【AI Talk】01 等待戈多的 Manus 们

听闻 Manus 裁员，赶忙打开 Xsignal 的"奇异风口（Trend X）"，三月份突兀的声量尖峰带我回到了那个疯狂的 Q1：DeepSeek 带来的狂潮让 AI 圈子每天都在"炸裂"。然而巅峰也是拐点，4 月和 5 月国内 AI 整体下跌的趋势不可阻挡，好在 6 月一举扭转了颓势，AI 全生态开始反弹，就看 "AI 牛市" 能坚持多久了。

注：这里卖个关子，6 月是什么带来了逆跌？上半年 AI 国内和海外全生态又有哪些从数据里挖掘出的秘密？请期待我们的“AI半载录”系列报告。

已经不太记得 Manus 是什么时候不用邀请码的，反正我第一时间就注册了账号，靠着每天的免费积分，时不时用它来做一些简单的任务。最近 Minimax 和 Kimi 也都有发力 Agent，海外御三家的 Deep Research 我也一直在用，但是这些 Agent 交付的结果，总是不令人满意，完全配不上这半年每天的“震惊”和“炸裂”。

于是我转过来头开始体验各种 OpenManus，他们八仙过海地把 computer-use（大模型操作电脑）、browser-use（大模型操作浏览器）、prompt 和各种大模型 API 用 Agent Loop 串到一起，至于这个 Loop（循环）的名称叫什么，怎么唬人怎么来，比如 PDCA、Sense-Plan-Act 等等。

卖家秀很美好：一句自然语言，Agent 就开始无休止干活，复杂任务、主动规划、自主行动、完美交付。买家秀很真实：步骤太多、执行太慢、Token爆炸、效果还不如 Chatbot + 联网搜索的直接回答。总结一下就是：越通用，越无效。

想要让 Agent 干活靠谱，需要高精度、场景化、结构化的数据集，而这类数据集的准备却是苦活、累活、慢活：

• 业务流程拆解梳理；
• 专家级的细致标注、审核；
• 持续不断地数据回流和 QA 校验；
• 充分挖掘和明确大模型的能力边界，特定任务适配特定模型；

这，实际上是一套精细的流水线工厂，需要强大的项目管理能力和工程优化能力。在我看来，快速进行数据质量迭代提升，才是 AI 产业真正的壁垒。这需要长期主义的耐心：沉淀数据，打磨系统，闭环用户体验，一步一个脚印构建垂直场景内精准可控的小 Agent。

也许梦想可以先小一点，不谈 AGI，而是“有用即智能”。在贝克特的剧本中，戈多终究没有出现。AI 行业或许也一样，戈多不是等出来的，而是干出来的。干那些看似不起眼的苦活，做那些非性感却扎实的数据集。

此时此刻脑海中响起国际歌：从来就没有什么救世主， 也不靠神仙皇帝！ 要创造人类的幸福， 全靠我们自己！