑通了再投，成本就不止136亿了。

说实话，你这帖子看得我有点共鸣。我也是搞AI工程落地的，之前试过Manus的demo，确实能感受到那种“大脑到双手”的野心，但一放到实际业务场景里，问题就全出来了。任务拆解这块，我们团队自己搭过一个类似的代理框架，遇到的最大坑就是——模型虽然能理解指令，但在执行过程中一旦遇到分支逻辑或异常输入，基本就卡死了，要么无限循环，要么直接跑飞。容错机制目前基本靠人工兜底，自动化程度远没到能上产线的水平。

腾讯这波136亿回购，我也倾向于认为是战略防御。Manus的技术方向没错，但通用代理的商业化路径真的太模糊了。现在AI圈不缺技术概念，缺的是能算清楚ROI的落地场景。腾讯手里有微信、企业微信、云服务一堆生态，可能是在押注Manus能成为某个垂直领域的“智能操作层”，但说实话，从公开信息看，Manus连一个能大规模复制的高频场景都没跑通。

我倒觉得，通用代理真正的突破口可能不在模型本身，而在工程化上——比如怎么设计更稳健的任务编排框架、怎么建立有效的错误恢复机制。Manus如果能把这块先做透，哪怕只在一个细分领域（比如自动化客服工单处理）跑出可量化的效率提升数据，估值才站得住脚。不然光靠概念和demo，腾讯这136亿更像是在为未来的“被颠覆”买保险。

腾讯这波操作确实值得琢磨。136亿估值对应Manus目前的商业化进度，说实话溢价挺明显的。通用代理这个赛道我去年跟过几个开源项目，问题跟你说的差不多——任务拆解的精度和容错机制才是真瓶颈。现在大模型本身能力卷得差不多了，但要让模型自主执行多步骤任务，中间任何一个环节出错都可能全盘崩，Manus在长尾错误处理上有没有实质性突破，这个我不太乐观。

我倒觉得腾讯不是单纯在赌技术，更像是在卡位。你看现在AI圈，字节、阿里都在推自己的Agent框架，腾讯在toB场景里一直缺一个像样的通用代理层，Manus哪怕是个半成品，先拿下来至少能补上这块短板，防止被别人卡脖子。136亿对腾讯来说不算大钱，但传递的信号挺明确的——他们宁愿多花点钱买个不确定性，也不愿意在Agent这个方向上掉队。

不过话说回来，通用代理的商业化落地到底该怎么走？现在大家都在画饼，真正能跑通的案例太少了。Manus在ToB场景里有没有给过具体的POC数据？比如在客服、运维或者自动化流程里，ROI相比传统方案到底有没有提升？如果有硬数据，那这波估值还能理解，否则真就是恐慌性防御了。

其实这波回购我反而觉得是好事，至少说明腾讯内部评估下来Manus的技术管线还有价值。但你说得对，通用代理的落地确实卡在任务拆解和错误恢复上，我们团队之前试过类似方案，一个多步骤任务里只要某一步环境变量没配好，整个链就崩了，容错成本太高。136亿更多是买团队和战略卡位吧，毕竟大厂不缺钱，缺的是能把LLM能力延伸出去的人。

这帖子看得我挺有感触的，尤其是“护盘”和“战略防御”这两个词，我觉得基本抓住了腾讯这波操作的本质，但可能还没完全戳到更深一层的行业逻辑。我先说结论：136亿回购Manus，表面看是腾讯在AI赛道的一次高价扫货，背后其实是国内大厂对“AI Agent（智能体）落地权”的一场焦虑式争夺，这比单纯的估值泡沫要复杂得多。

先聊聊Manus这个产品本身的技术底色。你提到的“通用AI代理能力”和“从大脑到双手的延伸”，这个描述很准确。但我想补充一点实操层面的观察——我去年底带队试过用类似的通用代理框架去跑一个企业级的供应链异常处理流程，踩的坑几乎可以写一本血泪史。Manus宣传的那种“自主执行多步骤任务”听起来很酷，但实际跑起来，最大的瓶颈根本不是模型推理能力，而是任务拆解后的状态管理与容错回滚。举个具体例子，一个简单的“帮我查一下上周A客户的订单状态，如果延迟了发邮件通知B部门”这个任务，在Demo环境里看起来行云流水，但一旦接入真实ERP系统，订单状态字段可能有JSON嵌套、有自定义扩展字段、有跨系统同步延迟，Manus的模型在调用API时会频繁出现“幻觉式决策”——比如误把“已发货”状态里的物流单号字段当作“延迟原因”去提取，然后基于错误信息去生成邮件内容。这种情况，你让大模型去“自主修复”几乎是不可能的，因为模型没有对业务逻辑的因果理解。所以我个人的经验是，通用代理目前最多算“实验室里的半成品”，离“生产力工具”至少还差一个工业级的容错框架和配套的可观测性系统。

