Khóa học
Giới thiệu về AI Agents
1 giờ 30 phút
147.2K
Sau khi xử lý, đây là kết quả: Phân tích bán hàng quán cà phê.
Tôi khá thích cách trình bày tổng thể của bản này, và tôi còn gửi cho bạn tôi xem nữa.
Phần tôi quan tâm nhất là “Phân tích theo thời gian”. Mỗi lần ghé quán, tôi có cảm giác buổi sáng khá vắng còn buổi chiều thì khá đông. Tôi tò mò muốn xem tác động của việc dời giờ mở cửa muộn hơn sẽ như thế nào.
Đáng tiếc là có vấn đề trong cách Manus AI xử lý dữ liệu. Khi đặt biểu đồ thời gian mà nó tạo cạnh biểu đồ thật, ta thấy chúng không khớp nhau.
Ban đầu, tôi nghĩ có thể nó chỉ bị lệch do vấn đề múi giờ, nhưng không chỉ vậy, còn hơn thế.
Tuy nhiên, không phải mọi thứ đều sai. Ví dụ, tổng doanh thu trên trang đầu khớp với doanh thu thực. Nhưng lỗi về thời gian khiến tôi hoài nghi về độ tin cậy của các kết quả còn lại. Hãy tưởng tượng đưa ra quyết định kinh doanh dựa trên những kết quả đó mà không kiểm tra lại. Hậu quả có thể rất tệ.
Một điểm tôi thấy hữu ích là nó giúp bạn tôi có cảm hứng về những dữ liệu cần xem. Nếu bạn dùng Manus cho dạng tác vụ này, hãy luôn kiểm tra chéo kết quả.
2. Dự đoán S&P 500
Thật khó bỏ qua đợt suy giảm gần đây của nền kinh tế, một phần bị ảnh hưởng bởi các mức thuế do Hoa Kỳ áp đặt. Biến động này thể hiện rõ ở chỉ số S&P 500, vốn đã chứng kiến mức sụt giảm đáng kể. S&P 500 là một chỉ số thị trường chứng khoán bao gồm 500 công ty đại chúng lớn nhất tại Hoa Kỳ, cung cấp bức tranh tổng quan về hiệu suất toàn thị trường.
Trước bối cảnh đó, tôi tò mò muốn xem Manus AI có thể đưa ra dự phóng về thời gian phục hồi của thị trường hay không. Tôi đã dùng prompt sau:
“Phân tích đợt suy giảm hiện tại của S&P 500, có xét đến các mức thuế toàn cầu gần đây do Donald Trump áp đặt. Sử dụng dữ liệu lịch sử về các sự kiện kinh tế tương tự và các đợt suy giảm thị trường, xác định các kịch bản tiềm năng về mức đáy mà S&P 500 có thể chạm tới (tức các mức tối thiểu kỳ vọng), và ước tính thời gian phục hồi về mức trước đó. Bao gồm các so sánh lịch sử, chỉ số kinh tế liên quan, và khoảng tin cậy khi phù hợp.”
Trước khi phân tích kết quả, xin lưu ý đây không phải lời khuyên tài chính. Đây chỉ là thí nghiệm để xem Manus AI xử lý một câu hỏi phức tạp như thế nào—kết hợp phân tích dữ liệu lịch sử với dữ liệu hiện tại để dự đoán các kịch bản có thể xảy ra.
Manus AI đã phân tích vài kịch bản từ nhẹ đến nghiêm trọng. Dựa trên kết quả, nó tạo và lưu trữ một website chứa kết quả (bạn có thể truy cập tại đây), gồm nhiều phần.
Một số phần bao gồm:
- Tổng quan về kết quả nghiên cứu của nó.
- Tóm tắt tình hình hiện tại.
- Dữ liệu lịch sử về các tình huống tương tự.
- Phân tích các mức đáy tiềm năng mà S&P 500 có thể đạt trong mỗi kịch bản.
- Mốc thời gian phục hồi cho từng kịch bản.
- Một trang với vài biểu đồ tương tác tổng hợp phát hiện của nó.
- Phần kết luận giải thích tình huống mà nó cho là có khả năng nhất.
Phân tích phương pháp tiếp cận
Dưới đây là cách Manus AI tạo ra các kết quả này:
- Đầu tiên, nó thu thập dữ liệu S&P 500 hiện tại bằng YahooFinance API, cung cấp thông tin thị trường cập nhật nhất. Nó viết một script Python để trích xuất giá trị chỉ số hiện tại, đỉnh gần đây và tính mức giảm hiện tại.
- Để hiểu chính sách thuế quan, nó nghiên cứu nhiều nguồn như Reuters và BBC, cho thấy mức độ toàn diện của các mức thuế mới: mức cơ bản 10% cho mọi hàng nhập khẩu, tối đa 60% với hàng Trung Quốc, và mức nhắm mục tiêu theo từng quốc gia.
