摘要：还拿不到Manus邀请码?来体验这几款computer use 智能体无需等待Manus邀请码，即刻体验这5款computer use智能体Manus智能体邀请码难到手？试试这些能够操作电脑的的AI AgentManus邀请码遥不可及？这些电脑使用智能体值得一

文/王吉伟

我在今年1月初写了2025年的AI Agent发展十三大趋势，其中两个趋势是多Agent系统开始流行和GUI Agent产品得到更多应用，没想到来得这么快。

推荐阅读：智能体商用元年开启，2025年AI Agent行业发展十三大趋势

最近几天，集多Agent架构、computer use、GUI智能体等技术和概念于一身的Manus，通过一些媒体、科技博主的报道和渲染，在 “比肩DeepSeek” “AI Agent 的GPT时刻” 等一浪强过一浪的声浪中，Manus一夜出圈。

官方资料显示，Manus通过多Agent架构（Multiple Agent）将任务拆分为规划、执行、验证等子模块，每个Agent基于独立的语言模型或强化学习模型，通过API协同工作，最终在虚拟机中调用工具（如编写代码、爬取数据）完成任务。这些特性，是多智能体架构的通性。

这样的项目实现，对于不懂代码的可能很难。对于懂代码的来说，好吧，来自知名多Agent架构MetaGPT的3个小伙子仅用了3个小时就把Manus复现了。这个项目叫OpenManus，到这篇文章发布时已经有16.3k stars了。Manus的出圈以及短期内体验，间接捧红了这个同类型开源项目，泼天富贵就这样简单地转移了。

项目地址：https://github.com/mannaandpoem/OpenManus

当然快速复现Manus的团队不只一个，同样是知名多Agent架构的Camal团队也仅用了0天就复刻了Manus，这个项目叫作owl，目前也有4K stars了。

项目地址：https://github.com/camel-ai/owl

也就在这几天之内，已经出现了多个复刻Manus的开源项目。3月这才刚开始，多智能体架构、computer use、GUI智能体的概念就彻底爆发了。

再说回Manus。

在应用场景方面，Manus覆盖旅行规划、股票分析、教育内容生成等40余个领域。这么多场景任务都能实现，再加上自主执行的能力，当真是媲美钢铁侠的“贾维斯”助手了。这样的噱头，想不吸引人都难。

所以，其核心卖点在放在了“自主执行”能力上与场景通用上。

Manus的核心架构与Anthropic的“Computer Use”高度相似，依赖多Agent虚拟机环境完成任务。“自主规划”能力则基于现有大语言模型（如GPT-4）的调用，很有可能在任务规划模型上也用了DeepSeek，可以大大降低成本。

因为Manus没有自研基础大模型，而是通过整合OpenAI的GPT-4、Anthropic 的Claude等第三方模型实现功能，其核心架构被定义为「虚拟机+多模型协同」的封装模式‌。这种做法，也就是业界所谓的“套壳”。

有业内人士直言，Manus的核心能力，如任务拆解其实与Devin、Cursor等现有产品相似，其创新更多体现在工程封装而非底层技术突破。

Manus号称全球首款通用AI Agent，对于此只能说智者见智了。通用AI Agent意味着多场景匹配、跨场景应用 多智能体协作乃至跨平台应用，背后需要强大算力和稳定网络的支撑，需要多重模型的综合应用，更需要对高并发支持。

LLM Based Agent，性能和功能取决于LLM的能力，理论上当前的大语言模型可以支撑通用AI Agent实现，但在任务执行时间 任务完成度上对用户体验是很大的考验，一个复杂的任务可能会需要很长时间，一些用户的体验记录也证实了这一点。

更长的任务执行时间，意味着更多token的消耗。面对一个动辄需要数十分钟才能完成任务，token消耗会是一个无底洞，也就意味着更高的成本，这样的性价比估计也只有特殊需求的企业能考虑了。至于有些视频说的提交了任务明天等着任务完成，不怕烧钱的用户当然也是没问题的。

