Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？

OWL：
OpenManus：

发表于 5 天前

大家的评论都还有些端着，还是太客气了。周四有朋友给我发这个，我当场的评论情况如下：

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-1.jpg

这个评论甚至不是在细看其技术细节之下做出的，而是只看其营销手法，营销内容风格就做出的。事后细看技术实现也进一步验证当场做出的该结论并非夸张。
从营销手法和内容来看：

短期内找大量跟行业不相关的“野鸡”自媒体发布内容，从标题到内容都充满这当前时代的“震惊体”和“爽点”，包括“爱国”爽点，“中国技术牛”爽点等等。
这些大量野鸡自媒体的内容高度一致，显示出是有专业人士操盘的大规模营销活动
营销内容中没有任何一个业内专家站台，创始人本身跟AI算法没有任何关系

事后从技术实现来看：

AI Agents依赖基座大模型，没有任何技术护城河
Benchmark鸡同鸭比，手法业余且粗糙
AI Agents模式固定，扩展性自由性都很差，属于任务定向优化

再事后一些看
SOL公链同步发币，随着营销发力同步暴涨，节奏起来之后否认跟自己相关，随后暴跌。正反手操作：

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-2.jpg

所以我高度怀疑，这是一起精心规划的、手法老辣的 Web3+AI割韭菜操作，可以当作当今这一行业方向的标杆案例。当然，马斯克、川普、将军都在Web3割得，为什么中国人割不得？这就是另一个问题了。
至于各位还在自己朋友圈转发，甚至讨论技术实现得细节和难度，以及对AI行业的影响，我个人觉得大家是戏有点多了。

发表于 5 天前

利益相关， OWL Project的负责人，想分享一下OWL背后的心路历程。OWL目前已经突破3k star, 感谢开源社区的厚爱。同时GAIA Leaderboard上OWL的结果也已更新，感谢大家的关注。
Github: GitHub - camel-ai/owl: OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation

architecture

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-3.jpg

实际上，OWL是我们内部已经探索了蛮久的项目，也大概在2周之前就已经能做到GAIA上的开源最佳。从开发者的角度出发，我们不希望OWL成为另一个类似Manus的项目，只是碰巧在同一个时间点做了类似的事情。这次能收获如此高的关注度让我有些受宠若惊，但我们也承诺未来会给社区带来更优秀的多智能体系统。
一句话说清楚 OWL (Optimized Workforce Learning)的愿景：开发一套可在真实场景任务中不断进化（优化）、递归、动态协作的多智能体机制。现阶段的OWL仅是这个框架的一个baseline，欢迎大家关注与OWL相关的另一个重要模块：Workforce。

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-4.jpg

https://docs.camel-ai.org/key_modules/workforce.html

manus更像是deep research + coding agent，它基于ubuntu的设计非常smart。亲自体验过后，我认为manus给出了一个相当不错的General AI Assistant的产品形态，但这个方向依然有很多值得深入探讨的问题。
我个人认为tools是连接agent和environment的桥梁。tools能在多大程度上建模真实环境的能力，很大程度上决定了agent能力的上限。所以我非常认可的一句话是：“less structure, more intelligence”。如果我们能在设计tools时尽可能减少引入inductive bias，那么模型就有更多空间来自主进化和学习。接下来我们只需要做两件事：scale up数据，复现agent领域的scaling law。当然，从这一点又能衍生出大量值得研究的问题。
总而言之，我个人认为AGI的时刻还没有到来，现在仍需要沉下心做一些真正有意义的研究。很高兴OWL能够得到大家如此高的认可，但坦白说，我自己也有些诚惶诚恐，因为开始对这个项目产生了更高的期望。
最后要shout out一下所有的合作伙伴，包括宇航、国豪、文栋，还有其他所有的伙伴们。整个OWL项目的推进过程其实并不顺利，很多模块都是从零搭建。对我而言，相比于最终的结果，和大家一起共事的过程才是最难忘的。
最后打个广告：
CAMEL社区有非常多优秀的Projects，比如CAMEL (第一个多智能体协作框架)，OASIS (百万级别的智能体社会模拟)，CRAB (第一个跨平台OS Agent)，AgentTrust (Agent Trust Behavior Simulation), EMOS (异构机器人协作平台)。
除此之外也希望大家能关注到我个人之前的一些agent相关的research projects，KET-QA (COLING 2024, RAG for Table Question Answering), Tree-Planner (ICLR 2024，基于LLM构造planning sampling space)，AgentGen (KDD 2025，合成大规模的Agent训练数据), HiAgent (Hierachical Working Memory Management), Text2World (评测LLM的世界模型生成能力)。

