迟到的 Manus 观察，与阴晴难测的 Agent 的未来

产品犬舍 · 公众号 · 产品 · 2025-03-27 09:15

正文

请到「今天看啥」查看全文

感谢，但我无法从 13 页 PDF 中快速理解和找到感兴趣的部分。

事实上我看得头晕脑胀，天旋地转，交付结果对我来说更像是实用价值不高的炫技。但因为缺乏对英国签证的了解，我也不知道如何精确提问，相当于不知道如何面向大模型拆分与组织任务。

这时，就需要一个坐在我对面的人类专家，他很会抓重点，不断地问我问题，追问，打断并追问，拿到他想了解的背景信息，然后才能给出我感兴趣的专业回答。

在这场交流中，控场的是专家而不是我。控场的目的是高效率了解必要的背景信息，搞明白用户的个性化需求。只有了解这些关键信息之后，才有回答的效率。

对此一无所知的大模型，大而全的回答完全没有效率。

在我试图解决这个问题的时候：

即便我不断地打断输出，重新输入，面向 AI 的信息输入密度也远低于面对面的真人咨询
当我打字输入时，即便我的表达能力强悍，一时间也比较难组织文字，完整/准确地描述需求

这不是 Manus 的问题，是大模型整体面对的问题。人类低下的输入带宽严重压低了大模型的天花板。

就英国两年多次签证这个案例而言，我的背景信息输入是不完整的（小白无法完整/准确地描述需求），而 Manus 一次性给出 13 页 PPT，将沟通成本提高到了我无法承受的地步。虽然逻辑缜密，思考全面，最终的效果反而不如 DeepSeek——因为 DeepSeek 的一次性输出更少，我更容易理解，也就更容易追问。

简单来说，总得有人多次提问。