性价比与成效比，决定了很多大厂至今也没有打出通用AI Agent的旗号，还是主要在攻击垂直智能体，这也是近几年智能体的主要发展方向。 让人有些不爽的是，一边轰轰烈烈的宣传，一边却疑似却搞起了饥饿营销。现在，邀请码仍一码难求，当然也给了很多人炒作邀请码的机会，商机无处不在。

邀请码一码难求的原因，或许是申请的人太多，也有可能是根本不想放码。不放邀请码的好处是体验的人少负面评论少挨骂就少，坏处是因为大家体验不到挨骂也不少。据说，就连一些力捧Mannus的AI大V和公知也有塌房的风险。

当然更有可能是官方目前购买的算力无法支撑这么多人同时体验，毕竟高并发需要大算力和强网络。

不过也没有关系，既然还拿不到邀请码体验不了Manus，我们可以体验几个同类产品和项目。这里，王吉伟频道就为大家介绍几款computer use、GUI的开源项目。除了最后一个，都是开箱即用的。

1、Goole AI Studio

Google AI Studio 是一个集成了多种 AI 功能且易于使用的 AI 开发平台，专注于简化 AI 模型的创建、优化和部署流程。它旨在降低 AI 开发的门槛，使开发者无需深厚的机器学习背景也能快速上手，同时为专业开发者提供强大的工具支持，以满足复杂项目的需求，快速实现 AI 驱动的创新项目。

想要在Google AI Studio体验与程序互动很简单，只需要点击页面左上角的实时流，右面设置栏模型默认Gemini 2.0 Flash，输出格式选择文本或者语音。

选择想用的工具，再点击页面中下部的 共享屏幕 ，选择与窗口、浏览器标签页或者整个屏幕活动，就可以进行交互了。

这里我选了一个名为 AI Agent的GPT时刻的浏览器标签页，并询问Manus是什么，截图如下。事实证明，语言交互体验更好一些。

同样大家还可以选择与Gemini实时对话，或者与Gemini交流通过摄像头观察到的各种实物，未来应用非常有想象空间。

在入门应用程序中还有一个视频分析器，怎么使用待大家自行探索。

对于一个相对成熟的网页端AI应用，应用起来并不难，大家可以自行体验，这里就不多做介绍了。当然对于开发人员，Google AI Studio 还可以开发出更多功能。

这个产品最大的痛点是需要科学上网，相信聪明如你一定能解决这个问题。实在不方便的朋友，可以选择体验后面的几个项目。

体验地址：https://aistudio.google.com/prompts/new_chat

2、UI-TARS-desktop

UI-TARS Desktop 是由字节跳动开发的一款基于 UI-TARS（视觉 - 语言模型）的 GUI Agent应用程序，它允许用户通过自然语言控制计算机。

该应用支持跨平台（Windows/MacOS）、实时反馈、本地处理等特性，还提供云部署和本地部署指南。用户可通过自然语言指令完成截图、鼠标键盘操作等任务，其模型有多种大小可供选择，以适应不同硬件配置。该项目在Github，目前已经有3K star。

项目地址：https://github.com/bytedance/UI-TARS-desktop

这个项目提供了安装程序，用户可从项目发布页面下载最新版本，MacOS系统和Windows系统都适用。

使用起来也很简单，在下面的页面根据自己的系统情况下载最新的0.06版本，安装玩打开软件程序。软件长这样，界面非常简洁，很难跟智能体联系到一块。

下载页面：https://github.com/bytedance/UI-TARS-desktop/releases/tag/v0.0.6

0307 获取。

想要体验操控电脑的关键，是要调用字节开发的视觉语言模型UI-TARS。部署该模型有两种方式，云部署和本地部署。

本地部署对于没有代码基础的朋友有些麻烦，这里我们选择云部署。官方在Hugging Face 上提供了三种型号尺寸：2B、7B 和 72B。为了实现最佳性能，建议使用 7B-DPO 或 72B-DPO 型号（根据您的硬件配置）。