发表于 5 天前

萌新来答，请多指教～
非常感谢大家对OpenManus的支持，1 天涨 10k star，致敬开源
OpenManus 项目链接：https://github.com/mannaandpoem/OpenManus

首先，我非常感谢 @向劲宇能邀请我一起来参与这个 OpenManus 开源项目。听完楼上向劲宇讲的故事后，我感到很激动。但实际上，3月6日那天下午五点多，我们还在开组会，我一边忙着处理公司手头的一些事情，比如软件工程 Benchmark 和经验学习的学术工作。开完组会后，我整个人感觉特别疲惫，只想吃完饭赶紧回家。

组会结束后，劲宇一直在那儿一个劲儿地跟我说，我们可以这样搞，那样搞，肯定能达到 Manus 的效果。我当时觉得劲宇就像一只苍蝇在我耳边嗡嗡作响，实在是太烦了，好想吃完晚饭就回家。
因为我第一次看 Manus 的演示视频时，没能完整看到视频结尾，所以当时我并不知道 Manus 是一个多智能体系统。从视频中的交互过程来看，我下意识地以为它是一个单智能体系统，于是非常震惊：一个单智能体为什么能达到这么好的效果？它是怎么规划的，怎么做到的？这也引出了我在开发 OpenManus 中的一个疑问：规划到底该怎么用，是给单智能体用，还是给多智能体用？
之后在吃晚饭时，我们聊了一下 Manus 的技术方案，最终我确认它是通过外部的规划来协调多智能体的。晚饭之后，就开始了 OpenManus 的开发。

3月7日凌晨四点多，劲宇提到我还在改代码。其实那时候，我正躺在床上睡觉，很开心也很激动自己发布了一个大约 70 star 的项目，躺在床上睡不着，脑子里想着明天会发生什么，接下来该怎么优化 OpenManus。然后我突然想起来代码里似乎有一个 BUG，于是立马起床打开电脑，在 OpenManus 上修复了一个 BUG。当然，项目里还有很多 BUG，希望开源社区能和我们一起贡献力量，完善这个 OpenManus 项目。

和劲宇不同的是，我完全没想过 OpenManus 会爆火。3月7日早上九点我就起床了，十点到公司正常上班。
背景

Manus 是一款通用的AI 智能体产品，从用户示例中展示了卓越的用户体验，整体交互给人感觉很不错。但从技术方案上来说，Manus使用了大量的业内共识的核心基础技术。在那天晚饭过程中，我们讨论了Manus的产品形态和技术路线，然后我们整体使用了三个小时左右的时间，开发出来 OpenManus 这个开源项目。

除开工程上的卓越工作，让我们分析Manus的算法实现：
Manus 是一个多智能体系统，它首先先使用PlanningTool做规划，形成一个包含多个任务的线性结构的计划，然后顺序执行每一个任务并动态分配给相应的 Agent。Agent 在执行每个任务的过程中，以 ReAct 循环的形式调用工具以完成每一个任务。

