作者｜ 桦林舞王

编辑｜ 靖宇

2025 年底，一个奥地利开发者 Peter Steinberger 用一个小时写了个 Agent 工具，最初叫 Clawdbot，名字蹭了 Claude 的边。Anthropic 发律师函威胁法律行动，Steinberger 被迫改名，先改成 Moltbot，后来又改成 OpenClaw。

这本来是一件小事。

但 OpenClaw 随后爆了。GitHub 上狂飙到 17 万星，单周访问量破 200 万，成了有史以来增长最快的开源 Agent 项目之一。更关键的是，它默认推荐用 Claude 模型跑任务——某种程度上，它是 Anthropic 最大的免费流量入口之一。

然后 Anthropic 做了一件蠢事：开始封禁那些把 Claude API 接入 OpenClaw 的用户账号。

社区炸了。

Vercept 的产品让 AI 可以让 AI 控制电脑｜图片来源：Vercept

 

「用自己花钱买的 API 做自动化，被封号」，这个操作让 AI 圈对 Anthropic 的舆论在一夜之间翻转。Steinberger 本人也彻底凉了对 Anthropic 的心。

2026 年 2 月 15 日，Sam Altman 宣布：Peter Steinberger 加入 OpenAI，负责下一代个人 Agent。

11 天后，Anthropic 宣布收购 Vercept 。

媒体的第一反应大多是：「又一家创业公司被大厂收购了。」

但这两件事放在一起看，说的是同一件事： AI 的战场正在发生一次非常具体的迁移——从「谁的模型更聪明」，到「谁能让 AI 真正控制一台电脑」。

而在这场迁移里，Anthropic 目前处于被动追赶的位置，部分原因是它自己造成的。

 

01

屏幕，真正的「最后一公里」

 

过去几年，AI 的能力突破大多发生在对话框里——你打字，它回答，精准、流畅、越来越快。但有一件事始终没变： 你依然得亲自打开软件、点击按钮、复制粘贴，然后再回来问 AI 下一步怎么做。

这就是 Agent 要解决的问题。

Agent 不是让 AI 更聪明地回答你，而是让 AI 直接替你干活：帮你打开 Excel、填好表格、切换到邮件客户端、把数据发出去，然后关掉窗口。整个过程，你只需要说一句话。

问题在于，要做到这一步， AI 必须先「看懂」你的屏幕 ——识别出每一个按钮、输入框、菜单，然后像人一样去点它。

这件事听起来简单，实际上极难。

一个有意思的现象是，在 AI 写代码、做分析、生成报告这些领域，各家的差距已经越来越小。但在「看屏幕、控电脑」这件事上，差距依然是代差级别的。

OpenAI 自己的 Operator，在 OSWorld（模拟真实电脑操作任务的基准测试）上得分是 38.1%。 Anthropic 的 Computer Use，只有 22%。而人类平均水平是 72.4% ——对，AI 做这件事，目前还远不如普通人顺手。

 

02

Vercept 为什么值得？

 

这就是 Vercept 被盯上的原因。

Vercept 的创始团队来自 Allen 人工智能研究所（Ai2），几个人在机器人感知、计算机视觉、强化学习领域都有深厚积累。

Vercept 团队做的 Vy，走的是一条和 OpenAI 完全不同的技术路线。

Operator 的逻辑是「读代码」 ：通过解析网页底层 DOM 结构（文档对象模型），理解界面有哪些元素可以交互。这种方式速度快、稳定性好，但有一个硬伤—— 它只对有结构的 web 界面有效 。碰到本地软件、老系统、没有 API 的企业应用，它就完全没辙。

Vy 的逻辑是「看像素」 ：不断截图，用视觉模型理解屏幕上的所有内容，再模拟鼠标键盘操作。覆盖范围是任何有屏幕的软件——不管是 Excel、本地 ERP，还是一个 20 年前开发的企业内网系统。

Vercept 介绍视频｜视频来源：Vercept

 

Vercept 公布过一组数据：在 UI 元素识别基准测试 ScreenSpot v1 上，他们自研的 VyUI 模型准确率是 92%，OpenAI 同类模型是 18.3%。ScreenSpot v2 上是 94.7% 对 87.9%。