对于云部署，官方目前提供了火山引擎部署、魔搭部署和Huggingface Inference Endpoints云部署三种，都需要充点小钱。考虑网络速度、稳定性以及充值方式，Huggingface被排除。剩下的两个国内云厂商，因为阿里云早有账户就选了阿里云。这里以UI-TARS-7B-DPO为例，教大家怎么通过魔搭进入阿里云PAI入口部署该模型。

通过下面网址，进入魔搭的模型信息界面。目前新用户注册，限时赠送100小时免费GPU算力，包含100小时32GB显存GPU+长期免费CPU计算资源（不是广告）。

鼠标划到该页面右上方的 部署 按钮，点击弹出的菜单，会进入阿里云PAI平台的该模型界面，并自动进入UI-TARS-7B-DPO模型的部署页面，页面右半部分是部署操作菜单。如果没有弹出部署菜单，点击页面右上角的部署按钮。记得在页面左上角，确认是不是要部署的模型。

模型部署页面都保持默认就行，默认是一台30G的Nvidia A10显卡云主机。我们要做的，就是在这台云主机上部署UI-TARS-7B-DPO模型。最后点击模型部署页面左下角的部署按钮。进入部署页面，等待几分钟。

点击页面左侧 模型部署 下的 模型在线服务，右面主体部分就会显示你已经部署好的主机。如果账户有钱，主机会处于启动状态。

这台服务器机型，目前的费用是10.5元/小时，体验完记得停止，不然会一直消费。我充了50元，但体验完忘了关机，今天已经因为欠费而停机。

阿里云充值页面，如下：

下面说一下如何在UI-TARS-desktop调用UI-TARS模型。点击 模型在线服务 页面的你所部署主机的调用信息，会弹出调用信息的详细页面。

打开UI-TARS-desktop软件程序，点击右上角的 齿轮 按钮，弹出模型设置窗口。

语言选中文，VLM Provider选vLLM。VLM Base URL一栏，填云主机的访问地址。VLM API Key一栏，填写云主机的Token密码。VLM Model Namet填写模型名称UI-TARS-7B-DPO。其他选项，保持默认。

点击左下角的 Save 按钮，保存模型信息。关闭软件，再次打开（这点很重要），就可以使用了。下面放两个官方案例视频，大家可以试着复现一下。

，时长

00:23

使用Web浏览器获取 SF 的当前天气

，时长

00:28

发送内容为“hello world”的 Twitter

至于更多的玩法，就交给大家去探索了。

3、midscene

Midscene.js是一个Web 自动化开源项目，旨在让AI成为浏览器操作员。用户只需用自然语言描述需求，AI就能操作网页、验证内容和提取数据。它支持多种模型，包括UI-TARS和Qwen2.5-VL等开源模型，适用于UI自动化场景。

项目特点包括自然语言交互、Chrome扩展体验、与Puppeteer/Playwright集成、支持开源和通用模型、可视化调试报告、缓存支持以及完全开源。Midscene.js提供丰富的资源和社区支持，方便开发者快速上手和深入开发。

项目地址：https://github.com/web-infra-dev/midscene?tab=readme-ov-file

UI-TARS在项目页推荐用Midscene.js体验模型的Web自动化，开发者可以用自然语言对网页进行控制和交互，能够充分发挥UI-TARS的能力。

Midscene.js目前支持GPT-4o、Qwen-2.5-VL和UI-TARS三种多模态模型。三种模型各有特点：

Qwen-2.5-VL目前还在优惠期，免费赠送用户1000000 token，当然体验要用它了。下面，我来教大家如何使用Midscene.js调用Qwen-2.5-VL体验大模型的网页自动化操作。

首先，需要找到模型调用地址。通过下面网址，打开阿里云百炼大模型平台，如果没有注册需要注册成为阿里云用户。

然后在模型广场，找到通义千问2.5-VL-72B这个模型，点击查看详情。

在打开的模型详情页，我们可以看到模型介绍、计费详情、免费额度、模型限流等模型信息。在 模型授权下面的模型调用选项，点击右面的 授权 按钮，在弹出的页面点击 确定 按钮，即可完成模型授权。

