简介

文章解析了AI从L1到L2.5的发展历程，重点介绍了2025年DeepSeek和Manus的里程碑意义。详细阐述了AI智能体架构：大模型负责规划调度，RAG解决幻觉，工具链处理多模态。通过Coze工具实现类Manus产品的案例，揭示了AI编程(AI Code)将成为未来趋势。文章指出，普通人在AI领域的最佳策略是避开巨头锋芒，选择垂直细分赛道，深耕行业知识，构建产品护城河。

---

手里有些AI岗位；想找工作的同学可联系，急缺高级产品经理

关注公众号，回复1，与我交个朋友吧

在2025年，国内有两个标志性事件，第一是DeepSeek的发布，正式标志我们迈入L2大门，而随后的Manus发布，预示着我们进入了L2.5时代：

这里的L1到L5，就是OpenAI的山姆奥特曼对AI应用的发展预测，并且他认为10年左右就会实现：

这条路线属于模型吃掉所有的路线，按照这个逻辑基模会成最大受益者，必定流量全部都集中了，只不过事实上的发展不是那么回事。

unsetunsetAI发展史unsetunset

上述的L4、L5还太遥远，L1-L3光看描述看不出感觉，需要结合更多信息去阅读：

22年年底ChatGPT（3.5）发布，标志我们进入L1时代，没过多久4.0也发布了。

作为这一时期AI应用经历者，从模型能力上来说，最大问题都不是上下文太短与幻觉问题，而是一票难求，你根本拿不到OpenAI的账号，当时要拿到微软云Azure的GPT账号，需要甚至溢价100%都拿不到！

这里模型推理响应速度也慢到爆，一次来回快的话20秒，慢的话得一分钟，所以整个23年AI没达到可用状态。

当时也是百模大战的开端，主流技术路径，都是先预训练再微调，这一过程非常花钱。国内走在前列的有：百度、智谱、通意千问，讯飞甚至百川智能等，只不过都没拉开身位，他们的实际水平也不比开源模型LLama与Bloom。

在这个阶段，AI应用进入生产环境尚不成熟，但前期进入研发却已经很成熟了，特别在有些2B使用场景不太关注资费和响应时间。所以这个阶段卖铲子、卖研发工具的公司赚了不少钱，包括用Coze教普通人搭建AI应用、各种做数据生产和数据标注的公司。

但整个芯片行业是要遵循摩尔定律的，而由于AI的火热大规模的资金涌入，直接导致了每半年模型的响应速度就翻倍、费用下降一半，所以到去年年底，所有常见模型能力都有了质的飞跃：

1. 老大哥ChatGPT响应速度已经很快的，基本可以在5秒左右结束；
2. 智谱无论从推理能力还是响应速度也有大幅的提升，包括阿里的Qwen模型也进步明显；

当然，国内最具标志性AI事件还是DeepSeek发布，无论是其首先暴露的思维链CoT，还是专家模型等的创新设计，都足够让人眼前一亮，而这也标志着我们完全进入了L2的阶段。

在25年，无论是模型基础的推理能力，还是响应速度还是资费，全部已经达到生产环境的水准，所以业内才称2025是国内AI应用元年，这个元年是这么来的。

环境OK了各种AI应用自然而然就爆发了，另一个标AI志性事件马上爆发：Manus发布了，Manus这个东西倒不是说他有多难，但他首先提出了一种AI时代应该有的智能体产品体验，事实上接下来各个浏览器厂商也在往这个方向发展了，入口即应用的思维开始扩展。

只不过Manus类产品实际使用起来问题还很多，基本模型能力倒是够了，但配套设施又没有跟上，这就导致了其看起来总是差点意思。

后续，红杉AI峰会也同步指出，第一批智能体的机会在垂直领域，果不其然设计师的智能体、程序员的智能体在今年取得了长足的进步，比如Cursor、Lovart等产品已经实际影响我们的工作方式了。

其次就是今年Google I/O大会，展示了很多智能体趋势，其中尤以图像/视频体系Flow + Veo3 + imagen4套餐值得关注，而近期发布的Nano Banana更是火得不行，文生图的应用近在眼前…

