2025!3" Manus AI!Agent"#$ChatGPT%& #$% SAC NO. S0570519080006 | SFC NO. BQZ938 &'( SAC NO. S05701220801381 !"#$%&'() !"#$ • !"#$%&'()*AI+!"#$,-./012334%&'(56789:;<=>?@A BC%&'() • DEFGHI)*DEFGJKH \]^_`) • abcde&fghi=>.gjklmno5pqLr?E=PstOuv5w%xyabz {|L}=>~}m•O2€.jk• • ‚ƒc„…†Agent…‡ˆAGIO‰Š‹Œ•1 Manus AI!"#$%&'Agent3 Manus AI%&'() • Manus !"#$%&'()*+,-./012345-6708,9):;<=>Manus ?@A+'BCDEFGHIJK structure more intelligence GZ[5\]^_`abcde_`fgchi_`jEc'k_` lm,no computer usecdeep researchccoding agent pqrstuvwxyz{|}~•G)€>•JK‚ƒ Manus,•P„…†‡ ˆ‰Š‹xG'B,LJKŒkF,•mP$ŒŽ4••‘JK’3“”,\M•–P,Manus —˜•™&š›Gœ=>

A practical 
 guide to 
 building agents Contents What is an agent? 4 When should you build an agent? 5 Agent design foundations 7 Guardrails 24 Conclusion 32 2 Practical guide to building agents Introduction practices. It includes frameworks for identifying promising use cases, clear patterns for designing agent logic and orchestration, and best practices to ensure your agents run safely, predictably, 
 and effectively foundational knowledge you need to confidently start building your first agent. 3 A practical guide to building agents What is an agent? While conventional software enables users to streamline and automate

2024：随需而变，从狂热到理性 51 | 大模型训练中的开源数据和算法：机遇及挑战 57 | 2024 年 AI 编程工具的进化 62 | AI 开发者中间件工具生态 2024 年总结 66 | AI Agent 逐渐成为 AI 应用的核心架构 68 | 谈开源大模型的技术主权问题 72 | 2024:大模型背景下知识图谱的理性回归 77 | 人工智能与处理器芯片架构 89 | 大模型生成代码的安全与质量 开发技术栈作为切入点，将深入探讨以下中国 AI 大模型领域的代表性开源项目社区。 这些开源项目社区覆盖了深度学习框架、向量数据库、AI辅 助编程、LLM 应用开发框架、模型微调、推理优化、LLM Agent，以及检索增强生成（RAG）等多个关键技术栈。 为了更全面客观地展示中国大模型 LLM 开发技术栈的开源 社区生态，我们使用了 对开源社区的生态评 估体系，希望通过这些数据洞察中国开源开发者在 AI 下一代“明星产品” “算力墙”下，模型效果边际收益递减，训练和运营成本高昂，在这个时间节点，最好的 AI 产品会是什么？奥特曼、盖茨、小扎、吴恩达、李彦宏等一众大佬给出了一致的答案——智 能体（AI Agent）。2025，将会是智能体元年。 什么是智能体？目前业界一致认可的公式是“智能体=LLM+记忆+规划+工具”： 30 / 111 大模型充当智能体的“大脑”，负责对任务进行理解、拆解、规划，并调用相应工具以完成

…As a first step towards this vision, we are rolling out DeepSearch – our first agent. It's a lightning-fast AI agent built to relentlessly seek the truth across the entire corpus of human knowledge Press Release, 2/25 AI User + Usage + CapEx Growth = Unprecedented88 AI Agent Evolution = Chat Responses → Doing Work89 AI Agent Evolution = Chat Responses → Doing Work A new class of AI is now emerging interface is becoming an action layer.90 Source: Google Trends via Glimpse (5/15/24), OpenAI (3/25) AI Agent Interest (Google Searches) = +1,088% Over Sixteen Months 0 250 500 1/24 2/24 3/24 4/24 5/24 6/24

八、 AutoGPT 的出现，带着 LLM Agent 的概念进入 LLM 发展的新阶段。LLM Agent 是一种基于 LLM 的智能代 理，它能够自主学习和执行任务，具有一定的“认知能力 和决策能力”。LLM Agent 的出现，标志着 LLM 从传 统的模型训练和应用模式，转向以 Agent 为中心的智能 化模式。LLM Agent 打破了传统 LLM 的被动性，使 LLM 能够主动学习和执行任务，从而提高了 给出切实可行的 解决方案。 但回过头来想想，这个话题可深可浅，往浅了说，当前 LLM 产品可以帮助人类翻译、润色一段文字、提炼论文核心内容， 这本身也是较为完整的解决方案；当前 LLM Agent、 LLMOps，甚至只是说开发者的各种“工程化组合骚操作”， 实际上已经可以把不同模型、不同模态、不同工具和知识源整 合，正是在往“提供更完整的解决方案”这一方向上的发展。 1 1 往深了说，或许这本质上就是在要求 前边讲到的 LLM 领域大放异彩，自然是会作为报告中的 一个重要部分，我们策划了一个《2023 LLM 技术报告》 篇章，整体围绕 LLM Tech Map 梳理逻辑来展开。 从基础设施、大模型、Agent、AI 编程、工具和平台，以 及算力几个方面，为开发者整理了当前 LLM 中最为热门 和硬核的技术领域以及相关的软件产品和开源项目。 是的，先整理了一个 LLM 技术图谱，欲知详情，请查看