点击页面上方的 API示例 ，在打开的页面找到 使用SDK调用时需配置的base_url ，记住这个地址，可以临时粘贴到文本编辑工具中。

在软件程序中调用大模型，除了 base_url ，还需要知道API KEY。点击页面右上角的 查看我的API-KEY ，在弹出的的页面，如果已经创建了，点 查看 并复制API-KEY。

如果没有创建，需要点击 创建API-KEY 按钮，创建一个新的API-KEY。在创建页面，描述可以随便填，点击确定就好了。然后查看并复制你的API-KEY，也记住这一串密码。

到这里，大模型调用的准备工作完成。接下来，进行Midscene.js的安装、配置和使用。

用chrome浏览器或者egde浏览器觉得打开下面网址，安装 Midscene.js的Chrome扩展程序。安装扩展程序，需要科学上网。

安装好以后，把Midscene.js扩展程序在工具栏中显示。点击Midscene.js打开浏览器侧边栏，第一次打开需要配置大模型信息。点击 Click to set up 按钮，打开模型信息输入页面（Env Config）。

还记得刚才让你记录的阿里云百炼Qwen-2.5-VL模型的base_url 和API-KEY吗？这里只需要将下面的API-KEY改成你的就行。

OPENAI_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"

OPENAI_API_KEY="你的API-KEY"

MIDSCENE_MODEL_NAME="qwen2.5-vl-72b-instruct"

MIDSCENE_USE_VLM_UI_TARS=1

如果使用之前在阿里云PAI平台购买云主机配置的UI-TARS-7B-DPO模型，模型信息按下面配置：

OPENAI_BASE_URL="你的访问地址/v1"

OPENAI_API_KEY="你的token密码"

MIDSCENE_MODEL_NAME="UI-TARS-7B-DPO"

MIDSCENE_USE_VLM_UI_TARS=1

这里我们把qwen2.5-vl-72b-instruct的配置信息粘贴到Midscene的Env Config框，点击 save 按钮保存。

配置完成后，可以立即体验 Midscene。扩展中有三个主要选项卡，功能简介如下：

我们试一下Action功能。打开微博主页，在Midscene的指令输入框输入 ”发一条新微博：大家好，我正在使用 Midscene的Action功能。“

操作过程见下图，网页周边有蓝色彩条，就是它在工作了。这个视频动图进行了加速，全程实际用时大概1分20秒。每完成一次任务，Midscene都会生成一个任务流程视频。

我们再体验一下它的Query数据提取功能。打开小红书主页，在Midscene的指令输入框输入 ”提取页面的前10条内容的标题、用户名和点赞数“。

同样视频动图也加速了，执行这个任务，大概用了1分钟40秒左右。

关于midscene的网页自动化操作，大家可以试着解锁其他技能。此外，Midscene Chrome 扩展还支持一种桥接模式，允许用户使用本地脚本来控制 Chrome的桌面版本。下面是关于桥接模式的说明文档，感兴趣的小伙伴可以自行探索。

4、智谱GLM-PC

GLM-PC是智谱公司推出的一款基于多模态大模型CogAgent的电脑智能体。它能够像人类一样“观察”和“操作”计算机，协助用户高效完成各类电脑任务，如文档处理、网页搜索、信息整理、社交互动等。

