标签：AI Agent · Manus · Open Computer Use · AIOS · 自动化 · 多智能体 · 大模型应用

一、引言：2025——AI Agent的"ChatGPT时刻"

2025年被业界公认为"AI Agent元年"。如果说2023年是LLM的爆发之年，2024年是AI应用的探索之年，那2025年就是AI从"动口"到"动手"的范式跨越之年。

在这一年里，三条截然不同的技术路线同时爆发：

• Manus AI——中国团队Monica.im打造的全球首款通用型AI Agent，在GAIA基准测试中以绝对优势超越OpenAI，引发全网"一码难求"的轰动；
• Open Computer Use——基于E2B Desktop Sandbox的开源项目，让AI通过键盘/鼠标真实操控云桌面，支持任意开源/闭源LLM；
• AIOS (AI Agent Operating System)——学术界提出的"大模型操作系统"范式，在调度、内存、工具管理等系统层面重新设计Agent基础设施。

但它们究竟是什么？各自的技术内核有何不同？在实际生产场景中谁更胜一筹？本文将从技术架构、任务执行原理、真实场景横评、优缺点对比四个维度，进行一次深度的技术解构。

二、什么是"自动化Agent OS"？

在深入具体产品之前，我们需要先厘清一个概念：自动化Agent OS。

传统的AI工作流是"问答式"的——用户提问、模型回答。但在2025年的Agent范式中，AI不再只是"建议者"，而是"执行者"。一个自动化Agent OS需要具备以下核心能力：

从系统架构角度看，Agent OS需要处理的核心挑战与传统操作系统惊人地相似：

• 调度问题：多个Agent任务如何竞争LLM资源？
• 上下文切换：Agent间如何保存/恢复执行状态？
• 内存管理：如何管理短期任务记忆与长期知识？
• 工具管理：如何动态注册、发现、调用工具？
• 安全隔离：Agent任务如何互不干扰地执行？

正是基于这些系统级挑战，Manus、Open Computer Use、AIOS分别给出了不同的工程化答案。

三、Manus AI：多智能体协同的"数字员工"

3.1 背景与定位

Manus由前"夜莺科技"创始人肖弘领衔的Monica.im团队于2025年3月6日发布，名称源自MIT校训"Mens et Manus"（心灵与双手）——强调知行合一。

其核心理念非常清晰：AI不仅要能思考，还要能动手完成。

3.2 GAIA Benchmark——一鸣惊人的数据

GAIA（General AI Assistant）基准测试是评估AI解决现实世界问题的权威标准，包含466个现实任务，分为三个难度等级。Manus发布时的成绩如下：

尤其在Level 3（高复杂度任务）上，Manus领先OpenAI超过10个百分点，这是质的差距。

3.3 核心技术架构：PEV多智能体协同

Manus最核心的技术创新是PEV（Planning-Execution-Verification）三模块协同架构：

┌──────────────────────────────────────────────────────┐ │ 用户自然语言输入 │ ├──────────────────────────────────────────────────────┤ │ 规划代理 (Planning Agent) │ │ ┌─ 意图理解与任务分解 │ │ └─ DAG（有向无环图）执行路径生成 │ ├──────────────────────────────────────────────────────┤ │ 执行代理 (Execution Agent) │ │ ┌─ 代码生成与执行（Python/Shell） │ │ ├─ 浏览器自动化（Browser-use） │ │ ├─ 文件处理（OCR/转换/压缩） │ │ ├─ API调用（数据获取/第三方服务） │ │ └─ 工具链级联调用 │ ├──────────────────────────────────────────────────────┤ │ 验证代理 (Verification Agent) │ │ ┌─ 结果正确性校验 │ │ ├─ 数据一致性检测 │ │ └─ 偏差超限自动触发重执行 │ ├──────────────────────────────────────────────────────┤ │ 云端沙盒执行环境 │ │ ┌─ 独立Linux容器 │ 4核CPU/4GB内存/12GB硬盘 │ │ └─ 异步执行框架 │ Checkpoint每15分钟保存状态 │ ├──────────────────────────────────────────────────────┤ │ 最终可交付成果 │ └──────────────────────────────────────────────────────┘