这个差距不是「我们优化得更好」，而是 底层技术路线带来的系统性优势 。

正是这个东西，补了 Anthropic 的短板。

Claude 的 Computer Use 能用，但一直不够惊艳。吸收 Vercept 的模型和团队，是 Anthropic 在「看屏幕」这件事上最快的提速方式。

 

03

OpenAI 在抢的，

是另一个入口

 

OpenAI 合并的 OpenClaw 是另一回事，但同样关键。

Peter Steinberger 做的 OpenClaw，不是桌面 Agent，而是把 AI 操控能力接入 WhatsApp、Telegram 这类消息平台——你在手机上发一条消息，它帮你在电脑上完成一个任务。

这条路解决的不是「AI 怎么看屏幕」，而是「用户从哪里发指令」 。

这个细节很重要。大多数人不会专门打开一个 Agent 界面来操作电脑，但每天都在用消息 App。 把指令入口放进消息 App，是让 Agent 真正融入日常使用习惯的关键一步。

OpenAI 收人而不是收公司，抢的就是这个方向的工程能力和产品直觉。

所以这两笔「收购」，针对的是 Agent 版图的不同层次： Anthropic 在补「屏幕感知」的技术短板，OpenAI 在布局「指令入口」的场景卡位 。

一个是基础设施，一个是用户习惯，缺哪个都不行。

更大的背景是，这场战争等不起。

Google、Microsoft 早就在布局，UiPath 这类 RPA（机器人流程自动化）公司的股价在 Anthropic 收购 Vercept 的消息发出后下跌了 3.6%——市场已经嗅到了威胁。

Agent 时代的竞争，本质上是一场基础设施的抢占。谁先把「AI 控制电脑」这件事做到足够好用，谁就在未来几年的企业和个人市场里握有真正的筹码。

Vercept 联合创始人兼早期投资者 Oren Etzioni 说了一句挺直白的话：「 我们基本上还是认输了 。」

但认输的原因，不是技术不好——他们的技术在某些维度上领先全场。认输的原因， 是这场战争烧的钱和资源，不是一家 20 人的初创公司能撑起来的 。

这大概也是 AI Agent 这个赛道最无情的地方：

好技术不够，还得有足够大的容器来装它。

作者｜Cynthia

编辑｜ 郑玄

从 2025 年 Manus、GenSpark 轮番霸榜科技头条，到 2026 年初 OpenClaw 在 GitHub 创下 72 小时 Star 破 6 万、如今登顶 22 万星标的现象级纪录， AI Agent 的风已经足足刮了两年。

但相当长一段时间里，这场热闹其实只是技术圈的专属狂欢。通用 agent 不够垂直，而垂直领域 agent 过高的部署与开发门槛，又会把绝大多数人真正掌握法律、医学、金融知识的人挡在了未来的门外，成为工业革命时代最懂手工纺纱的女工，汽车时代最会赶马车的车夫……

但好在，最近 MiniMax 的更新，让不少人看到了未来。

简单来说，MiniMax 推出的 MaxClaw 打通 OpenClaw 生态，用户能免配置免 API 费一键部署。

此外，MiniMax 还推出了 Expert 生态，零代码、自然语言交互就能生成专属专家；针对常见的 PPT、金融分析、生活健康等垂类常见，MiniMax Agent 还全新升级推出了 Expert（专家），专治职场琐碎工作 PTSD。

实测三天，结论就一个：AI agent 的平权时代，终于不是说说而已了。

 

01

MaxClaw 上线，

Openclaw 的平权时代来了

 

在聊 MaxClaw 之前，先吐槽一把 OpenClaw。

诚然，这个能在本地实现邮件整理、脚本运行、日程管理，还带长期记忆和主动执行的 AI Agent，让所有人看到了个人 AI 操作系统的未来。

但对很多不懂编程的小白来说，光是第一步配置就能卡个至少三天。

而 MaxClaw 的核心价值，就是做了 OpenClaw 的上层网关封装，用技术手段干掉了所有非必要门槛。它通过 MiniMax 的云端算力完成了 OpenClaw 的底层部署，用户无需在本地安装任何程序，也不用配置 API 密钥，更不用承担额外的 API 费用，只需通过 MiniMax Agent 网页端，就能一键调用 OpenClaw 的核心能力。