- Sau đó, nó xác định và phân tích ba sự kiện thuế quan lịch sử quan trọng: cuộc chiến thương mại Mỹ-Trung 2018–2019, thuế thép năm 2002 của Bush, và Đạo luật Thuế quan Smoot-Hawley năm 1930. Với mỗi sự kiện, nó xem xét tác động lên thị trường, mô hình phục hồi và hệ quả kinh tế. Cuộc chiến thương mại 2018–2019 là so sánh phù hợp nhất, cho thấy thị trường giảm ban đầu nhưng phục hồi sau khi chính sách được giải quyết và Cục Dự trữ Liên bang can thiệp.
- Để tính các mức đáy tiềm năng, nó tạo một script Python phát triển bốn kịch bản (Nhẹ, Vừa, Nghiêm trọng và Cực đoan) dựa trên các mức giảm liên quan đến thuế quan trong lịch sử. Nó dùng mô phỏng Monte Carlo với 10.000 lần lặp để tạo khoảng tin cậy, cho thấy S&P 500 nhiều khả năng chạm đáy trong khoảng 4.300–4.900 (khoảng tin cậy 50%).
- Để ước tính thời gian phục hồi, nó viết một script khác phân tích mô hình phục hồi lịch sử và dùng mô hình thống kê để dự phóng bốn kịch bản phục hồi. Kết quả có khả năng nhất (xác suất 50%) gợi ý thời gian phục hồi 9 tháng kể từ đáy thị trường, với dạng chữ U:
3. Gợi ý sản phẩm
Tiếp theo, tôi muốn biết Manus AI thể hiện thế nào trong nhiệm vụ gợi ý sản phẩm. Tìm sản phẩm tốt nhất để mua có thể tốn thời gian và là việc tôi rất ghét làm.
Tôi sống ở Bồ Đào Nha và một số phòng trong nhà rất ẩm vào mùa đông. Tôi muốn mua máy hút ẩm và tò mò xem Manus AI có thể giúp tôi nghiên cứu và đưa ra khuyến nghị nên mua gì không.
Đây là prompt tôi dùng:
“Tôi sống ở Bồ Đào Nha và đang gặp tình trạng độ ẩm cao trong nhà, thường vượt 90%. Tôi cần hỗ trợ chọn một máy hút ẩm phù hợp cho phòng tối đa 25 mét vuông. Máy hút ẩm phải có thể mua tại Bồ Đào Nha. Vui lòng tạo báo cáo toàn diện bao gồm:
- Gợi ý sản phẩm: Xác định một số mẫu máy hút ẩm phù hợp cho phòng 25 mét vuông, cân nhắc nhiều mức giá.
- So sánh sản phẩm: So sánh các mẫu được gợi ý dựa trên các tính năng chính như công suất hút ẩm, hiệu suất năng lượng, độ ồn, dung tích bình nước và các chức năng bổ sung (ví dụ: lọc không khí, chế độ sấy đồ).
- Khả dụng tại Bồ Đào Nha: Đảm bảo các máy hút ẩm được gợi ý có thể mua tại Bồ Đào Nha, qua nhà bán lẻ địa phương hoặc nền tảng trực tuyến giao hàng tới Bồ Đào Nha.
- Đánh giá trực tuyến: Tích hợp insight từ các đánh giá trực tuyến để đánh giá độ tin cậy và hiệu năng của từng mẫu.”
Đây là kết quả: Gợi ý sản phẩm máy hút ẩm.
Lưu ý đây chỉ để thử nghiệm; tôi chưa thử bất kỳ sản phẩm nào trong số đó, nên không rõ kết quả có chính xác hay không.
Manus AI xây dựng gợi ý như thế nào
Khi dùng Manus AI, ta có thể xem chi tiết từng bước nó thực hiện. Để xây dựng gợi ý sản phẩm, nó đã xem dữ liệu từ:
- Nhà bán lẻ địa phương.
- Tổ chức đánh giá người tiêu dùng thu thập nhận xét về sản phẩm.
- Các diễn đàn và chủ đề Reddit nơi mọi người thảo luận về sản phẩm.
- Nguồn tài liệu kỹ thuật để đối chiếu thông số sản phẩm với yêu cầu cụ thể của tôi.
- Thông tin về khí hậu.
Những nguồn này khiến tôi có phần yên tâm với kết quả vì các bước khá sát với cách tôi sẽ tự nghiên cứu thủ công.
4. Tìm việc làm
Manus AI giỏi tìm kiếm trên web và tổng hợp phát hiện thành một website dễ sử dụng. Hãy xem liệu ta có thể dùng nó để tìm việc không. Tôi đã tải CV của mình và viết prompt sau:
“Tôi là kỹ sư full-stack đang tìm cơ hội việc làm mới. Vui lòng tìm các tin tuyển dụng đáp ứng tiêu chí sau:
Chức danh: Kỹ sư Full-stack, Giáo viên, hoặc Nhà nghiên cứu.