AI如火如荼的发展，但这里问题也就来了，我们这些普通人的机会在哪？我们需要避免的坑点又在哪里？

要回答这个问题，可能得从Agent的基础架构上做判断…

unsetunset从基础架构看AI机会unsetunset

Agent框架的技术框架：

1. 大模型解决规划与调度问题，Manus能爆发的核心原因就是模型能力大幅增强；
2. RAG解决幻觉问题，当前模型的发展趋势来说，模型上下文破百万是早晚的事，如何让模型聊得像人，体验好的AI分身这类应用，将在这两年诞生；
3. 工具链解决多模态问题，包括最近很火的MCP、Computer Use其实都算是AI多模态能力的延伸，要的就是解决AI各种“不行”的问题，这里包括了听觉、视觉、触觉等；

从基础架构出发，这块一个基础能力清单红线也就出来了，比如：多模态相关的东西做不得！

包括，语音相关、视频相关、什么图生文、文生图，视频语音什么的，接下来要死一大半，一般公司千万不要涉足。

另一方面，记忆模块暂时用的是RAG技术，但我这个东西未来应该会有不小迭代，模型可能会留出合适的接口，让我们可以更好的注入领域知识，但这里的数据安全也是不小的问题…

然后在模型上下文持续增加（模型上下文>10w）的情况下，向量库什么的，我认为在接下来几年会成为历史。

好消息是模型幻觉是难以解决的，所以大家不必担心公司最后的数据壁垒，如OpenAI最近的论文《Why Language Models Hallucinate》所述：

幻觉不是神秘缺陷，而是训练/评测激励奖励猜测、惩罚不确定的统计后果。

降低幻觉，要在评测中对自信错误重罚、对合理不确定给部分分，并允许模型在不确定时弃答/求澄清；

RAG可缓解事实性错误，但若激励不改，猜测仍会发生

再看如今常见的智能体，又可以分为两类：通用型智能体、垂直行业智能体。

对通用型智能体来说，其核心是工具生态，生态越繁荣越容易脱颖而出； 而对于垂直行业智能体来说，私有语料、垂直领域插件越多，其使用上越友好。

以Manus类产品为例，他其实是没有什么技术门槛的，国内有很多类似的产品，其实现周期在一个月左右，当然要打磨得好，也要花不少时间的。

这里大家还不要不信，为让大家更清楚Agent架构，我们用傻瓜工具Coze来简单实现下“Manus”，让大家对Agent架构的工作量在哪有个更系统的认识。

unsetunsetManus原理简析unsetunset

在开始实现之前说一下Multi Agent System：

Agent的最佳实践遵循单一职责，所谓多智能体就是：工作由几个Agent就能完成，至于怎么调用，需要大模型去做详细规划调度，而Manus本质上是一个MAS系统。

照虎画猫

举个例子：打开Manus，让他给我做个贪吃蛇，很快就完成了：

这里用到的工具有：

1. 读写文件的能力；
2. 操作浏览器的能力（搜索网页和模拟点击、键盘事件等）；
3. 代码编写的能力（纠偏的能力）；
4. 执行系统命令的能力；
5. 代码部署和预览能力；
6. …

所有这操作，都在一台云主机上完成，并且实时回传了运行进展。其大概架构是这样的（PS：真实场景在规划和记忆一块会复杂巨多，我们这里只做简单猜想）：

下面我们具体展开说明：

一、Planning模块

规划模块的职责是：识别用户意图，并把任务拆解成若干个可以原子化执行的子任务，并写入Todo.md中。比如：

# 用户问题
帮我做一个贪吃蛇的小游戏

# Todo.md
# 贪吃蛇游戏开发进度
## 第一阶段：设计游戏架构和界面
- [ ] 创建项目目录结构
- [ ] 设计游戏界面布局
...
## 第二阶段：实现游戏核心逻辑
- [ ] 实现蛇的移动逻辑
- [ ] 实现食物生成和碰撞检测
...
## 第三阶段：测试和优化游戏
- [ ] 本地测试游戏功能
- [ ] 优化游戏性能
...
## 第四阶段：部署游戏并交付给用户
- [ ] 部署到公网
- [ ] 向用户交付最终产品