这就有点类似过去 Windows 系统对古早 DOS 系统的取代，通过 UI 界面，把各种命令行操作简化为鼠标点击拖拽，这才让电脑真正实现普及走入千行百业。

不仅如此，MaxClaw 还对 OpenClaw 的体验进行了全方位升级。

首先是新增内置工具，生图 / 视频、搜图 / 部署等功能的加入，让 MaxClaw 实现了爆款能力开箱即用的优化。在此基础上，MaxClaw 还直接融入了 MiniMax 的爆款猎手、多 Agent 投研团队、热点追踪等优质 Expert，让用户一键就能获得组合式的 AI 能力。

比如这里，我在网页端的 MaxClaw 入口，让它做了一份《全球油运产业投资研究报告》

可以看到，对于油运这种相对小众的行业，MaxClaw 依然能全面的搜集到全球市场的最新信息，并将其完整汇总并且做出条理清晰的利好、利空分析，甚至还考虑到了影子船队扩张、原油运输路线变化导致航线延长最终影响实际运价与船只利用率的专业信息。

但 MaxClaw 不止能在网页运行，还可以完成多终端适配，完美兼容飞书、钉钉、Telegram、WhatsApp、Discord、Slack 等主流 IM 工具， 用户可以在自己常用的聊天软件中直接使用，无需来回跳转。

实测我们选在了最贴近职场的飞书端，整个部署过程也不难：

在飞书开放平台创建应用获取 App ID 和 App Secret，回到 MiniMax MaxClaw 对话式完成网关配置，全程不到 5 分钟，没有任何技术操作。

配置完成后，在飞书直接给机器人发送指令就能触发全流程工作，调用所有预配置的专家。

这里。我让它根据我自己创建的采访提纲机器人，做了一份关于萨姆・奥特曼的采访。

可以看到，AI 不仅精准还原了我想要的冷静、尖锐、直击本质的风格，还把奥特曼的职业经历、OpenAI 的发展争议拆解成野心与争议、AI 安全与竞争、政变始末、人类未来四大板块。甚至能精准戳中从非营利到营利、预测 2028 年超级智能等争议点

紧接着，难度升级，我又让它撰写了一份关于 AI coding 行业的调研报告，并重点爬取知乎、CSDN 的用户评价。

这是最终的报告成果，可以看到，整体条理非常清晰，包含执行摘要、市场概况、玩家分析、用户评价等 6 大模块，不仅精准提炼了 GitHub Copilot（2000 万用户、180 万付费用户）、Cursor（90 亿美元估值、21 个月 ARR 从 100 万到 1 亿）等核心数据，还对三款主流产品做了优势 – 劣势 – 用户满意度的结构化分析，甚至能精准总结出 Cursor 数学建模准确率 87.6%、通义灵码中文注释支持好等细节。

这种聊天框里的 AI 操作系统，彻底让 OpenClaw 的顶级能力融入了日常工作场景。

以前配置 OpenClaw 的时间，够专业人士泡三杯咖啡还摸鱼十分钟；现在普通人也能五分钟完成 agent 搭建、社交软件 MaxClaw 配置，以及让 AI 完成从资料搜集到成果输出的全流程，。

 

02

把 AI Agent 开发权，

还给懂业务的人

 

Agent 火了两年多，但到 2026 年，一个关键的趋势在于： 开发权从算法工程师，向业务骨干、运营、创业者等懂业务的人转移 。

背后的逻辑很简单：大模型的基础设施已经成熟，AI Agent 的竞争核心，也因此从技术研发变成了场景落地。而最懂场景的，永远是身处其中的业务人——一个投研分析师知道该怎么拆解行业数据，一个媒体编辑知道该怎么挖掘热点信息，一个运营知道该怎么设计用户增长路径，但他们大多不懂 LangChain 的编排逻辑、不会写 Prompt 工程、也不知道怎么对接 MCP 和 Skills 工具。

