Agent落地：理想与现实的距离

“全球首款通用Agent”？别吹了，先看看Manus的真本事

最近Manus这款国产智能体产品确实挺火，宣传声势浩大，又是“全球第一”，又是“堪比ChatGPT发布之夜”，让人觉得错过了它，就错过了下一个时代。但说实话，这种营销口号听听就好，真正的东西还得冷静分析。

Manus到底是个啥？

官方定义听着玄乎，什么“真正自主的主体”、“弥合概念和执行的差距”。说白了，它就是一个能帮你干活的AI助手，而不是只会跟你闲聊的聊天机器人。

从演示来看，你给Manus下达任务，比如“制定日本7日游攻略”，它就会自己上网搜索信息，然后整理出一份详细的报告。看起来挺方便，对吧？官方还展示了它在商店运营分析、服装行业研究、财务报表审查等方面的应用。

多智能体系统：看起来很美，实际呢？

Manus的关键在于采用了多智能体系统（Multi-Agent System），也就是把一个复杂任务拆分成多个子任务，让不同的“智能体”分工协作完成。

• 规划Agent： 负责理解你的需求，把大目标分解成小目标。
• 执行Agent： 负责调用各种工具，比如浏览器、代码编辑器等，去执行具体的操作。
• 验证Agent： 负责检查执行结果是否符合预期，确保信息的准确性。

这种模块化的设计思路其实并不新鲜，很多AI系统都在用。但是，Manus真正的价值在于它把这些模块封装得足够好，让用户使用起来更方便。

Agent并非万能药，场景适配是关键

我个人认为，Manus的出现确实为Agent技术在应用场景上的探索打开了新的思路。但是，它也暴露出了一些问题。

首先，通用性是一个伪命题。虽然Manus号称“通用”，但实际上，它在不同领域的表现肯定会有差异。比如，它可能在旅行规划方面做得不错，但在财务报表审查方面就显得力不从心。这是因为不同领域的知识和技能差异巨大，一个智能体很难同时掌握所有领域的知识。

其次，Agent的质量取决于数据的质量。如果Manus搜索到的信息不准确、不完整，那么最终的报告也会存在问题。这就要求开发者必须对数据进行严格的筛选和清洗，确保数据的质量。

最后，Agent的智能化程度还有待提高。从演示来看，Manus主要还是在执行预设的任务流程，缺乏真正的创造性和判断力。比如，如果用户提出的需求比较模糊或者存在歧义，Manus可能就无法正确理解。

大模型落地：天润融通的“大模型网关+智能体平台”模式

说到Agent，就不得不提天润融通。这家公司一直在探索Agent在客户服务场景的应用，并推出了Agent智能体平台。他们的做法很有意思，不是试图开发一个“万能Agent”，而是把客户服务中常见的场景和功能封装成一个个独立的智能体。

智能体平台的优势

天润融通的智能体平台有几个明显的优势：

• 场景化： 针对不同的客户服务场景，提供不同的智能体。比如，在超市退换货场景，可以使用商场客服接待智能体、智能填单智能体、工单流转智能体等。
• 易用性： 用户可以通过“拖、拉、拽”的方式，轻松配置智能体，构建完整的工作流程。
• 灵活性： 用户可以根据自己的需要，修改提示词和参数，对智能体进行个性化调教。

这种模式的好处在于，它可以让企业快速搭建起一套适合自己业务的客户服务系统，而不需要从零开始开发。

“大模型网关”：解决大模型选择难题

天润融通还创新性地使用了“大模型网关”技术，让用户可以一键切换不同的底层大模型。

这个功能非常实用。因为不同的大模型各有优缺点，适合不同的场景。比如，有些大模型擅长处理文本，有些大模型擅长处理图像，有些大模型擅长处理语音。通过大模型网关，企业可以根据实际需要，选择最合适的大模型。

目前，天润融通的平台已经接入了18个不同尺寸、不同类型的大模型。

我对天润融通模式的看法

我认为，天润融通的“大模型网关+智能体平台”模式，是一种值得推广的商业模式。它解决了企业在大模型落地过程中面临的两个主要问题：

• 如何选择合适的大模型？ 大模型网关提供了多种选择，让企业可以根据实际需要进行选择。
• 如何快速搭建客户服务系统？ 智能体平台提供了丰富的智能体，让企业可以快速搭建起一套适合自己业务的客户服务系统。

当然，这种模式也存在一些挑战。比如，如何保证智能体的质量？如何让智能体更好地理解用户的需求？这些问题都需要进一步的研究和探索。

总的来说，Manus和天润融通的探索都为Agent技术的发展提供了有价值的参考。但我们也要保持清醒的头脑，不要被夸大的宣传所迷惑，要从实际应用出发，理性看待Agent技术的价值和局限性。