规划结束后，后续的所有执行，都会围绕着清单进行执行。OpenManus关于规划模块的提示词是这样的：

 planner_module
- 系统配备规划器模块，用于整体任务规划
- 任务规划将以事件流中的事件形式提供
- 任务计划使用编号的伪代码表示执行步骤
- 每次计划更新都包含当前步骤编号、状态和反思
- 表示执行步骤的伪代码将在整体任务目标发生变化时更新
- 必须完成所有计划步骤，并在完成时达到最终步骤编号

# todo rules
- 根据 Planner 模块中的任务规划，创建 todo.md 文件作为清单
- 任务规划优先于 todo.md，而 todo.md 包含更多详细信息
- 完成每项任务后，立即使用文本替换工具更新 todo.md 中的标记
- 当任务规划发生重大变化时，重建 todo.md
- 必须使用 todo.md 记录和更新信息收集任务的进度
- 所有计划步骤完成后，验证 todo.md 的完成情况并删除跳过的任务

二、Agent Loop

拿到了规划的清单之后，就会进入到一个事件循环当中，不断的执行清单上面的任务，直到所有任务完成：

Think模块会根据当前的执行情况，决定下一步的行动任务，如果任务偏离主目标太多的话，也可以推翻当前任务重新调整任务清单；

Excute模块会按照当前任务调用各种Agent完成具体的任务，每个Agent都配置了各自的技能（比如各种工具）；

Observe模块会评估当前任务的执行情况，更新任务执行的具体情况。

当清单中已经没有待办的任务时，就会跳出循环。

三、Computer Use

云端主机负责执行具体的任务，提供任务的执行环境，并负责实时上报日志。

云主机上面为了达到ComputerUse的效果，会开放很多的能力，这些能力也就是我们所说的Tools：

四、其他

任务执行完成后，Report模块会分析执行的过程数据，并生成最终总结数据。也有很多其他模块，这里不展开。接下来我们做具体的Coze实现：

unsetunsetCoze实现“Manus”unsetunset

具体到实现这里，我们会怎么简单怎么来：

1. **Service端：**Manus用的是Ubuntu的虚拟机，我们直接用Linux的云服务器；
2. Client端： 用Coze进行搭建，实现规划、思考、执行、观察、汇总等几个模块；

Service端跟Client端通过异步通信协议实现连通。具体细节不多展开，不然很多同学看不懂，这里直接给出Coze的实现：

接下来说说重点：

一、规划模块

整体功能来说，最重要的还是要设计一下todoList的数据结构，根据OpenManus的提示词，可以设计出类似右边的数据结构：

Coze的话，一个大模型模块就搞定了。

二、执行模块

执行模块需要实现的是一套大模型自主调用智能体的流程，Coze的话，直接使用系统提示词实现FunctionCalling调用远程工具即可。大致的流程如下：

通信协议设计如下：

通过这个能力，咱们的系统就具备了自主判断和调用工具的能力。Coze实现如下：

三、观察模块

观察模块也是通过一个大模型节点就可以搞定。提示词如下：

# 角色
执行效果评估助手
# 任务
1. 根据当前的上下文中的任务状态字段，判断是否存在执行失败和待执行的任务。
2. 不要解释，也不要额外输出其他内容。
3. 保持上下文格式和内容的完整性
4. 上下文中不包括历史记录数据
5. 上下文需要时一个合法的JSON
if (存在执行失败的任务) {
- 面向最终目标，更新任务列表和当前任务。
- 之前已经执行成功的任务保持不变
} elseif (存在待执行的任务) {
- 更新当前任务为下一个待执行的任务。
} else {
- 原样输出上下文
}
# 上下文
{{context}}
# 历史记录
{{histroy}}
# 输出要求
status的值：
所有任务都执行完毕=complete
存在执行失败的任务=retry
存在待执行的任务=next