目前GLM-PC 已经迭代升级到基于智谱多模态大模型 CogAgent的1.1.1版本，推出“深度思考”模式，同时支持 Windows和Mac 系统。

开箱即用，是GLM-PC的主要特点，不需要再做大模型的适配。

大家可以通过以下网址，访问GLM-PC官网，下载适合自己系统的软件版本，这里也附上安装指南。

下载：https://cogagent.aminer.cn/home#/downloads

教学视频：https://zhipu-ai.feishu.cn/docx/PVEdd0C6yoZJl5xevsRcupYtnvg

需要说明的是，目前该产品还在内测阶段，需要申请内测体验资格。申请一般一天之内通过，被加入白名单后就可以通过手机发送验证码登录了。

申请体验：https://www.wjx.cn/vm/YtHMOrW.aspx#

这里我用Windows 10来安装和演示，安装后打开软件，软件界面是这样的。

下面开启体验时间。我们来根据官方的教学视频，做一个案例复现。

GLM-PC有两种模式，点击 新建对话 按钮后，会让你选择使用极速模式还是深度思考模式。

先体验急速模式，打开小红书，登录账号。在GLM-PC的对话框指派任务，输入指令：

打开这个网址「11 【2024款小米su7落地价与配置参考 - 漂亮妹妹 | 小红书 - 你的生活指南】 😆 zd6bLT3R0aC1cgY 😆 https://www.xiaohongshu.com/discovery/item/6710759d0000000024019e5a?source=webshare&xhsshare=pc_web&xsec_token=ABsV-IYvSAwtUlCA_lC0SCYnEhX-KO0eZCpFloefapQrE=&xsec_source=pc_share 」，把这个视频的账号昵称、点赞、收藏、评论数据，保存到新建Excel表中，保存命名为“小红书数据”

任务执行过程获取了数据，也打开了电脑上的WPS，但是卡在新建表格的循环中，没有成功执行任务。

再体验深度思考模式。同样的指令，输入到对话框。

GLM-PC经过指令分析后进行任务分解，然后执行。会打开系统默认浏览器，打开小红书网页，然后按照分解的任务执行。

任务执行过程中，打开小红书的操作可以看到，提取数据和把数据写入Excel表格的过程看不见，但真的生成了表格并放到电脑桌面，任务执行成功。全程大概用了50秒，执行过程及结果见下图，动图有加速。

再来复现一个案例。还是在深度思考模式下，输入以下指令：

在这个「https://www.dxsbb.com/news/277.html」六级词汇里面找3个，然后把给每个词造句，把词汇和对应的造句粘贴到新建Word文档中，保存命名为“六级英语词汇学习"

任务执行完以后，可以在电脑桌面找到一个名为 六级词汇 的word文档，打开以后有相关内容，执行结果见下图。

这个任务的执行时间，大概用了1分3秒，动图有加速。

测试多个案例后，一个简单的体会是它需要清晰明确的指令，对于直接给出网址的操作很准确，但在本地其他软件上的操作比如文本发送等还不是足够精准，微信发送信息和文件的操作，我是一次没有成功。但是在web页的操作方面，比如小红书的信息提取和保存，任务执行尚可。

其他教学视频的案例，大家可以自行去尝试。如果这些教学案例都能实现，就可以在他们的基础上加一些料了，可以有更多玩法。

5、Open Manus

最后，再来体验一下文章开头提到的MateGPT团队用3个小时开发复现Manus的项目Open Manus。这是一个无需邀请码即可实现任何创意的项目，由 MetaGPT 的团队成员在 3 小时内完成开发，是一个简洁的实现方案。

对于这个已经有16K stars的开源项目，为了满足大家的好奇，这里也来简单体验一下。

虽然涉及到代码，但Open Manus的部署相对简单。只要你懂点代码，并且电脑上装有Anaconda，就可以通过以下步骤安装。

安装

创建新的 conda 环境：

conda create -n open_manus python=3.12

conda activate open_manus

克隆仓库：

git clone https://github.com/mannaandpoem/OpenManus.git

cd OpenManus

安装依赖：

pip install -r requirements.txt

配置

OpenManus 需要配置使用的 LLM API，请按以下步骤设置：

在 config目录创建 config.toml文件（可从示例复制）：

cp config/config.example.toml config/config.toml

编辑 config/config.toml添加 API 密钥和自定义设置：

# 全局 LLM 配置

[llm]

model = "gpt-4o"

base_url = "https://api.openai.com/v1"

api_key = "sk-..." # 替换为真实 API 密钥

max_tokens = 4096

temperature = 0.0

# 可选特定 LLM 模型配置

[llm.vision]

model = "gpt-4o"

base_url = "https://api.openai.com/v1"

api_key = "sk-..." # 替换为真实 API 密钥

快速启动

一行命令运行 OpenManus：

python main.py

接下来，就可以通过终端输入你的需求和创意了。如需体验开发中版本，可运行：

python run_flow.py

模型需要选择兼容OpenAI Function Call的模型，这里我使用了通义千问的qwen-max-2025-01-25模型，直接调用即可，目前有1000000免费使用额度。执行任务之前记得打开科学上网，网络搜索默认调用google_search工具。