规划代理（大脑）

采用改进的思维树（Tree-of-Thought）算法，将用户的模糊需求转化为结构化的执行计划。核心能力包括：

• 多模态意图识别：支持文本、图片、PDF混合输入
• 动态任务拆解：将复杂需求分解为可独立执行的子任务DAG
• 动态优先级调整：可感知外部变化，自动重排任务顺序

执行代理（双手）

集成了300+工具链，涵盖：

• 代码执行（Python解释器、Shell命令）
• 浏览器操作（基于Browser-use框架的网页自动化）
• 文件处理（解压、OCR识别、格式转换）
• 数据分析（Pandas、Matplotlib、Seaborn）
• 第三方API（金融数据、地图服务、电商平台）

验证代理（质检员）

通过对抗性测试对执行结果进行交叉验证。例如，当发现财报数据分析误差超过5%时，会自动触发数据重新提取和分析。

3.4 关键设计特点

1. 异步云端执行：任务在云端虚拟机中运行，用户可关闭页面，任务完成后通过邮件/通知接收结果
2. 单任务成本仅~$2：远低于OpenAI同类服务的$10-20/次
3. 执行过程完全透明：用户可在界面上实时查看每一步的代码、执行日志和中间结果
4. 用户偏好学习：通过AHPU（Agent Human Preference Unit）机制记录用户偏好，实现个性化适配

3.5 “真"还是"假”？——对Manus的理性评价

虽然Manus的Demo惊艳，但也需要冷静看待：

• 闭源黑盒：核心技术未开源，底层模型依赖Claude和Qwen的API组合调用
• 执行成功率不稳定：复杂任务在30分钟以上的执行窗口中可能存在中间步骤失败
• 成本依赖于模型层：当底层模型API涨价时，$2/次的成本难以维持
• 并非"通用智能"：本质上是大模型 + 多Agent编排 + 沙箱执行的工程化创新

四、Open Computer Use：开源世界的"电脑操控者"

4.1 项目背景

Open Computer Use由E2B团队开发并开源（GitHub: e2b-dev/open-computer-use），其核心理念是：让任何LLM都能像人一样操作真实计算机。

与Manus在云端"秘密"执行不同，Open Computer Use完全开源，用户可以在自己的基础设施上部署。

4.2 四大核心架构层

┌────────────────────────────────────────────────┐ │ 用户输入层 │ │ (Prompt / 自然语言指令) │ ├────────────────────────────────────────────────┤ │ SandboxAgent 核心控制器 │ │ ┌─ 键盘/鼠标模拟（15+种输入操作） │ │ └─ Shell命令执行 │ ├────────────────────────────────────────────────┤ │ LLMProvider 决策中枢 │ │ ┌─ 兼容20+主流模型 │ │ │ GPT-4o / Claude / Llama / DeepSeek/Qwen │ │ └─ OS-Atlas / ShowUI（UI视觉识别模型） │ ├────────────────────────────────────────────────┤ │ OSAtlasProvider 视觉定位引擎 │ │ ┌─ 亚像素级UI元素识别与定位 │ │ └─ 支持屏幕截图→坐标映射 │ ├────────────────────────────────────────────────┤ │ StreamingService 桌面流传输 │ │ ┌─ 低延迟(<300ms)桌面画面捕获 │ │ └─ 用户可随时暂停并干预 │ ├────────────────────────────────────────────────┤ │ E2B Desktop Sandbox 云桌面沙箱 │ │ ┌─ Ubuntu云桌面（支持切换任意OS） │ │ └─ 进程/文件完全隔离，安全执行 │ └────────────────────────────────────────────────┘

4.3 技术解析

SandboxAgent——核心控制器

这是Agent的"手脚"，负责将LLM的决策转化为真实的计算机操作：

LLMProvider——决策中枢

项目最精妙的设计在于可插拔的LLM Provider抽象层。你可以选择：

• 视觉LLM：负责"看"屏幕截图，理解当前界面状态
• 工具使用LLM：负责"想"——根据界面状态决定下一步操作
• 同一个模型担任双重角色：用GPT-4o或Claude同时完成感知和决策