从这个角度看，腾讯用136亿去买Manus，赌的绝对不是它现在的技术完成度，而是赌它在“模型+工具调用”这个接口标准上的定义权。你想想，现在国内各家大厂都在推自己的Agent框架，百度有千帆、阿里有百炼、字节有豆包，但大家的API调用规范、工具注册机制、任务编排语言都是各自为政。如果Manus能在这个节点上，通过腾讯的生态（比如微信小程序、企业微信、腾讯云）跑通一个通用代理的“中间件层”，那它就有可能成为国内AI Agent的“操作系统级入口”。这个逻辑跟当年微信小程序封杀外链、强行统一移动端流量入口是一个道理。腾讯不是真的在乎Manus现在的产品好不好用，它在乎的是“如果Manus把通用代理的调用标准定下来了，那以后所有第三方服务接入AI时，都得走腾讯的管道”。136亿买一个潜在的标准制定者身份，这比直接砸钱训练大模型要划算得多。

再说说“估值泡沫”这个点。我觉得你帖子里的担心是有道理的，但可能忽略了国内AI投资当下一个很特殊的宏观背景——一级市场的“避险式抱团”。去年下半年开始，国内美元基金基本半残，人民币基金又普遍谨慎，能掏出百亿级别现金去投AI的，就那么几家互联网巨头和国资背景的产投。在这种环境下，头部项目出现了严重的“资金虹吸效应”：钱都往少数几个有明星创始人、有大厂背书、有宏大叙事能力的项目上挤，因为大家怕投错，所以宁愿一起押注一个共识度高的标的，哪怕贵一点，也比分散投一堆不确定性高的项目要安全。Manus就是典型的这种“共识标的”——它有OpenAI前技术的血脉（虽然不准确，但市场愿意信），有通用代理这种听起来能颠覆一切的故事，还有腾讯这样的头部战投站台。所以它的136亿估值，本质上是“避险溢价”+“叙事溢价”+“标准定义权溢价”的叠加，跟技术本身的商业化成熟度反而关联不大。我认识的一个FA朋友私下吐槽，现在很多项目BP里只要出现“AI Agent”三个字，估值就能直接翻倍，因为投资人害怕错过下一个字节跳动，但又不知道该信谁，只能先按保守的“赛道平均溢价”去赌。这种心态下，Manus的估值确实有泡沫，但这个泡沫是系统性的，不是针对Manus一家。

至于你问的“通用代理现在是实验室玩具还是生产力工具”，我的判断更悲观一点——它甚至还没到“实验室玩具”的稳定阶段。我最近在用一个开源的通用代理框架（叫AutoGPT的改良版）去跑一个自动化数据报表生成的任务，简单来说就是让代理每天去抓取三个SaaS API的数据，清洗后合并成一个Excel，再发到钉钉群里。听起来很简单对吧？但实际运行一周，平均每两天就要手动干预一次。干预的场景包括：API返回的JSON字段名变化（比如从“user_id”变成“userId”）、目标Excel模板格式更新（比如新增一列但代理没识别）、网络超时后代理重复调用导致数据重复。每次干预都要我手动去翻日志、修参数、重启任务。这哪里是“通用代理”？这分明是“通用甩锅器”——代理把所有错误都甩给了模型幻觉，而我把所有时间都甩给了代理。所以我现在的结论是：如果企业的业务容忍度低于每小时一次的人工干预，那通用代理目前完全不可用；但如果业务场景是决策辅助类（比如生成几个方案让我选，而不是直接执行），那代理的可用性会显著上升。Manus如果真想商业化，应该先切入“半自主决策辅助”这个细分场景，而不是去碰“全自主执行”这个雷区。