规划能力：Manus 将 PlanningTool 规划工具引入多智能体框架。在这里我想说一下 Planning 规划的重要性，Claude-3.7 在 SWEBench 上达到了，70% 解决率的效果，此前是49% 的解决率。一部分提升来源于模型，另一部分就来源于规划。而从我们之前的工作，Data Interpreter 也可以证明规划在处理现实问题中的重要性和有效性。
我们不仅会在多智能体上加入规划能力，也会尝试在单智能体上加上规划能力。
工具使用能力：猜测：Manus应该是Claude+一些其它自己post train的模型。Manus在工程上做了很大程度上的优化，这增强了它在不同场景下的工具使用能力。

目的

我觉得Manus产品交互做的挺好的，有很多技术也值得学习，至于OpenManus我们这边目前效果还很有限，我们没有单独调效果。
OpenManus 前期目标打算达到原始 Manus 的相同的效果，后续会依靠庞大的开源社区不断优化 Computer Use, Browser Use 和 Planning Use，以及工具调用的能力，从而给带来OpenManus更高的智能涌现～
方法

基础技术沉淀 & Insight

一个极简的Agent框架，应该是可插拔的Tools和 Prompt的组合，之后我们沿着这个思路，写了一个完整的Agent迷你框架。
而决定一个ReAct Agent( Reason和Act)的效果的关键是提示词引导和工具使用，在 OpenManus 中，Prompt控制了Agent整体的行为逻辑，Tools给定了Agent的行动空间，二者被定义就能完整诠释一个ReAct Agent。我在 React Agent 的基础上，基于Function Call 实现了一个轻量的 ToolCall Agent，它以更格式化的方式去选择和执行工具。OpenManus 也是基于 ToolCall Agent 去做的。
可插拔的优点是可组合，我可以把几个不同场景下的Tools组合到一起来创造一个新的Agent，定义也很方便，不需要单独写内部逻辑，只需要修改动作空间（Tools）。Tools本身就该是可组合的，我们的工作是把抽象做的更干净。提供丰富的工具集合，支持多种Agent 通过装备工具集可以灵活扩展在不同场景下的能力。
规划能力: OpenManus 继承了 Manus 的规划优势，通过 PlanningTool 实现任务分解，可以处理现实世界中的复杂问题。

OpenManus 工作流程

首先，OpenManus在接收到用户需求后，会使用PlanningTool形成一个包含多个任务的线性结构的计划，写入至一个 plan 的 markdowns 文件中去，然后OpenManus查看这个 Plan，从中依次取出每个任务，在执行任务时，会将该任务分配给最适合处理该任务的 Agent，这些 Agents 装备了不同的工具集，在处理不同任务时，有不同的优势。
注：Agent 分配是在执行每个任务时临时被分配的。这种动态分配的方式让系统更灵活，能够根据任务的具体需求和上下文选择最合适的 Agent。目前使用正则匹配对 Agent 进行任务的分配，如果没匹配到，则使用默认配置的 Agent 去执行任务。
未来，我们也会考虑让 LLM 去将任务分配给某个 Agent。但每次执行任务时都使用 LLM 识别意图并分配Agent，会增加计算成本和延迟。
我使用 LLM 为 OpenManus 项目生成了以下的类图和流程图，待后续更新。

类图

流程图

后续工作

我们前期会进行以下的工作，来提升 OpenManus 的效果

增强Planning能力
引入标准化评测 - 采用GAIA和SWE-Bench作为基准，持续评估和优化性能
拓展模型适配 - 从Claude-3-5扩展到DeepSeek V2.5，优化低成本应用场景
实现容器化部署 - 简化安装和使用流程
丰富示例库 - 增加更多实用案例，包含成功和失败示例的分析
前后端开发 - 提供UI 界面，提高用户体验
RAG 模块集成 - 提供外部知识库以增强效果

作为一个小型但充满热情的团队，我们诚挚邀请有志同道合的开发者加入Contribute或参与运营。若您有兴趣，请通过以下链接填写申请，我们将每天查看并回复！加入OpenManus团队：https://deepwisdom.feishu.cn/share/base/form/shrcnyWl3ekgVZVyKdLQ7PbpcZ3 期待与您共同打造更强大的OpenManus！

