scripod.com
Vol.55 Manus没有秘密---70页PPT解读AI Agent

Overview

Shownote

Highlights

Transcript

Chapters

Pins

Vol.55 Manus 没有秘密 ---70 页 PPT 解读 AI Agent

屠龙之术

2025/03/13
屠龙之术

屠龙之术

2025/03/13
OverviewShownoteHighlightsTranscriptChaptersPins

Shownote

距离我上一个讲述关于 DeepSeek 内容的 PPT 其实才过去半个多月， 回头看之前的内容，我自己觉得关于 AI Agent 的部分其实有些假大空。 因此当我看到 Manus，并且深度体验了之后， 我知道那个之前一直飘在空中的 Agent 概念终于有了一个实打实的可以看到的东西…… 这或许也是 Manus 的意义所在。 用一泽的一句话说：Manus 吹散了人与 Agent 之间的迷雾 今天我的播客内容会涉及 AI Agent 定义的探讨、Manus 的实现逻辑、使用案例以及一些我个人的暴论输出； 老规矩，PPT 随便下载，下...

Highlights

本期播客围绕 AI Agent 领域的最新进展 ——Manus 展开深度探讨。内容不仅涵盖了 Manus 的技术实现和应用场景，还对其背后的理念进行了反思和展望。
00:07
Manus 无秘密，AI Agent 年或成现实
01:50
全面解析 Manus 的核心叙事与使用体验
02:28
反思行业认知局限
03:22
核心总结：LO2 与 LO3 模型
05:55
模型与产品关系的关键讨论
08:03
总结 L1 到 L3 过程中的关键词与技术实现
08:14
创新工厂发布会 PPT 内容解析
08:49
无需对模型过程限制，结果导向训练更有效
11:14
智能代理在 L3 时代的角色与用户界面设计
13:28
不应限定场景，需突破传统路径依赖
13:47
AI 代理需自主、不限场景边界
14:45
搜索与 coding 作为非典型 Agent 分析
15:36
头部大公司 Chat 产品的编程能力
17:14
频繁讨论但可能无明确答案的问题
18:07
讨论 Agent 概念泛化及共识未达成
19:14
讲解 Manus 的核心工作
19:56
Manus 技术优势
21:38
未预设 workflow 实现通用性
22:35
少限制文心表现好
23:18
AI 工具差异与能力对比
25:09
用户能看到 Manus 规划任务、执行任务并交付成果
27:23
GAI Benchmark 高级测试示例
28:44
利用快捷键进行精准截图识别
30:31
Manus 整理并复盘 YC 的 AI 项目
32:02
不同 AI 工具成本差异显著
35:25
极端状态下单用户 DAO 产品 Token 消耗达 3000 万亿
35:52
首次讨论 Agent 对 Token 变化影响
36:55
浏览器作为 Agent 载体的局限性
37:59
Manus 无秘密的核心团队与观点分享
40:12
低估热情导致服务器问题
42:46
复杂任务执行与反馈
45:53
腾讯元宝表现最差
49:20
示意图和 PPT 的问题
50:16
理性看待大模型不完美性
51:04
自媒体观点聚焦数据与内核影响
52:15
通用 agent 非专为特定场景设计
54:22
言辞 talk 的批评与实例列举
54:55
技术非终极指标
56:38
开源方案对普通用户的挑战
57:25
只实现核心功能易导致失败
58:36
简单粗暴的低进关系似乎只有大模型才是底层技术与创新
59:10
深入分析 Agent 是否为模型或产品
1:01:45
探讨 AI 行业产品叙事的纯粹性
1:02:16
技术与产品双叙事关系的重要性
1:03:13
OpenAI 公布 GPT 5 及高成本模型计划
1:03:43
强调 2025 年 OKR 清晰度的重要性
1:04:24
对手出现带来的庆幸感
1:07:16
未开设付费获邀请码渠道
1:08:24
推荐看张涛老师的视频
1:09:29
营销资金与人脉需求
1:10:47
质疑推特验证逻辑
1:11:24
不同人群对 Manus 的看法及背后原因

Chapters

Manus 深度解析与 AI Agent 前景展望
00:00
时间线
01:50
之前关于 DeepSeek 的 PPT
02:28
极限总结
03:22
一些问题
04:16
核心思想
06:10
所谓 “通用”
08:14
我们是怎么到的 L2
08:48
用户体验层面
11:07
周期循环
12:10
第一章总结
13:47
第二章
14:45
AI 搜索的那些问题
15:36
AI coding 的那些问题
17:03
echo 之前的 PPT
18:07
“看见”
18:54
第三章
19:56
workflow
21:28
less structure
22:35
虚拟机 + AI
23:17
具体看到了什么？
25:09
跑个分吧
26:07
那些你不知道的常识
28:44
拿 YC 的 Agent 项目做 “复现”
30:31
成本 ---AHPU
32:02
再次回看之前的 PPT
33:52
讨论新叙事下的 token 消耗
35:52
AI 浏览器为什么不做了？
36:55
为什么我说他们没有秘密？
37:59
火了之后的一则通告
40:12
用起来吧
41:27
我和阑夕老师的案例
44:27
那些效果不好的案例
49:16
失败案例当然也有
50:15
相对理性的评价
50:59
进入暴论环节
51:34
“干啥啥不行”
52:11
“不就是套壳吗？”
54:22
你们投资人懂个 P
54:55
真 - 套壳
56:37
对于用户而言，门槛过于高了
57:18
“创新”
58:36
那产品是什么？
59:10
模型即产品？
1:01:28
会有产品的叙事么？
1:02:10
既要又要还要
1:03:10
又是老生常谈的 ARR
1:03:41
什么是美女？
1:04:16
说说 “营销”
1:05:21
为什么信任？
1:08:24
给你钱你能再做一次吗？
1:09:29
“出口转内销”
1:10:47
Agent 时代真的要来了么？
1:11:17
共勉
1:13:08

Transcript

庄明浩: Hello 大家好，我是明浩，我翻了一下我自己小宇宙的后台。距离我上一次更新 PPT 的单独的的播客，应该刚过去半个多月的时间。我上一期关于 Deepseek 的播客的内容，其实是讲 Deepseek 以及对 2025 年所谓 AI Agent 年的一些预期的。可是现在回头去看你会发现，其实我对自己的评判在那一期里面，关于 agent 的讲述，是有一些空的。我相当于在那个时间点，是针对那一章节的内容，做了一定的讨巧式的内容处理。所以那一段内容回头来看，其实没有太多的观点，更像是已有信息的排列组合。...
小宇宙
Open in 小宇宙