毕竟，传统的 AI Agent 开发框架，本质上还是为技术人设计的。为了更有效地释放行业的 knowhow，MiniMax 重点推出了 Expert。

MiniMax Expert 的核心突破，就是实现了用自然语言来搭建 Agent，也就是说，只要你要描述清楚自己的需求，AI 就会自动帮你梳理各种技术配置，搭建好想要的 agent。

作为专业内容创作者，我们经常需要与各种创业者以及专家进行对话。但表达者经常会无意识的自我美化与包装，如果只是温和的提问，那么很难产生思维碰撞的火花，因此，我们需要大量的资料搜集，并且找到对方经历的独特之处以及矛盾，然后深入挖掘。简单来说，我需要创建一个易立竞风格的 agent。

接下来，我只需要把这个要求用自然语言描述给 AI 即可。

比较惊喜的一点，AI 在已有需求的基础上，还会将其拆解成三大核心模块，甚至做了精细化的功能设计：

1. 深度资料吞吐与分析
2. ：自动梳理人物时间线、对比言行矛盾，完成海量信息的整合；
3. 人物画像构建
4. ：提炼核心关键词、分析底层行为逻辑，精准定位采访切入点；
5. 深度采访提纲生成
6. ：按照破冰与定义、事实与矛盾、共情与质疑、终极拷问四个递进板块设计问题，每个问题还附带设计意图。

基于这一配置生成深度灵魂拷问者 agent，我让它做了一份关于最近再次爆火的谷爱凌的采访提纲，其尖锐程度和深度，完全超出了预期。

它没有停留在夺冠心情、教育方式等表面问题，而是将这些问题进一步深化，变成：

每个问题背后，都是 AI 对海量信息的整合、分析和深度思考，而这一切，都在用户输入自然语言需求后，由 AI 自动完成。

当然，用户不仅能自由创建 Expert，还能将自己的 Expert 开放共享。目前，MiniMax 已经构建起了一个充满活力的 Expert 生态：已有 1 万 + 公开的专家 Agent ，其中大部分来自 UGC 创作，甚至包括投研分析、行业报告、代码开发等高质量的专业 Agent。

为了激励创作者，MiniMax 设置了积分奖励机制——公开 Agent 每被复制一次，创建者就能获得 100 积分；而即将上线的 Market Place，更是让创作者可以为自己的 Agent 公开定价，形成创作 – 分享 – 变现的完整生态。

这是一个极具想象力的模式：一个资深的投研分析师，可以把自己的分析框架、数据拆解逻辑固化成 Agent，让更多人使用并获得收益；一个媒体编辑，可以把自己的热点挖掘、内容创作方法变成 Agent，实现经验的复用；甚至一个普通的职场人，都可以把自己的工作流程、办公技巧做成 Agent，让 AI 帮自己完成重复工作。

每个人都能借助 AI，将自己的能力 0 门槛释放，这才是 AI 生产力的真正爆发开端。

 

03

开箱即用的 Expert，

解决职场人的琐碎工作 PTSD

 

在 MiniMax 官网，根据职场人日常的工作内容，官方已经预置了一些 Expert。覆盖技术开发、创意写作、办公效率、商业金融、教育学习等高频场景，每个垂类的 Expert 都经过了场景化训练，定制化 Prompt 和工具集配备，远比单纯的聊天机器人更懂行业需求，能直接输出可落地的专业成果。

写汇报、做 PPT、搜集资料、分析数据，这些占据职场人 80% 时间的琐碎工作，都能被这些经过深度优化的垂类 Expert 一键搞定。

我们实测了两款最具代表性的 Expert，体验堪称效率神器。

首先是 热点追踪 Expert。 作为一个科技作者，我们每天最头疼的事情就是要在各种新闻中不断，收集信息，思考角度，有时候，写稿两小时，找资料需要三天。

MiniMax 的热点追踪 Expert，直接解决了这两个痛点。它不同于传统 AI 囿于训练数据的陈旧知识，而是能基于用户需求 实时搜索最新信源 ，并自动将需求拆解成多个维度的信息挖掘方向。