支持的模型清单（截至2025年7月）：

OSAtlas Provider——视觉定位引擎

这是区别于传统"代码执行Agent"的关键。OSAtlas是一个专门针对GUI界面理解的视觉模型，可以实现：

• 从屏幕截图精确识别按钮、输入框、下拉菜单等UI元素
• 将元素位置映射为像素级坐标
• 支持亚像素级定位精度

4.4 实战部署

# 克隆项目gitclone https://github.com/e2b-dev/open-computer-use.git# 安装依赖（Python 3.10+）cdopen-computer-use poetryinstall# 配置环境变量（.env）E2B_API_KEY=your-e2b-api-keyOPENAI_API_KEY=your-openai-key# 或 ANTHROPIC_API_KEY / GEMINI_API_KEY ...# 启动Web界面poetry run start--prompt"打开浏览器访问github.com"

启动后，用户会在浏览器中看到云桌面的实时画面，并且可以随时暂停、修改指令、让Agent继续执行——这是Manus没有的交互体验。

五、AIOS：从操作系统视角重构Agent基础设施

5.1 背景与定位

AIOS（AI Agent Operating System）由Rutgers大学梅开等学者提出，论文被COLM 2025接收（arXiv: 2403.16971）。GitHub仓库：agiresearch/AIOS。

与Manus和Open Computer Use聚焦于"执行任务"不同，AIOS回答的是一个更深层的问题：当Agent数量从1个增长到1000个时，系统架构该如何设计？

5.2 核心架构

┌──────────────────────────────────────────────────────┐ │ Agent 应用层 │ │ Agent 1 Agent 2 Agent 3 ... Agent N │ ├──────────────────────────────────────────────────────┤ │ AIOS Kernel（AIOS内核） │ │ ┌─────────────┬─────────────┬──────────────────┐ │ │ │ Agent调度器 │ 上下文管理器 │ 内存管理器 │ │ │ │ (请求排队/ │ (状态保存/ │ (短期记忆缓存/ │ │ │ │ 优先级/抢占) │ 恢复/切换) │ 长期存储/检索) │ │ │ ├─────────────┼─────────────┼──────────────────┤ │ │ │ 工具管理器 │ 安全控制器 │ Agent SDK管理器 │ │ │ │ (注册/发现/ │ (权限/访问 │ (安装/版本/依赖) │ │ │ │ 调用/缓存) │ 控制/审计) │ │ │ │ └─────────────┴─────────────┴──────────────────┘ │ ├──────────────────────────────────────────────────────┤ │ LLM抽象层（LLM Abstraction Layer） │ │ ┌────────────────────────────────────────────────┐ │ │ │ 模型路由 / 请求合并 / 缓存 / 限流 / 负载均衡 │ │ │ └────────────────────────────────────────────────┘ │ ├──────────────────────────────────────────────────────┤ │ 操作系统底层（Host OS） │ └──────────────────────────────────────────────────────┘

5.3 关键系统组件

Agent调度器

• 多Agent并发调度：支持多个Agent同时排队使用LLM资源
• 优先级抢占：高优先级任务可中断低优先级任务
• 请求合并：相似的LLM请求自动合并，提升吞吐量

上下文管理器

• 上下文切换：Agent挂起时自动保存执行状态，恢复时无缝续接
• 上下文压缩：长对话自动摘要压缩，突破上下文窗口限制

内存管理器

• 短期记忆：当前任务上下文的快速缓存
• 长期记忆：跨任务的向量化知识存储与检索

工具管理器

• 动态注册/发现：工具可以热插拔，Agent按需发现
• 调用缓存：相同工具调用结果自动缓存，减少重复调用

安全控制器

• 权限分级：每个Agent有独立的安全沙箱
• 操作审计：所有Agent操作记录完整审计日志

5.4 AIOS的设计哲学

AIOS的核心洞察是：Agent的瓶颈不在模型智能，而在系统效率。

当单个Agent运行一个复杂任务时，90%的时间花在"等LLM响应"上。而当10个Agent并发运行时，如果没有系统级调度，会发生：

• LLM热点争用：多个Agent同时向LLM发送请求，导致响应时间激增
• 上下文污染：Agent A的残留信息影响到Agent B的执行
• 工具死锁：两个Agent竞争同一工具资源

