Manus逆向工程：AI智能体的“思考”与“行动”

写在前面

本篇博客将基于 Manus 测试的行为日志，尝试反向推演其内部的核心逻辑。我们将探讨它如何巧妙地融合了计划-执行（Plan-Execute） 和 ReAct（Reasoning and Acting，即思考与行动） 两种范式，并灵活运用浏览器和 Python 解释器等工具来攻克复杂任务。

基本逻辑：从信息搜集到应用部署

可以清晰地看到 Manus 完成了两个主要阶段的任务：

第一幕：信息搜集与报告撰写
用户向 Manus 发出指令：“总结一下DeepSeek在训练V3和R1模型过程中有哪些对训练速度提升明显的trick”。

Manus 随即展开了一系列行动：

1. 搜索启动： “正在搜索 DeepSeek V3 R1 训练速度提升技巧 OR tricks for training speed improvement Deep…”。这表明它理解了用户的核心需求，并构建了有效的搜索查询。
2. 信息收集与整理（迭代过程）：
   • 创建 todo.md：很