我们让它搜寻 OpenClaw 项目的最新进展，AI 自动拆解为最新动态、技术特点、社区讨论、行业影响四个板块，不仅搜集了 2026 年 2 月的版本更新、功能发布等最新信息，还梳理了开发者社区的热点争议和对 AI 智能体领域的影响。

更重要的是，它内置了 事实核查子 Agent ，在成果输出前会对所有关键信息进行交叉验证，确保信息的准确性，彻底解决了 AI 投毒的问题。实测中，AI 对 OpenClaw 的星标数据、功能特点、行业影响等信息，都做了信源标注和事实核查，没有出现任何虚假信息。

投研也是一个非常专业的领域。我们再测试一下 Global 投研一体 Expert 。

自 2025 年下半年起，A 股进入大牛市，指数突破 4100 点，金银等贵金属一路飞涨，普通人也想了解市场行情，但行情是否还能持续，周期一般会维持多久，贵金属的上涨又会遵从怎样的逻辑，与此同时，历史上几轮金属周期对当下有什么启发，又有什么异同？

要回答以上问题，都需要面对庞杂的信息与专业术语，普通人往往无从下手。

我们用 Global 投研一体 Expert，一句话提出需求：分析 2026 年贵金属行情是否持续、周期多久、历史周期的启发，AI 在短时间内输出了一份结构化的《2026 年全球金属格局与历史涨价周期深度研究报告》，内容之专业、分析之深入，堪比券商研报。

它不仅精准分析了黄金（央行购金 + 避险需求）、白银（工业属性 + 金融属性双重驱动）的上涨逻辑，还对铜（供需缺口）、锂（储能需求）、稀土（高端制造溢价）等金属做了细分分析；甚至梳理了历史金属涨价周期的规律（通常 8-10 年，当前仍处于长周期上涨阶段），并对本轮炒作周期的特征（机构化程度提高、基本面支撑更强、分化特征明显）和风险（价格高位、美联储政策不确定性）做了全面分析，最后还给出了贵金属、基本金属、电池金属的具体投资建议。对于普通投资者来说，这相当于拥有了一个专属的专业投研团队。

 

04

尾声

 

美国著名历史哲学家威尔・杜兰特（Will Durant）曾总结：进步乃是遗产的不断增加、保存、传送与利用，历史本身就是文明遗产的创造与记录。

这次 MiniMax 的更新，某种意义上就在打破经验传播与落地的壁垒。

MiniMax Expert 生态，让一个行业专家的经验，不再是书本上的文字、网络上的文章，而是可以被固化成 Agent 的数字资产，能够被其他人直接调用，完成生产。而 MaxClaw 打通了 OpenClaw 的生态，让专家能力也能够在不同的通讯软件里被触达。

普通人复用这份经验，也无需再经过复杂的学习过程。

而这，或者正是生产力进步爆发的真正起点。

作者｜金光浩

编辑｜ 靖宇

 

最近半年，我身边越来越多的朋友在聊同一件事： 能不能用 AI 做一家「一人公司」。

大概的想法是这样的：用 AI 搞定产品调研、竞品分析、设计和开发，低成本运营。

但真正试过的人都知道，现实往往卡在一个很小的地方：

你得多线程工作，同时打开七八个标签页，在不同的 AI 工具之间来回切换，把一个完整的思考过程给到不同的 AI 产品，大量时间花在了「切换」和「重复描述需求」上。

我用 Manus 做过几次深度调研，输出质量确实惊艳。但每次想用它，我都得打开电脑，在一个专门的界面里操作。这意味着每次使用 AI 都需要一个「决策成本」：我要不要打开这个工具？我现在方便吗？

这个问题，我一直觉得是整个 AI 工具行业的一个隐性痛点。

直到上周，我看到 Manus 上线了一个新功能：Manus Agents。

Manus Agents 新功能介绍｜图片来源：manus

 