AIOS就是解决这些"操作系统级别"问题的系统基础设施。

六、Agent自动任务执行原理深度拆解

无论Manus、Open Computer Use还是AIOS，底层都遵循一套通用的Agent任务执行闭环。

6.1 感知→规划→执行→验证→交付（PPEV闭环）

┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ 1.感知 │───→│ 2.规划 │───→│ 3.执行 │───→│ 4.验证 │───→│ 5.交付 │ │ (用户指令) │ │ (任务拆解) │ │ (工具调用) │ │ (结果校验) │ │ (最终输出) │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ └──────────┘ ↑ │ └──────── 失败重试 ←────────────────┘

以"分析特斯拉2025年Q1营收数据并生成可视化报告"为例：

Step 1 - 感知：解析用户指令，提取关键要素——实体（特斯拉）、时间（2025 Q1）、动作（分析营收、可视化报告）

Step 2 - 规划：生成执行DAG

1. 搜索特斯拉2025 Q1财报（浏览器） 2. 提取营收、利润、毛利率等关键字段（代码/OCR） 3. 计算同比/环比增长率（Python） 4. 生成柱状图+饼图（Matplotlib） 5. 整合为PDF报告（ReportLab）

Step 3 - 执行：逐节点执行，每个节点调用对应工具

Step 4 - 验证：交叉验证数据一致性（如搜索多个数据源对比），误差超阈值则回溯

Step 5 - 交付：生成最终报告文件并通知用户

6.2 关键工程挑战

七、真实场景横评

7.1 场景一：数据分析

任务：下载某个公开数据集，进行数据清洗、统计分析，生成带有图表的报告。

实测结论：Manus在数据分析场景中完胜，尤其在从"原始数据"到"完成报告"的全流程自动化方面，几乎不需要人工干预。

7.2 场景二：代码编写与开发

任务：使用React+TypeScript创建一个带登录功能的Todo List应用。

实测结论：Open Computer Use在开发场景中优势明显——它操作的是真实的Ubuntu桌面，可以完整使用VS Code、浏览器DevTools、git、Docker等所有真实开发工具。

7.3 场景三：信息检索与多源整合

任务：调研2025年全球AI芯片市场格局，涵盖NVIDIA/AMD/Intel/华为等厂商，生成一份含数据对比的行业报告。

实测结论：Manus的信息检索能力目前业界领先，尤其是多源数据自动交叉验证的能力，大幅提升了信息可靠性。

7.4 场景四：多步骤复杂任务

任务：从零开始搭建一个电商数据分析仪表盘——包括数据采集、ETL处理、数据库建表、前端可视化部署。

八、各平台优缺点全景对比

8.1 综合对比表

8.2 核心优势清单

Manus AI 的优势：

• ✅ 零门槛——给一句话就能干活
• ✅ 全流程自动化程度最高
• ✅ 多源信息交叉验证能力出色
• ✅ 成本低（$2/任务）
• ✅ 结果交付专业度高（图表/报告/网站）

Open Computer Use 的优势：

• ✅ 完全开源，可自托管
• ✅ 操作真实桌面，无限制
• ✅ LLM可自由切换
• ✅ 执行过程完全透明可控
• ✅ 适合开发环境和自动化测试

AIOS 的优势：

• ✅ 系统级Agent管理方案
• ✅ 支持大规模Agent并行
• ✅ 学术前沿，论文支撑
• ✅ 完整的OS抽象层设计
• ✅ 长期来看最具扩展性

8.3 核心劣势清单

Manus AI：

• ❌ 闭源——核心技术黑箱，无法定制
• ❌ 执行成功率不稳定（复杂任务~65%）
• ❌ 沙箱环境受限（无法操作所有软件）
• ❌ 依赖第三方模型API（成本受制于人）

Open Computer Use：

• ❌ 配置复杂（需多个API Key）
• ❌ 执行速度慢（LLM推理+屏幕截图+操作，3-5秒/步）
• ❌ 需要一定技术背景
• ❌ 屏幕流传输对网络要求高
• ❌ 沙箱环境为Ubuntu桌面（非所有场景适用）