四、服务端设计

服务端的话，可以使用Cursor或者Claude Code实现一个简单的Service服务器，核心实现/Excute和/Log这两个接口即可。

其中/Excute接口需要能够调用服务器上的智能体，接收智能体的流日志并写入日志文件。

智能体可以使用任意大模型，如果需要大模型写代码的话最好选择代码模型（Claude系列、Kimi K2等），然后配套各种MCP工具即可。

具体的MCP工具的使用可以直接查看相关文档，这里就不再赘述，后续单开一期讲讲MCP…

到这里基本功能完成，大家可以看到最终效果了：

unsetunset结语unsetunset

通过上述案例，可能有两点重要启示：

1. 第一，貌似简单实现一个“Manus”成本并不高，但想要他表现得很好，做好各种意图识别，又是一件很难的事情，初期的关键是丰富的Tools，紧接着是各种领域知识（SOP+数据）的注入；
2. 第二，初期实现依赖Computer Use，后续可能AI Code会是一个巨大的核心，这可能也是很多巨头公司或者基座模型一直在重点关注AI编程的原因；

Manus类产品很难

大家可以看出，上述所谓成本并不高其实是相对的，因为做出来的是个demo，如果你的“Manus”想要真正被用户接受、解决实际的工作问题，那么就复杂了，马上就涉及到了各种深水区：

1. 精准的意图识别：用户的需求是莫名其妙的。智能体必须理解用户的“言外之意”，这是用户体验的一道槛。需要极其精细的提示工程和大量的对话数据进行调优；
2. 强大的工具生态：智能体的能力边界由其能调用的工具决定。一个“Manus”能否真正解决问题，取决于它能否无高效使用各种服务（如订票、查邮件、控智能家居、分析数据等）。自建工具链成本高昂，因此与第三方服务的集成能力至关重要；
3. 深厚的领域知识：在垂直领域，通用知识远远不够。需要将行业的SOP（标准作业程序）、私有的数据库、专家的经验 注入到智能体中。这部分工作是“脏活累活”，没有捷径，但正是构建护城河的关键；

这也是为什么红杉这么推崇OpenEvidence的原因：

AI应用的竞争已经从技术能力的竞争，转向了产品定义、用户体验打磨、生态整合与垂直行业知识深度的竞争，早期的红利属于在垂直领域做得无比深入的团队。

AI Code 是未来

从Manus之前的实现来说，Computer Use在其中扮演了重要的角色，只不过这可能是无奈之举，因为很多网站并不提供API。

理想情况是让 Agent 调用受控、可测、可审计的函数（MCP），Computer Use 作为兜底能力。

而大家也看到了，我们在做简单实现时并没有使用Computer Use，一来是场景足够单一，二来是就是想验证下AI Code 这种方式（Claude）。

大家可以想象下，当AI编程再强大一点、理解能力更强一点，整个Agent架构可能就闭环了：AI发展的终极趋势自我进化，貌似也不是不可能，说白了也不过是AI自己给自己写工具做调试。

这也是为什么很多巨头都在关注这块，掌控了AI编程能力，就掌控了智能体能力扩展的“开关”。这不再是做一个应用，而是在打造一个能够生长应用的平台。

这符合OpenAI、Google等巨头“模型吃掉一切”的终极路线图，只不过这里面的安全性问题和实现难度较高，还有很长的路要走…

所以，接下来我们对AI应用做规划，要更多的从基础工具实现的视野转向创意与应用的视野。基础工具这块模型厂商不提供，大厂也会补足，比如AI知识库这里，腾讯的IMA、飞书的知识问答系统已经慢慢走向成熟了。

对于小团队来说，当下的最佳策略是避开巨头的锋芒（平台型工具如Coze、AI表格或者多模态类工具），而是选择一条垂直细分赛道，利用现有的Agent开发工具，将自己的行业知识转化为产品力，深耕下去，成为某个小领域的不可或缺。

综上，是个人一些片面认知，希望对各位有用…

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】