Попользовался Manus и он меня не впечатлил

Не так давно ИИ-агента Manus сделали доступным всем желающим. Ранее я подавался на закрытую бета, но мне не повезло – я не попал в списки, а у знакомых не осталось инвайтов. Очень ждал, когда же смогу попробовать это чудо техники, которое только по демонстрациям окрестили “лучшим ИИ-агентом”.

Всю прошлую неделю занимался тестированием Manus-а, и, сказать честно, он меня не впечатлил. Одна из причин – ребята очень сильно затянули с публичным запуском, что для ИИ-продукта критически важно. То, что ты можешь позиционировать как конкурентное преимущество для своих ранних последователей, сегодня очень быстро внедряют сами разработчики LLM, вроде Google и OpenAI. И сейчас нет практически ничего, что делает Manus, чего нельзя было бы сделать через комбинацию DeepResearch и Canvas внутри LLM. Да, вам придется больше работать руками, и такая связка не так автономна, но и в этом есть плюс.

Начнем с плюсов

Идеально для несложных задач, требующих декомпозиции - разработчики очень прикольно организовали Tool Use у сервиса. Понравилось как он декомпозирует и работает итерациями, но часто это получется только в довольно прямолинейных задачах, вроде поиска информации. Если требуется тот же многосторонний анализ либо задача комплексная - результат печальный.

Подготовка материалов к передаче пользователю - понравилось, как он готовит отчетность. Именно подход. Например, если попросить написать код какой-то программы - он тебе и инструкцию по запуску напишет и расскажет, как это тестировать. Это то, чего ты ожидаешь от агента, но и тут не без ложки деготя.

Что не понравилось
Нельзя делегировать комплексные задачи - сейчас я для тренингов разрабатываю кастомную LMS, и у меня родилась идея попросить Manus либо реализовать мне часть функционала, либо вообще попробовать полностью написать LMS. Думал, что даже если он не справится – часть кода хотя бы смогу применить в качестве основы для своего. При всех моих попытках Manus сильно упрощал написание кода, упускал часть состояний, вместо реальных данных – подставлял мок-данные. Если работать итеративно – проблема решается, но ведь это автономный агент 🙂 Для итеративности Cursor гораздо лучше.

Также просил его собрать мне Docker-образ для LMS, а получил независящие друг от друга компоненты, которые потом собирал вручную. С запуском проекта также были проблемы, хотя он уверял меня, что все протестировал. Вспомнился пример агента Anus, который, как говорят - написан Manus-ом после промпта, который просил его себя клонировать и который тоже не записался :)

Слишком высокая автономность - то, что меня раздражает в Claude 3.7 при использовании в Cursor. Даже не смотря на то, что в процессе ты можешь влезть с доп инструкциями – модель слишком сильно берет на себя инициативу. Отражается это в том, что опять же, моделька упрощает и упускает детали, придумывает лишнее, но не реализует важное. В задачах на ресерч с этим лучше, но DeepResearch любой LLM даст вам более качественный результат.

Подготовка материалов еще сырая - я сделал в итоге с помощью него драфт LMS. Manus сказал “Вот, держи код проекта” и дал мне 50+ отдельных файлов. Не в папках, а просто тупо кучу файлов. Только после просьбы собрать мне ZIP он сделал нормально. И, как писал выше, проект мне пришлось дорабатывать, чтобы запустить.

Итого, получается, что лучший автономный агент широкого назначения – не более чем маркетинг и игрушка. В целом, направление агентского ИИ пока что очень сырое и, на мой взгляд, гораздо успешнее здесь будут специализированные решения, вроде Cursor или DeepResearch. Поэтому, если хотите делать агентов – смотрите в сторону специализации.

#инструменты