AIOS：

• ❌ 偏学术研究，工程成熟度不足
• ❌ 缺乏"开箱即用"的端到端能力
• ❌ 文档和社区生态仍在早期
• ❌ 上手门槛高（需深入理解OS概念）

九、适用场景与选型建议

9.1 场景选型矩阵

9.2 选型决策树

你的需求是什么？ │ ├─ 我是一个非技术用户，只需要快速出结果 │ └─ → Manus AI（最佳） │ ├─ 我是开发者，需要让AI帮我做开发/测试 │ └─ → Open Computer Use（最佳） │ ├─ 我要构建企业级Agent平台/系统 │ └─ → AIOS（最佳） │ ├─ 我要研究AI Agent的技术原理 │ └─ → Open Computer Use（开源可读） + AIOS（理论框架） │ └─ 我是普通开发者，想快速试水Agent └─ → 先用Manus体验 → 再用Open Computer Use深入

9.3 组合使用建议

事实上，这三者并非互斥关系。2025年最优的Agent技术栈可能是：

┌────────────────────────────────────┐ │ 用户交互层 │ │ Manus AI 风格的Web界面+异步通知 │ ├────────────────────────────────────┤ │ 编排层 │ │ AIOS Kernel（调度+上下文+安全） │ ├────────────────────────────────────┤ │ 执行层 │ │ Open Computer Use（真实桌面操作） │ │ + Python/Shell沙箱 │ ├────────────────────────────────────┤ │ 模型层 │ │ 自由切换Claude/GPT/Qwen/DeepSeek │ └────────────────────────────────────┘

十、未来展望：2025下半年的三大趋势

趋势一：从"单Agent"到"Agent Fleet"

2025上半年，Manus展示了单Agent完成复杂任务的能力。2025下半年，真正的突破将在于多Agent协同舰队：

• 一个Agent做数据分析
• 另一个Agent做可视化
• 第三个Agent写报告
• 第四个Agent做质量校验
• 第五个Agent将结果推送至Slack/邮件/钉钉

AIOS所倡导的系统级调度范式，正是在为这一趋势铺路。

趋势二：从"闭源Demo"到"开源生态"

Manus的爆火让更多人意识到Agent的潜力，但真正推动技术进步的必然是开源生态：

• Open Computer Use代表的开源计算机操控方案正在快速成熟
• OWL（CAMEL-AI）等开源项目在GAIA上已经逼近闭源方案
• AIOS为系统级Agent部署提供了理论框架

趋势三：从"通用Agent"到"垂直Agent"

2025下半年的重要趋势是垂直领域的深度Agent化：

• 金融Agent：自动完成财务分析、风险报告、合规检测
• 医疗Agent：协助影像分析、病历整理、药物筛选
• 法律Agent：合同审查、案例检索、文书生成
• 教育Agent：课程设计、作业批改、学情分析

十一、写在最后

2025年是AI Agent从"概念"走向"实用"的关键之年。

• Manus AI证明了Agent的商业可行性——零门槛、低成本、高自动化
• Open Computer Use证明了Agent的开源可行性——完全透明、自由可控
• AIOS证明了Agent的系统可行性——大规模部署需要操作系统级基础设施

三者在各自的维度上给出了不同的答案，但它们共同指向同一个方向：AI正在从"聊天的工具"进化为"替你干活的同事"。

如果你是技术决策者，我的建议是：

短期用Manus快速验证价值，中期用Open Computer Use深度定制，长期用AIOS构建系统能力。

不要追逐概念，要理解原理。不要迷信Demo，要看工程化能力。不要只看结果，要看过程可控性。

2025年，让AI真正替你干活。选择权在你手上。

参考资源

• Manus AI 官网：https://manus.im
• Open Computer Use GitHub：https://github.com/e2b-dev/open-computer-use
• AIOS GitHub：https://github.com/agiresearch/AIOS
• AIOS 论文：Kai Mei et al., “AIOS: LLM Agent Operating System”, COLM 2025
• GAIA Benchmark：https://huggingface.co/gaia-benchmark
• Monica.im 团队：https://monica.im

本文仅做技术探讨与分析，不含任何商业推广。文中数据和截图均来自公开信息来源，如有更新请以官方最新版本为准。

如果觉得本文对你有帮助，欢迎点赞、收藏、转发，让更多人看到真正的技术对比而非营销话术。