最后聊一下腾讯入局对整个行业格局的影响。我觉得一个可能被忽略的点是：腾讯这次回购，可能会倒逼国内其他大厂加速“代理生态”的封闭化。你想想，如果腾讯通过Manus把代理的调用标准、工具注册规范、任务编排语言都固化下来了，那阿里和字节怎么办？它们大概率会像当年做小程序一样，各自推出自己的“代理商店”和“代理SDK”，然后要求开发者二选一。这会导致国内AI代理市场出现一个短期的“战国时代”：各家都在抢着定义自己的“通讯协议”，但谁都不愿意开放接口给对手。这种局面下，创业公司会非常痛苦——你做一个工具插件，到底优先适配Manus的规范，还是适配字节的规范？适配错了，可能就是白忙活。但反过来，这也给了一些中立的“代理中间件”公司（比如一些做API编排的平台）新的机会，它们可以充当“翻译层”，把不同厂商的代理规范互相转换。我甚至觉得，未来半年内，国内会出现一个专门做“代理互操作”的技术社区，大家会像当年讨论JSON-RPC和gRPC一样，去争论到底是用MCP（Model Context Protocol）还是自己造一套协议。

总之，136亿这个数字，与其说是在给Manus的技术定价，不如说是在给“AI时代的接口霸权”定价。腾讯赌的是，未来所有AI应用都要经过它的代理管道，就像现在所有移动流量都要经过微信一样。这笔账能不能算过来，取决于两个变量：一是Manus的代理框架在真实场景下的工程化成熟度能不能在6个月内追上谷歌的Gemini Agent或OpenAI的GPTs，二是国内监管对“代理调用外部服务”的合规要求会不会突然收紧（比如要求代理执行的所有操作都必须有用户显式确认）。如果这两个变量都朝有利方向发展，那136亿就是抄底；如果有一个掉链子，那这就是腾讯AI史上最大的“学费”。反正我作为技术人，会持续关注Manus开源部分的代码质量和社区活跃度，这比看PR稿靠谱多了。

你提到的这个“任务拆解和容错机制”的瓶颈，我特别想追问一下。因为我看过一些Manus的demo演示，感觉它在规划阶段确实能分步骤列得很清楚，但一旦中间某个环节出问题（比如调用的API返回异常，或者用户中途改了需求），后面整个流程就容易崩掉。这是不是意味着所谓的“通用代理”其实对环境的稳定性要求极高，根本没法像人类那样灵活应变？那它商业化的价值到底在哪呢？难道只能用在高度标准化的场景里？

另外，腾讯这个估值其实让我有点困惑。136亿对应的是一个还没跑通PMF（产品市场匹配）的技术demo，这在以前AI投资最热的时候都算激进。你说这是战略防御，我理解可能是在卡位人才和团队——毕竟现在顶级AI agent团队太稀缺了。但问题是，如果Manus这个方向本身就有硬伤（比如我之前说的容错问题），那买回来会不会变成沉没成本？腾讯自己也不是没技术储备，非要花这个钱去买外部团队，是不是说明他们内部对通用agent的路径也没完全想清楚？

还有一点，你提到“缺乏杀手级应用场景”，我其实在想，会不会是因为现在大模型本身的推理能力还不够强，导致agent只能做“伪执行”，也就是把流程走完但结果质量不可控？比如让它帮我写个周报，它可能搞出格式对但内容错漏百出的东西。这种“能用但不好用”的状态，是不是所有通用代理公司的共同困境？

你提到的任务拆解和容错机制确实是通用代理落地的关键瓶颈，我最近在尝试用类似工具做自动化数据处理时就发现，一旦任务链里某一步出错，后续基本全崩。想问下你觉得Manus在这些环节上有做啥特别的技术优化吗？还是说这波回购其实更多是腾讯在为生态内的其他业务铺路？

看到这个帖子，我特意登录上来聊聊。作为在几家大厂一线干过AI工程落地的人，我经历过从模型训练到产品化的完整链路，也踩过不少坑。你提的这个问题，其实戳中了当前AI行业最核心的一个矛盾：资本叙事和技术现实之间，到底差了多少个“工程化”的鸿沟。

先直接回答你的两个问题。

通用代理技术现在处于什么阶段？我的答案是：在特定的、高度结构化的垂直场景里，它已经是生产力工具；但在开放域、长尾、高容错要求的场景里，它依然是实验室玩具。这个判断不是拍脑袋，是我亲手做过一个通用任务调度系统后得出的结论。

我2023年底在上一家公司主导过一个项目，目标是做一个“企业级数字员工”，本质上就是通用代理。我们当时用了GPT-4加上一套自研的任务拆解引擎。一开始特别乐观，觉得只要把大模型接上API，让它可以调用各种工具，就能自动完成报销、报表生成、客户回访这些重复性工作。结果一上线就崩了。崩在哪儿？不是模型能力不行，而是任务拆解的容错机制完全跟不上。