输入一个简单的指令：到谷歌搜索AI Agent，提取前10条搜索结果的标题和链接，保存为.txt文件。

回车后，OpenManus开始运行，它会把你指定的任务分解为30步，一步一步开始执行。我这个指令不需要执行太多的步骤，只执行到第4步任务就结束了。

执行完毕后，它自动生成一个名为 AI_Agents_Search_Results 的txt文件，保存在了项目主目录。打开以后，是这样的。

部署完以后，目前体验起来还感觉不到惊艳。简单的任务还好说，复杂的任务不好执行。30步的任务分解，如果30步都执行完，需要大量消耗token不说，还需要很长的等待时间。

所以目前这个版本，能够完成完整的30步任务执行就已经算是成功了，体验上任务完成度并不是很好。有技术人员调试程序，一晚上就消耗了100万+的token。

基于大模型的AI Agent尤其是多Agent的性能和体验，最终还是体现在大模型上。基于目前已有大模型执行任务能到这种程度，已经是很大的进步了。

从大家的试用反馈来看，仍然是Claude 3.5\3.7以及GPT-4o等模型，在任务执行中表现得相对好一些。国产模型，目前大多选择通义千问或者DeepSeek，官网以及硅基流动调用API都可以。

有些技术达人已经实现了本地模型调用与部署，这一块儿我也会继续跟进。

对于OpenManus这个项目，官方说以后会以3-4天为周期进行迭代，可见其还是足够重视的。后续会有很多新版本优化，感兴趣的同学可以在其发布新版本后入手体验，到时候可能就会出现一些项目的资源整合包了。

目前开源社区正在快速出现类Manus的多智能体架构computer use AI Agent项目，王吉伟频道也在持续关注。如果大家对相关开源项目部署感兴趣，后面我也可以出一些教程。

后记：让子弹再飞一会儿

说实话，体验完这几款computer use智能体产品以后，从等待时间、操作过程和最终结果来看，王吉伟频道又开始怀念RPA了。目前能够流畅操作PC的，仍然是RPA类的工具，并且RPA也正在向Agent过渡与迭代。后面有时间，我看看能不能体验几个RPA Agent类产品，把过程分享给大家。

Manus能火多久，尚未可知。但Manus确实再次成功引起了大家对多智能体、Computer/phone use、GUI智能体等技术和概念的注意，这对于智能体行业的整体发展大有裨益。

上一个如此被关注的产品，是4个月前Anthropic的claude 3.5 sonnet computer use，国内则是智谱的AutoGLM。Manus毕竟也是国产的产品，需要给予一些宽容和成长时间。

Manus出圈后，一些人认为Manus可能会是ChatGPT之后的Sora。尤其是在“智能体的iPhone时刻”这类观点的推动下，又一个神被造出来了。

于是“再不学DeepSeek就跟不上时代了”这样的逻辑，开始换成Manus ，且一样行得通。又一个99%的人还没有拿到邀请码的被誉为媲美DeepSeek的套壳智能体应用，成了新的焦虑制造机。

就这样，一个邀请码就在一天内被炒到接近10万元，直播间开始直播Manus教程，越来越多的人求码求体验被忽悠。所以与其现在就被各种割韭菜，不如让子弹再飞一会儿，孰轻孰重大家自然一目了然。

通过营销创作的这一波Manus热，反映出了更多人对于智能体的一知半解。当然可能也有一些人属于明知故作，原因吗大家都懂，毕竟营销本质的一面就是金钱开道。所以有观点认为， Manus出圈告诉大家什么才是真正的AI Agent，蛮有意思。

看来，我辈专注智能体之人，还需要继续努力普及AI Agent相关知识了。

王吉伟频道新书《一本书读懂AI Agent：技术、应用与商业》已出版，轻松读懂系统掌握AI Agent技术原理、行业应用、商业价值及创业机会，欢迎大家关注。

来源：王吉伟