在人工智能领域，特别是在大语言模型（LLM）和智能Agent的发展中，Manus团队的技术创新引起了广泛关注。人们普遍认为，Manus不过是对现有技术的“套壳”应用，将不同模块进行简单的集成而已。但如果深入了解其背后的核心技术，就会发现，Manus远不止于此。事实上，Manus凭借一项名为CodeAct的创新框架，打破了现有智能Agent的局限，赋予了LLM Agent更多的自由度和强大的能力。
本文将详细剖析Manus背后的“黑科技”，揭示其如何通过CodeAct框架重新定义LLM Agent的操作空间，以及这项技术如何显著提升Agent在实际任务中的表现。
一、Manus背后的黑科技：CodeAct框架
对于Manus而言，最核心的技术突破并非简单的代码包装或模块集成，而是其引入的CodeAct框架。这一框架通过让LLM Agent生成可执行的Python代码，而非传统的JSON或文本指令，从根本上改变了智能Agent的工作方式。
1.1 什么是CodeAct？
CodeAct是Manus团队提出的一种多轮交互框架，旨在通过生成可执行的Python代码来提升LLM Agent的能力。它打破了传统智能Agent的局限，将所有的行动和任务指令统一为代码执行。这种方式不仅能够大幅度减少上下文的长度，提升任务执行效率，还能通过集成Python解释器来动态调整行动策略，使Agent在复杂任务中更加灵活高效。
1.2 CodeAct与传统Agent的区别
传统的LLM Agent通常通过生成结构化文本（如JSON）来与外部环境交互。这种方式的局限性在于，虽然它能够指令某些操作，但无法在执行过程中进行实时调整。例如，如果某一操作发生错误，Agent只能依赖提前设定的错误处理机制或完全依赖文本重提示来进行修正。而CodeAct通过生成并执行Python代码，能够实时根据环境反馈调整行动。
此外，CodeAct的优势还在于它能够利用现有的Python工具包，例如Pandas、Scikit-Learn、Matplotlib等，使Agent能够高效地执行数据处理、机器学习、数据可视化等任务。这使得Agent不仅具备了更多功能，也能更加智能地应对复杂任务。
二、CodeAct如何赋能LLM Agent
2.1 动态执行与自我调节
CodeAct框架最大的亮点之一是其动态执行和自我调节的能力。传统的LLM Agent通常通过固定的规则或模版进行任务处理，这种方式往往在面对未知情况时显得力不从心。CodeAct则通过将每个任务转化为Python代码，允许Agent根据实时反馈调整策略。
例如，在进行数据分析时，Agent可以根据数据的不同特征，选择使用不同的处理方法。当数据发生变化或出现异常时，CodeAct框架使Agent能够通过修改代码逻辑来自我调节，从而避免了传统方法中的固定模式束缚。
2.2 更少的交互完成更多任务
CodeAct还显著提升了任务的完成效率。在Manus团队进行的实验中，CodeAct框架帮助LLM Agent在多个复杂任务中减少了交互轮次。例如，GPT-4在使用CodeAct时，任务成功率提升了20.7%，而平均交互轮次减少了2.1次。这意味着，Agent不仅能更高效地完成任务，还能在更少的交互中达成更高的成功率，极大提高了智能Agent的实用性。
这种高效的交互机制，使得LLM Agent能够应对更加复杂的实际问题，如复杂的API调用、多工具协同等任务，同时减少了模型运行时的延迟和计算成本。
2.3 利用现有Python库扩展能力
另一个使CodeAct框架卓越的因素是其能够与现有的Python生态系统紧密集成。例如，Agent可以通过CodeAct调用Pandas进行数据处理，使用Scikit-Learn进行机器学习模型训练，或者通过Matplotlib进行数据可视化。这个能力大大增强了Agent的多功能性，让它能够轻松解决传统文本交互无法胜任的复杂任务。
更重要的是，CodeAct还能够在任务执行过程中进行自我调试。当Agent遇到错误时，它能够通过Python代码的执行过程，自动捕获错误信息，并进行调整，避免了传统方式中对外部干预的强依赖。这种自我调节的能力是传统LLM Agent难以比拟的。
三、开源LLM Agent与CodeAct的融合
3.1 CodeActInstruct：提升开源Agent的能力
为了让CodeAct技术能够为更多的开源LLM Agent所用，Manus团队还推出了一个名为CodeActInstruct的指令微调数据集。这个数据集包含了超过7000条高质量的Agent与环境交互轨迹，涵盖了信息检索、软件包使用、外部内存访问和机器人规划等多个领域。这些数据帮助Agent在实际应用中更好地执行多轮交互，并且具备了更强的自我改进能力。
通过对开源模型进行微调，CodeActInstruct使得这些开源LLM能够更好地适应CodeAct的执行方式，大大提升了其在实际任务中的表现。Manus团队通过对LLaMA-2和Mistral-7B等开源模型的微调，成功构建了CodeActAgent，在多个任务中取得了显著的成功。
3.2 CodeActAgent：开源Agent的新标杆
基于CodeAct框架，Manus不仅提升了传统LLM的能力，还创造了一个具有广泛应用前景的CodeActAgent。这些Agent能够在开源领域内广泛部署，并且具备很高的可扩展性。通过在多个任务中进行测试，CodeActAgent展现出了其强大的泛化能力。无论是在文本任务还是在执行Python代码的任务中，它都表现得非常出色，证明了CodeAct的广泛适用性。
四、Manus背后的真正价值
4.1 提升LLM Agent的能力
Manus不仅仅是一个“套壳”应用，它在LLM Agent的能力提升上做出了颠覆性的创新。通过引入CodeAct框架，Manus彻底改变了LLM Agent的工作模式，让它们能够通过执行Python代码来与环境互动，从而大幅提升了它们的灵活性、适应性和自我调节能力。
4.2 提供更强大的工具链支持
CodeAct的引入，使得LLM Agent不仅能进行更复杂的任务操作，还能够直接利用Python生态中的现有工具库。这一创新极大增强了Agent的多功能性，不仅为开源模型提供了更多可能性，也让智能Agent在实际应用中更加高效和精确。
五、结论：Manus远不止于”套壳”
虽然许多人初看Manus可能认为它只是一个“套壳”应用，实则不然。Manus通过CodeAct框架对智能Agent进行了深度的技术创新，使其不仅能够通过执行Python代码完成更复杂的任务，还能动态调整行动策略和进行自我调节。更重要的是，这项技术为开源LLM提供了强有力的支持，推动了智能Agent在更广泛领域的应用和发展。
在人工智能不断发展和深化的今天，Manus的这一技术突破，无疑为未来智能Agent的演进开辟了全新的道路。
Chinese 
English