我想用它验证一个问题：如果我真的要一个人创业，AI 能否在一些关键环节帮上忙？

---

 

栏目作者召集

极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！

现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式（参考案例： Seedance 2.0：AI 视频第一阶段的比赛，结束了｜AI 上新 ） 向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。

同时， 优秀作者还有机会进入极客公园 AI 体验群 ，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。

AGI 太久，只争朝夕，让一部分人先 AI 起来吧！ 投稿、进群请扫描下方二维码添加极客小助手微信

 

---

 

01

扫个码，Manus 就住进了我的 Telegram

 

Manus Agents 的使用方式跟之前在网页端完全不同。

整个连接过程出乎意料地简单：

在 Manus 工作区里点开 Agents 标签页，用 Telegram 扫个二维码，10s 后就能直接开始发布任务。

上个月 OpenClaw 火的时候，我也尝试过在手机上用 Claude Code 帮我完成任务。体验确实好，但部署过程劝退了不少人，我身边好几个非技术背景的朋友都卡在了配置环节。

Manus Agents 最大的优势就是完全不需要自己部署，扫码即用。

Manus Agents 新功能连接方式｜图片来源：manus

 

02

Manus Agents 实测

 

我给自己设计了三个测试任务，围绕「一人公司」的调研场景展开。

我在 Telegram 里发了一段指令：「帮我在全网搜索关于一人公司的成功案例，总结都有哪些商业模式，然后给我一份结构化的分析报告」

Manus Agents 先回复了我一条消息，告诉我正在启动研究任务，然后就进入了后台执行阶段。

我可以看到它的工作状态在推进，但不需要在屏幕前盯着。

这让我想起以前用其他 AI 工具做调研时的体验：我得一直守在电脑前，看着它一步步输出，中间还经常需要补充指令，但这次，我直接去打了一局游戏。

Telegram 连接 Manus｜图片来源：Telegram

 

大概十几分钟后，它在聊天里推送了一份完整的研究报告。

它先从概念上给出了一人公司和自由职业者的区别，这是我之前一直没想清楚的问题。

Manus 的研究报告｜图片来源：Manus

 

然后，它帮我详尽地拆解了几种主流的商业模式，每种模式都有清晰的定义。

看到报告的这一刻，我竟有一种莫名的「爽」感。

Manus 的研究报告｜图片来源：Manus

 

第二个任务，我想要让它帮我进行下深度研究 Moltbook 。

最近 OpenClaw 火了之后，也带火了 Moltbook 这个产品，说实话我并没有深度使用过，我想知道它为什么爆火，以及它学习的设计。

我发给他 Moltbook 的官网并附带了一句：「帮我分析 Moltbook 这个产品的核心功能、目标用户、定价策略，以及它的爆火原因」

有意思的是，它不只是爬了我给的那个网站，还主动搜索了外部的一些资料，包括用户评价、媒体报道和一些行业分析。

Manus 的研究过程｜图片来源：Manus

 

最终输出的报告完全按照提示词的要求给出，对我的研究很有参考价值。

Manus 的研究报告｜图片来源：Manus

 

到这一步我开始感觉到，把 Manus 这样一个全功能 Agent 直接装进 Telegram 里，确实方便很多。

我在地铁上用手机发了任务，下车的时候报告就已经可以看到了。

第三个任务，我想把难度再拉高一档，测试 AI 能否扮演产品经理，帮我验证一些产品的想法。

我在 Telegram 里发了我最近一个 AI 项目初步的产品想法：

这个任务比前两个更开放，也更考验 AI 的综合判断能力。

Telegram 连接 Manus｜图片来源：Telegram

 

它先对市场空间做了一轮快速评估，引用了一些公开的专利代理行业数据，然后它开始逐条拆解风险，并且每一项都给出了具体的分析逻辑。

Manus 的研究报告｜图片来源：Manus

 

让我特别在意的是关于法律风险的那部分。它指出专利交底书的生成涉及专利代理的执业资质问题，专利代理需要持证上岗，AI 工具如果直接生成交底书并用于正式申请，可能触及资质红线。