基础设施、应用现状，以及相关的工具和平台。 2 / 32 LLM Tech Map  向量数据库  数据库向量支持  大模型框架、微调 (Fine Tuning)  大模型训练平台与工具 基础设施 LLM Agent  备案上线的中国大模型  知名大模型  知名大模型应用 大模型 算力 工具和平台  LLMOps  大模型聚合平台  开发工具 AI 编程  插件、IDE、终端  Screenshot to code 23 / 32 LLM Agent（AI Agent） LLM Agent 是一种基于 LLM 的智能代理，它能够自主学习和执行任务， 具有一定的“认知能力和决策能力”。LLM Agent 的出现，标志着 LLM 从传统的模型训练和应用模式，转向以 Agent 为中心的智能化模 式。 LLM Agent 打破了传统 LLM 的被动性，使 LLM 能够主动学习和执行 能够主动学习和执行 任务，从而提高了 LLM 的应用范围和价值；它为 LLM 的智能化发展提 供了新的方向，使 LLM 能够更加接近于人类智能。 AutoGPT 就是一个典型的 LLM Agent。在给定 AutoGPT 一个自然 语言目标后，它会尝试将其分解为多个子任务，并在自动循环中使用 互联网和其他工具来实现该目标。它使用的是 OpenAI 的 GPT-4 或 GPT-3.5 API，是首个使用 GPT-4

5. An example of role prompting The above example shows an example of taking the role of a travel agent. When you would change the role to a teacher of geography, you would notice that you will receive actions, such as interacting with external APIs to retrieve information which is a first step towards agent modeling. ReAct mimics how humans operate in the real world, as we reason verbally and can take actions Metallica. Python from langchain.agents import load_tools from langchain.agents import initialize_agent from langchain.agents import AgentType from langchain.llms import VertexAI prompt = "How many kids

能够调用各种工具，具有行动能力  调用企业专业知识，更懂企业  将日常重复性业务流程形成Playbook，实现流程自动化  通过目标拆解，多次调用大模型以及专家模型协同，形成 慢思考能力 传统软件是辅助人的工具，Agent是能够自主工作的数字员工，是新的生产力政企、创业者必读 22 DeepSeek出现之前的十大预判 之九 开源效果追赶上闭源  技术开放，吸引广大开发人员和用户使用  很多公司参与开源，帮助改进产品，众人拾柴火焰高， 靠肉眼观察，几年才能发现一个复杂蛋 白质结构，半个世纪预测了20多万种 从数年缩短到几分钟，解开了生物学密码 成功预测了地球存在的2亿种蛋白质结构 45政企、创业者必读  DeepSeek典型的四大安全问题：客户端安全、Agent安全、知识安全、模型安全  360提出「以模制模」新解法，应对DeepSeek安全问题 DeepSeek六大应用方向之六 AI安全：实现安全的「自动驾驶」 46政企、创业者必读 大模型的六大能力 58政企、创业者必读 知识管理是大模型更 懂企业的基础 59 解决企业应用，需要打造专业大模型 要解决四个关键基础 以业务大模型为基础， 打造自主工作的数字 员工和AI团队 实现多个Agent、多个 数字化系统、多个组织 之间的协同 知识 管理 融合 工作流 业务大模型 打造 构建 智能体 基于政府企业场景和专业 知识，利用数据工场、知 识工场、模型工场，训练 业务大模型

做到只要源源不断地输⼊电 ⼒，就能源源不断地输出智能。 这两个核⼼问题导致在第三层有巨⼤的空间，包括
long-context、不同模态的⽣成、模型多步规划的 能⼒、指令遵循的能⼒、各种
agent
的功能等。
这些上层的东西都会有巨⼤的差异化，因为中间存在两个重要的技术变量。我认为这是我们的机会。 除了技术层⾯，价值观上我们有⼀点和
OpenAI
不同：我们希望在下⼀个时代，能成为⼀家结合
在这种新的计算范式下⾯，它会产⽣新的计算，会产⽣新的内存。⽐如说参数数量可能就会决定计算 复杂度，上下⽂的⻓度就会决定内存⼤⼩。有了很⼤的内存之后，你就可以去解锁很复杂的计算链 路，⽐如训练⼀个很复杂的Agent完成各种任务，阅读不同的⽂件，去综合不同的分析，最后得到想要 的结果。 同时，它也是降低幻觉⾮常好的⼿段。如果你平⽩⽆故的去问⼀个模型，那他可能会开始有 Hallucination（幻觉）。 上会有⼀个和你共⽣ 的AI
Agent（AI代理、AI分⾝），它会知道所有⼀切你能知道的东西。
36氪：你在你的个⼈主⻚上写，你的所有的⼯作⽬标都是“让AI价值最⼤化”。这指的是什么？
杨植麟：最⼤的价值就是，最终每个⼈不⽤做⾃⼰不想做的事情，保留⼈性⾥⾯最精华的部分。⽐ 如，我们这次谈话也可以不⽤⾯对⾯，⽽是有更⾼效的⽅式⸺⽐如由我们的AI
Agent直接对话。在公 司也是⼀样，现

对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能：在模型大小和 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。 本报告由XXX智能体集群经17轮辩论达成共识 •时间戳：知识截止至2025-02-6 14:32:00 引入优化agent：复杂任务，实现自动化  目前 AI 主要是”助手”角色，需要用户提供明确指令，无法自主完成复杂任务。  现有 AI 工具 难以跨多个子任务自动执行，仍需人工介入。 AI 自主任务规划与执行(AI Agent) AI 能够自主分解任务、规划步骤， 并利用外部工具(如API、数据库、 自动化流程)执行任务。 自动化流程)执行任务。 多 AI 代理协作 不同 AI 代理(市场分析 Agent、法律 审核 Agent、财务预测 Agent) 可协 同完成复杂任务，形成智能工作流。 任务反馈 & 自主学习 AI 在执行任务后自动优化策略， 使任务执行效果不断增强。  智能法律顾问 A1:自动读取合同，分析潜在法律风险，生成修改建议，并与企业法务系统对接完 成合规审查。  企业 AI CEO