参考

OpenManus: https://github.com/mannaandpoem/OpenManus
Manus: https://manus.im/
claude-computer-use: https://www.anthropic.com/news/3-5-models-and-computer-use
claude-3-7-sonnet: https://www.anthropic.com/news/claude-3-7-sonnet
OpenHands: https://github.com/All-Hands-AI/OpenHands
browser-use: https://github.com/browser-use/browser-use
Data Interpreter: https://arxiv.org/pdf/2402.18679

发表于 5 天前

大部分在朋友圈说过了，但也来答一波吧
先上个Github链接求个星：
OWL：https://github.com/camel-ai/owl

OWL封顶GAIA Benchmark开源第一，真正的技术，不需要多解释，由于时间和资源的原因，目前还不是满血版，我们有信心刷爆Manus，敬请期待！
（有没有自来水军帮忙散布下消息hh
其实在Agent研究领域类似Manus项目之前就好多，我们也只是把我们正在的研究项目的Baseline OWL - RolePlaying开源了一下，真正的主要核心方法还在继续完善中，还没发布
为什么可以0天复刻，其实原因很简单，因为我们是标题党蹭流量了（毕竟自己造流量，不如蹭别人流量），Multi-agent技术我们都做了两年了，一直不温不火，最早从2023年3月的 CAMEL起（NeurIPS’2023，我们就提出了全球第一个基于ChatGPT的Multi-Agent框架，和第一个基于Agent的数据合成工作），我们就一直在深耕这方面的技术，只是我们不会营销没抓到流量，反而给微软AutoGen这样的Faker做了嫁衣
（话说AutoGen团队分裂了吗，谁知道内幕？想吃瓜

OWL背后真正的故事是 - 扎扎实实的科研、实验和工程，当然工程目前还有点丑陋，Repo正在完善中，毕竟是PhD researcher写的，能work就不错了，还要什么自行车（不是
两周前，我们OWL项目提出的Baseline（其实就是CAMEL里提出的RolePlaying的小改动）就已经取得了GAIA上开源最好的性能58.18，吊打Huggingface基于O1的Open Deep Research，关键我们的主Agent是用的GPT-4O，很少情况遇到Reasoning任务我们才用O3-mini，可以说是把钱省到了极致，做开源真的太穷了，只能搞拼多多科研，有没有金主爸爸赞助点API Key和GPU，即买即送acknowledgement，改个论文，提点意见，给个authorship也行呀

回到正题，3月3日，Mengkang（OWL项目的Lead Researcher，我亲自带的Research Contributor，在港大读PhD）就问我要不要上传Leaderboard，他问方法应该叫啥，可不可以叫DeepSwarm，显然我的性格是不会答应的，一大堆叫Swarm的都烂大街了（不是

因为我们CAMEL-AI会一直坚持自己的Branding，我们在构建自己的AGI世界观，在寻找AI Agent的Scaling Laws，我们之前的项目是：
CAMEL，CRAB，OASIS， AgentTrust， EMOS， LOONG（正在进行中）
CAMEL：https://github.com/camel-ai/camel
CRAB：https://github.com/camel-ai/crab
OASIS：https://github.com/camel-ai/oasis
AgentTrust：https://github.com/camel-ai/agent-trust
EMOS：https://github.com/SgtVincent/EMOS
有同学问既然都蹭流量了，为啥OWL叫OWL，为啥不叫OpenXXX，或者XXXManus，我承认确实我们蹭得不够彻底（不是说隔壁的意思，但确实羡慕了！
OWL为啥叫OWL，其实是因为我们的项目叫Optimized Workforce Learning，我们最核心的Workforce部分并还好没有完全做好，预告一下这是一个可优化的、可递归的、动态多智能体合作机制，说起来有点复杂，但大家可以看图，或者我们的文档：