看完这份分析，我基本确认这个方向可能走不通。

这让我意识到 AI 作为「个人助理」的价值：

它能帮我扮演各种角色，它拥有各种视角，能帮我在投入大量时间之前就发现了关键障碍。

 

03

入口变了，意味着什么？

 

测试完，我想分享下我的体验：

在手机聊天窗口发任务和以前在 Manus 网页端发任务对比，输出效果完全一样，但我的感受是，前者是随时随地都可以使用的「个人助理」，后者是在工作或者学习场景才使用的「AI 工具」。

这看上去只是入口的变化，但它产生的结果是我们对 AI 角色认知的改变，以及我们使用 AI 习惯的改变。

过去你要用 Manus，必须打开它的网页端，登录账号，然后在一个专门的界面里操作，它天然地把 AI 使用限定在了「正式工作」的场景里：你得坐在电脑前，得有一段相对完整的时间，得做好「现在要认真用 AI 干活」的心理准备。

而 Manus Agents 消除了这个心理阻力，你不需要「去使用 AI」，因为 AI 就在你日常沟通的地方。你想到一个问题，直接在 Telegram 里问一句，任务就开始执行了。

你可以在排队买咖啡的时候发一个调研需求，在坐地铁的时候收到结果，在睡前躺在床上用语音消息布置第二天的任务。

让我们再把视角拉长一点，让 AI 背后的智能更加方便的调用，可能是 2026 年正在发生的趋势。

过去几年，AI 行业的竞争焦点一直放在模型能力和 Agent 上下文工程的效果上。

这些当然重要，但有一个需求长期被低估了：

普通用户在多少场景下，以多低的门槛能触达这些能力？

许多 AI 产品，比如 Manus，最初的呈现方式大多是网页的对话 Agent，让普通用户在日常工作和下班学习场景使用这些工具。

后来，编程领域诞生了不需要打开网页或者下载桌面软件就能运行的 Claude Code，让开发者可以在命令行里直接调用 AI 能力。

再后来，OpenClaw 解决了命令行的门槛，让用户可以直接在手机上对话。

但 OpenClaw 较高的部署难度，依然让很多人的热情被挡在门外。

如何让没有 Vibe Coding 能力的普通人也可以真正享受到这种能力？

Manus Agents 提供了一种可能来降低「知识工作」的门槛：一键扫码接入 Telegram。

真正让智能，可以随时随地的通过一句话进行调用。

 

04

我们离用 AI 做一人公司有多远？

 

用了三天 Manus Agents 之后，我对「一人公司」这件事的态度发生了一些变化。

以前我觉得这更像一个美好的概念，实际操作起来可能会被无数琐碎的事情拖垮：一个人要同时扮演研究员、产品经理、分析师、内容创作者，每个角色都需要专业能力，更需要大量时间。一个人的精力是有上限的，这个上限决定了「一人公司」的天花板。

但当 OpenClaw、Manus Agents 这类工具爆发后，我觉得这件事的可行性在显著提升。 不是因为 AI 能替代人做决策，而是因为 AI 把「执行」的成本压缩到了几乎可以忽略的程度。

你依然需要对行业有洞察，对用户有理解，对产品有判断。但当你产生一个想法的时候，验证它的成本从几天变成了几分钟。

而当它能帮我们在碎片时间就能完成一条完整的任务时，使用 AI 工具就会像刷短视频一样上瘾：

我现在可以在喝咖啡的时候，让 AI 帮我做一轮市场调研；在午休的时候，让它帮我分析几个竞品；在灵感产生的 10s 后，就让它帮我评估这个新想法的可行性。这些任务以前我要在记事本上记着，然后回家坐在电脑上执行，但现在，它们变成了一条消息的事。

2026 年 AI Agent 的竞争，正在悄然从「谁的能力更强」转向到「谁能在更多场景下、以更低的门槛触达用户」。

如果你也有过「一人公司」的念头，不妨去 Manus 工作区的 Agents 标签页连一下 Telegram 试试。

也许你会和我一样发现：用 AI 运营一家「一人公司」，比你想象的要简单得多。