作者：Haotian

一覺睡醒，好多朋友讓我看 manus，號稱一款全球真正意義上通用的AI Agent，能夠實現獨立思考並規劃執行復雜任務，並交付完整結果。聽起來非常Cool，但除了很多朋友圈焦慮的要失業的聲音之外，它會給web3 DeFai場景大爆發帶來什麼？以下，談談我的思考：

1）約一個月前OpenAI 推出了同類別產品Operator，AI可以在瀏覽器中獨立完成包括餐廳預訂、購物、訂票、外賣訂餐等任務，用戶可以可視化進行監督，並隨時接管控制權。

這套Agent的出現並沒有多少人討論，原因在於它是單一模型驅動，還是工具調用的那套框架，用戶一想到關鍵決策還需要干預進行就失去了依賴其執行任務的想法。

2）manus表面看似也差不太多，只是多了不少應用場景，包括篩選簡歷，研究股票、購買房產等等，但實際上是背後的框架和執行系統差異，Manus由多模態大模型驅動，並創新性的採用了多重簽名系統。

簡而言之，AI要模仿人執行（計劃-執行-檢查-行動）的PDCA循環行動，將由多個大模型共同協作完成，每個模型專注於特定環節，既能降低單個模型執行任務的決策風險，又能提高執行效率。所謂“多重簽名系統”其實是多模型協作的決策驗證機制，通過要求多個專業模型的共同確認來保證決策和執行的可靠性。

3）如此一比較，manus的優勢顯然就凸顯出來了，加上視頻Demo裏展現的一系列操作體驗，讓人確實有一種非凡的體驗感。但客觀來說，Manus對Operator的迭代創新只是個開始，還達不到顛覆性革命意義。

關鍵點就在於其執行任務的複雜程度，以及非統一標準用戶input Prompt進入之後大模型的容錯率和交付結果成功率定義。要不然，順着這套創新，web3的DeFai場景是不是立馬就可以成熟應用了？顯然，還做不到：

比如：DeFai場景下Agent要執行交易決策，需要有一個Oracle層的Agent負責鏈上數據收集和驗證，並進行數據整合分析，還要實時監控鏈上價格捕捉交易機會，這個過程對實時分析有很大挑戰，有可能一秒前還有用的交易機會，等Oracle大模型傳輸給交易執行Agent之後，交易機會就不存在了（套利窗口）；

這其實暴露了這類多模態大模型做執行決策的一個最大軟肋，如何聯網、觸鏈調取分析Real-Time級別的數據，並從中分析出交易機會，然後進行交易捕捉。聯網環境其實還好，很多電商網站的訂單價格並非實時變動，不容易給整個多模態協作造成巨大動態平衡困擾，要是在鏈上，這樣的挑戰幾乎無時無刻存在。

4）所以，整體上manus的出現確實會在web2領域掀起一波朋友圈焦慮，畢竟很多重複性高的文職和信息處理工種可能會面臨被AI取代的風險。但讓他們焦慮他們的。

這事放在web3對DeFai應用場景的推動作用我們得客觀認識：

必須得承認：意義肯定重大，畢竟它提出的LLM OS以及Less Structure more intelligence理念、尤其是多重簽名系統會給web3拓展DeFi和AI的結合有很大的啓迪思路。

這其實糾正了大部分DeFai項目的重大誤區，不要上來就想依靠一個大模型實現AI Agent自主化思考+決策等複雜目標，這在金融場景下，根本不切合實際。

真正DeFai願景的實現需要解決單體AI模型能力上限、多模態交互協作原子性保證、多模態系統統一資源調度和支配、系統容錯和故障處理機制等等複雜問題。

比如：Oracle層 Agent，負責收集鏈上數據和分析，並監控價格，形成有效數據源；

決策層Agent，根據Oracle餵過來的數據進行分析和風險評估，並制定一套決策和行動方案；

執行層Agent，根據決策層給出的多種方案，並考慮實際情況進行執行，包括gas費用優化、跨鏈狀態、交易排序衝突等等。

唯有這一系列的Agent都同步強大，並有一個龐大的系統框架落定，一個真正的DeFai革命纔會掀起。