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-5.jpg

Workforce - CAMEL 0.2.23a0 documentation
从技术上来讲，这次发布的版本，只是CAMEL中提出的RolePlaying的扩展，加上了很多的Tools和Tool Agent，比如说浏览器、文档处理、视频音频图像多模态处理、代码执行、搜索、表格处理等工具，并没有很Fancy的东西，敬请期待我们的下一次大更新！正在实验Workforce和准备上强化学习RL！

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-6.jpg

附上上了视频Demo：

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-7.jpg

寻找伦敦最新电影
https://www.zhihu.com/video/1881790388139975233

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-8.jpg

调研和总结Github仓库
https://www.zhihu.com/video/1881790448084944686
其实这一次小火一把，也是受宠若惊，我们整活的一篇公众号，居然6700转发了，也算是成功体验了一次流量营销，自己造流量真不如蹭别人流量

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-9.jpg

不过评心说一句，我们在提出全球首个ChatGPT Multi-agent框架思想也将近两年了，看到Manus团队把Multi-agent技术落地成产品是非常惊喜的，Manus系统设计其实非常巧妙，特别他们通过文件系统来实现Context管理和持久化、使用Ubuntu虚拟机的命令行来实现灵活的工具使用是非常值得学习工程思路，他们真的是把Ubuntu虚拟机当作Agent的工具用到了极致，这应该也就是他们所说的Less Structures，More Intelligence，其中一些实用的trick，我们还在开源复现中！也非常期待他们承诺将要开源的Post Training模型！
为了接住这波流量，我们团队也挺拼的，昨天基本上都没睡

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-10.jpg

团队还DataWhale、Way2AGI做了两场直播讲解和现场Demo，开了一个内部All hands会议，直到下午四点才睡

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-11.jpg

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-12.jpg

OWL到底有多好？有请，潘周聃！

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？-13.jpg

哈哈哈，周聃兄是我在牛津的时候认识的，那时候不知道他也在做Multi-agent，昨天一起直播，聊了挺多，也认同周聃兄很多的见解
最后，展望一下，其实除了Web和命令行的操控之外，我们非常有信心电脑、手机、机器人、车载等各种跨平台的操控会成为可能，那时候才是真正的赛博workforce，因为OS端Agent的一个最大的优势是比较容易拿到Verifiable的奖励信号，未来强化学习RL可以训得飞起，也许会在一年内就会出现DeepSeek R1 Zero这样的Aha moment出现在OS / Web Agent领域！可惜我们资源有限还上不去RL，非常期待大家一起来做开源探索！
Github：https://github.com/camel-ai/owl

发表于 5 天前

截至我写完这篇文章时，我们开源的OpenManus已经在开源不到一天的时间里突破了8K+ star
非常感谢大家的支持和喜欢。
Github: https://github.com/mannaandpoem/OpenManus

客观来说，没有那么多技术细节能和大家分享，大部分已经是各位前辈的共识了，还是给大家分享下这个项目的故事吧
在两个月前的中午，我和 @mannaandpoem 梁新兵吃饭时讨论道，如果不考虑Agent中间流程的优化，对于一个ReAct类型的Agent，似乎只要定义好一组Tools和一个System Prompt，那么这个Agent基本就被定义了.因为Tools定义了Agent的Action Space，而System Prompt定义了Agent的行为逻辑。如果按照这个思路，定义一个新的Agent就是往它的身上插卡就可以（插入不同Tools)。
梁新兵按照我的这个思路，把最初的AgentHub的代码实现了，我们未来也会开源这个完整的框架。
Manus发布的那天晚上，我看到身边的人都很兴奋，大多数的兴奋似乎来自于AI能使用电脑，但似乎这样的功能对业内认识不是特别稀奇的功能，Plan规划的能力在我们24年的开源工作Data Interpreter[1]工作中已经有了相关的实现，通过代码组合Tools，完善了Agent搜索和数据处理的能力，而ComputerUse和BrowserUse等功能也在OpenDevin（OpenHands）[2]以及 AutoGLM [3]等各个工作中均有实现了（还有很多优秀工作，这里未列出的话还请大家包涵）。所以仅从一个demo级别的粗糙实现上来说，给大家用上应该不是很难，配合上新兵的AgentHub，我们有信心快速完成。于是当天凌晨两点，我给新兵发了消息，我们明天晚上下班搞一个开源。
(另外提一句，Manus本身是很好的工作，他们实现了复杂的规划和可能是自己进行过Post Train的模型，提供了更好的效果和交互，也给我们提供了很多发展思路）

