这壁垒……一夜走红的Manus，现在已经有了开源复刻版！

5个人3个小时，一个完全免费、无需排队等待的OpenManus就做好了。

至于复现程度，还是直接看Manus官方和开源团队提供的demo对比。

作为全球首款通用智能体，官方提供的case如下：

而OpenManus团队三小时复刻的成果是酱婶儿的：

效果大家自己感受一下。

对于动手能力强的小伙伴儿，也期待大家自行体验后留言反馈。

从开源反推Manus的实现路径

与此同时，通过深扒OpenManus，我们其实还可以看出一条实现Manus的合理路径。

（当前Manus使用了哪家模型、Agent框架等具体细节处于保密状态）

概括而言，OpenManus的背后有三大关键：

• 拥有模块化Agent系统；
• 具备实时反馈机制；
• 配备了一整套强大的工具链；

展开来说，其核心设计就在这种模块化Agent系统。开发者可以根据需要自由组合不同的功能模块，从而创造出独特的AI助手。

在OpenManus中，拥有不同分工的Agent会协作完成需求理解、规划、行动等任务。

比如Manus主代理就像项目经理，负责理解用户需求并完成分工；PlanningAgent作为规划员，负责将复杂任务进一步拆解成可执行的步骤；而ToolCallAgent则是技术专家，负责掌管各类工具使用。

以上这一套都是靠开源团队曾经提出的MetaGPT（一个多智能体框架）实现，开发者可以自由集成多个合适的大语言模型。

此外，OpenManus的另一关键在于其思维过程是公开透明的。

正如开头提到的例子，拿到任务后，OpenManus如何思考问题，如何规划执行……全都能实时反馈。

这为人类在合适时间进行干预提供了“窗口”，有助于更高质量完成任务。

最后不得不提到Agent对工具的使用。

为了完成复杂任务，OpenManus也配备了一系列“外援”：

• 浏览器自动化：像人类一样操作浏览器，自动分析网络信息并交互；
• 各种代码执行器：能够实时生成和执行代码；
• 文件处理：自动生成和管理各类文档；

需要注意的是，各类工具都不是单独的模块，而是需要协同设计。

将以上组合在一起，这类多智能体系统的一般架构为：底层由各类大语言模型构成，中间层通过多智能体协作拆解任务，执行层调用各类API接口完成具体操作。

总之，按照OpenManus作者的总结，这一开源成果结合了computer-use、基本的Agents以及融合了规划能力。

正如OpenManus团队在项目致谢中提到的，Claude厂商Anthropic去年上线的computer-use，以及YC投资的项目browser-use，都给OpenManus提供了基础支持。

顾名思义，这两个项目分别被用来操作电脑和浏览器，而在沙盒环境中操纵正是Manus工作的一大核心特征。

5人开发团队，3小时完成复刻

OpenManus团队只用了1个小时就完成了核心系统，整体也只用了3个小时。

核心作者梁新兵介绍，OpenManus的火速上线，来源于MetaGPT积累下的技术沉淀。

（注：MetaGPT是一个多智能体框架，为了处理复杂任务，将不同的角色分配给GPT模型，形成一个协作性“软件公司”。）

我们只是把浏览器工具链嫁接到过去代码上，配合沉淀的Agent工具包。

几位研发成员，也都是来自MetaGPT团队。

“开源版Devin”——数据解释器（Data Interpreter），也是出自MetaGPT团队之手。

OpenManus核心作者梁新兵，毕业于华东师大，还在读时就参与了Data Interpreter的工作。

另一名核心作者向劲宇，本科就读于西南交通大学应用物理系。

去年，读大四的他和队友一起使用GPT-4与Claude 3组成多智能体的方案，让AI分饰多个角色、相互验证来完成答题步骤，获得了阿里巴巴数学竞赛AI赛道全球第二名。

在MetaGPT社区，向劲宇还和其他成员一起，让智能体成功在“我的世界”当中采集到了钻石。

甚至他还曾经让智能体假扮知乎大V，回答了100多个问题，获得3万余次阅读，还有赞同、反驳甚至私信关注，结果直到他主动停止，AI的身份都未被发现。

张佳钇，去年本科毕业于中国人民大学高瓴人工智能学院，现在是港科大（广州）在读博士，被ICLR 2025接收的智能体框架AFlow，他和向劲宇是共同一作。

于兆洋，张佳钇在人大的同级同学；洪思睿，MetaGPT和Data Interpreter两篇论文的共同一作，DeepWisdom高级研究员，香港科技大学硕士，本科毕业于暨南大学。

AFlow的作者当中，也有于兆洋和洪思睿的名字。