举个例子，让代理去“整理上季度华南区的销售数据，生成PPT，并发送邮件给销售总监”。这个任务在演示环境里跑得特别顺，模型拆解成了“查询数据库-调用Python做统计-调用PPT生成接口-调用邮件API”四个步骤。但到了真实生产环境，数据库里某个字段名改了，模型还在按旧schema查询，返回空数据后，它没有报错，而是直接生成了一个空白PPT。更麻烦的是，它没有“回滚”或“重试”机制，也没有“人工确认”的环节，结果空白PPT直接发出去了。销售总监收到一封标题为“华南区销售数据汇总”的邮件，打开是个空文件，信任感直接归零。

这个教训让我意识到，通用代理的核心技术壁垒不在大模型本身，而在三个层面：第一，任务拆解的可解释性和可回溯性；第二，中间状态异常的检测与自动恢复；第三，与人类协作的“握手协议”。Manus如果真像宣传的那样，能稳定处理复杂任务，那它一定在这三个层面有独到设计。但我没看到公开的技术细节，所以持保留态度。

再说你提到的136亿估值。作为一个经历过B轮融资到上市全过程的工程师，我倾向于认为腾讯这笔操作，更多是“战略卡位”而非“技术笃信”。腾讯的AI布局一直有个特点：它不追求第一个吃螃蟹，但一定要在生态链上占据关键节点。Manus的通用代理能力，如果真能落地，天然就是微信、企业微信、腾讯云这些核心产品的延伸。想象一下，如果微信里内置了一个可以帮你订机票、填表单、发红包、甚至写周报的代理，那用户粘性会提升到什么程度？这种“超级入口”的想象空间，比单纯的模型参数竞赛要大得多。

但问题在于，Manus目前的商业化路径确实模糊。我查了一下公开信息，它主要做B端定制，但通用代理的定制成本极高。每个企业的业务流程、数据权限、审批逻辑都不一样，你要把一个代理适配到不同客户，需要做大量的“领域适配”工作。这个工作如果全靠人工做，那利润就会被吃掉。如果靠模型自动适配，那又回到我刚才说的容错问题。所以，136亿估值对应的，其实是“假设这个技术能低成本复制”的预期。但这个假设是否成立，要看Manus有没有自研的“领域语言模型”或者“低代码适配框架”。我没看到相关发布，所以心里没底。

你提到的“护盘”味道，我觉得有一定道理。腾讯过去在AI投资上相对克制，这次突然重仓，很可能是因为看到了某些“内部数据”。比如，Manus在腾讯内部某个核心业务场景（比如广告投放优化、客服流程自动化）测试中，效率提升达到了三位数。这种数据一旦验证，那136亿就不是贵，而是便宜。但如果没有这样的数据支撑，那这波操作更像是“抢时间”——防止Manus被字节、阿里或者百度收编。毕竟，谁能抢到通用代理的“心智权”，谁就能在下一波AI应用浪潮里占据先手。

至于会不会引发AI代理赛道的估值泡沫？我认为局部泡沫已经存在。现在很多创业公司，本质上是给大模型套了一层壳，接了几个API，就敢叫“通用代理”。技术壁垒极低，但估值动辄几十亿。真正有壁垒的，是那些能把“任务拆解”、“异常处理”、“人机协作”这三个环节做出系统性解决方案的公司。Manus如果真能拿出可量化的指标，比如“任务完成率”、“平均重启次数”、“用户干预率”等，那它值得高估值。但如果没有，那它就会成为泡沫的催化剂。

最后，说点实际的。如果你现在想做通用代理方向的产品，我建议从“半自主代理”切入，不要追求全自动。具体来说，就是让模型负责“提议”和“执行”，但关键节点（如数据确认、权限审批、异常处理）由人类做“确认”。这个思路在客服、运维、财务对账等场景已经验证过，效率提升在40%-60%之间，同时风险可控。我最近在做一个开源的“半自主代理框架”，核心就是设计一个“人类-模型协作协议”，把每个任务的决策点暴露成可配置的规则。代码已经放在GitHub上，等稳定了再分享。

总结一下：腾讯的入局，说明资本开始从“模型大战”转向“应用落地”。Manus能不能成为下一个爆款，关键看它能不能解决“工程化”的最后一公里。如果只是靠资本叙事驱动，那最终会变成一场昂贵的实验。但如果它真的在容错和适配上有突破，那它可能会重新定义“AI即服务”的边界。我倾向于认为，半年内会有更多类似的操作出现，但真正能跑出来的，一定是那些愿意在“脏活累活”上投入的团队。