第二天的早上，新兵就根据目前已知的信息做了一次完整的调研，包括技术细节和分析

所以昨天七点下班，我就开始战斗，加了几个Tools和研究了下到底需要哪些能力，基本用了两个小时把基础版的OpenManus跑通了。反而很多时间是为了给大家更好的前端体验，结果没成功hhh
Manus的出圈一方面在于大家对这种AI的能力非常好奇，另一方面也是他们的故事和产品的展示，做到了极致。所以我最初想到用Streamlit写一个demo版的前端也许大家会感受更好一些，结果Streamlit底层和Browser Use似乎不兼容，我又更换Grdio尝试，但发现它很难做到一个一个代码块往外蹦的新奇感。最后索性直接改log信息，让它尽可能有趣一些。
与此同时，新兵并行地去做一个Planing+ReAct版本的进阶Manus，这个版本与原版Manus的Todo list的功能更加接近了，终于在昨天晚上十一点，我们完成了代码并进行了合并。
之后我开始写推文和录制一些Case，而新兵则继续优化Plan的逻辑，凌晨三点多，我们终于结束了所有的工作

今天早上，十点半醒过来，看到微信三十多个添加好友，我就知道应该爆了，我想继续安心地补个瞌睡，但是怎么都睡不着，拿起手机发现消息已经回不过来了。
写到这里我才想起来，原来从昨天中午午饭后，到现在还没吃过一顿饭，是时候关上手机去让自己休息一下了。
坦诚地说，现在的OpenManus并没有很强的效果，也是Follow很多前辈们的开源工作的基础上做的一点小事情，只不过站在了这次流量的风口上，得到了大家的关注。另一方面，也是MetaGPT这样的公司平台让我们聚在了一起，为了AI的进步共同努力，让我能有同样志同道合的伙伴一起合作。
我们也会在三月底左右放出MGX产品的技术报告，以及开源MGX涉及的部分代码内容。包括最近我们在做一个Agent Survey，调研了目前Agent能做什么，不能做什么，未来我们能做什么，梳理了一遍，也会在近期给大家放出。
回想起一年前，那时我还没本科毕业，学校举办的AI比赛上做了个能自己操控电脑的Agent就把大家都吓了一跳，今天回想起来感觉似曾相识。加入MetaGPT这个团队半年多，也和张佳钇一起做了AFlow拿了ICLR的Oral，最近也做了SPO给大家提供真实场景下高效的提示词优化迭代，这就是MetaGPT这个团队&#34;学术循环&#34;的理念。承霖哥（我的老板hhh）说，他要创造一个伟大的公司，希望未来我们能做到
第一次发知乎，说话挺笨的，大家多多指正。
开源永存。
[1] Data Interpreter: An LLM Agent For Data Science https://arxiv.org/pdf/2402.18679
[2] OpenHands https://github.com/All-Hands-AI/OpenHands
[3] AutoGLM: Autonomous Foundation Agents for GUIs https://xiao9905.github.io/AutoGLM/
[4] Browser Use https://github.com/browser-use/browser-use
[5] Manus https://manus.im/
[6] OpenManus https://github.com/mannaandpoem/OpenManus

Manus发布一天后迅速出现OpenManus、OWL 等复刻项目，怎么做到的？

本周热门