Mức lương: Tối thiểu 100.000 USD/năm.
Môi trường làm việc: Hoàn toàn từ xa.
Ưu tiên công nghệ: React (front-end) và Python (back-end).
Lĩnh vực quan tâm: Tôi quan tâm đến điện toán lượng tử và sẵn sàng cho các vị trí liên quan dù chưa có kinh nghiệm trước đó.
Cung cấp danh sách các vị trí phù hợp, kèm liên kết trực tiếp đến tin tuyển dụng hoặc trang ứng tuyển. Ưu tiên những công việc phù hợp nhất với sở thích của tôi.”
Đây là những gì nó tạo ra: Kết quả tin tuyển dụng.
Thoạt nhìn, kết quả có vẻ khá ấn tượng. Trông như nó đã tạo một website theo nhu cầu của tôi, với các tin tuyển dụng có thể tìm kiếm phù hợp tiêu chí. Tuy nhiên, kiểm tra kỹ hơn, tôi nhận ra nó chỉ chứa 12 tin tuyển dụng.
Hơn nữa, chỉ có một tin có liên kết đến website công ty. Với các tin còn lại, nút này bị vô hiệu hóa.
Trong tất cả ví dụ, đây là ví dụ gây thất vọng nhất. Tôi nghĩ tác vụ này sẽ dễ hơn các tác vụ khác vì không liên quan đến tính toán. Nó chỉ yêu cầu Manus AI tìm trên web các công việc khớp tiêu chí và tổng hợp kết quả.
5. Học một kỹ năng mới
Ở ví dụ cuối, tôi kiểm thử Manus AI trong việc học một kỹ năng mới. Để đánh giá kết quả tốt hơn, tôi chọn một kỹ năng tôi đã biết: Nhiếp ảnh thiên văn.
Đây là prompt tôi dùng:
“Tôi muốn học nhiếp ảnh thiên văn bằng máy Nikon Z7II. Hãy tìm trên web và thiết kế một khóa học toàn diện từ cơ bản đến nâng cao, được điều chỉnh riêng cho máy ảnh và nhu cầu của tôi. Khóa học nên bao gồm:
- Kiến thức nền tảng về nhiếp ảnh thiên văn
- Hướng dẫn theo từng máy ảnh
- Thiết bị cần thiết
- Kỹ thuật chụp
- Quy trình hậu kỳ
- Nguồn học tập
- Checklist & công cụ lập kế hoạch”
Trong các ví dụ, đây là ví dụ mất nhiều thời gian nhất để Manus AI hoàn thành. Nó cũng tiêu tốn đáng kể nhiều tín dụng hơn các tác vụ khác:
Đây là thứ Manus AI đã xây dựng: Khóa học nhiếp ảnh thiên văn.
Có nhiều điểm để bàn, nên tôi sẽ tóm tắt các khía cạnh chính của nội dung mà nó tạo:
- Khóa học bao quát nhiều chủ đề và có đủ thông tin để ai đó bắt đầu.
- Các phần quá ngắn gọn. Ví dụ, nó khuyến nghị một thiết lập cụ thể nhưng không giải thích cách thiết lập.
- Thông tin tốt nhưng cách trình bày chưa ổn. Giao diện khó dùng vì hầu hết nội dung nằm sau các phần có thể thu gọn và cần rất nhiều lần nhấp để truy cập.
- Một vấn đề khác là không có mạch kể chuyện, cảm giác như sách hướng dẫn mà không có hỗ trợ trực quan.
- Có một phần tài nguyên bên ngoài như khóa học và video YouTube, khá hữu ích.
Như hầu hết các thử nghiệm, tôi nghĩ đây là điểm khởi đầu tốt, nhưng chắc chắn chưa phải sản phẩm hoàn chỉnh. Trong trường hợp này, tôi thấy thông tin thô mà nó thu thập được hữu ích hơn bản website mà nó tạo để duyệt thông tin đó.
Kết luận
Khi đánh giá Manus AI, tôi có những ấn tượng đan xen tích cực và tiêu cực. Ở khía cạnh tích cực, Manus AI xuất sắc trong việc thu thập và cô đọng lượng lớn thông tin một cách hiệu quả. Hỗ trợ tự động này giúp giảm đáng kể thời gian, cho phép chúng ta tập trung vào phân tích thay vì thu thập dữ liệu.
Tuy nhiên, niềm tin vào kết quả của Manus AI bị giảm bởi những sai sót đôi khi xuất hiện. Khi xem xét thứ quen thuộc, như phân tích dữ liệu quán cà phê, chúng ta có thể tự xác minh phát hiện và đôi lúc phát hiện lỗi. Nhưng với các trường hợp phức tạp hơn, nơi ta thiếu chuyên môn, liệu ta có thể tin kết quả không?
Tôi cho rằng Manus AI phù hợp hơn như công cụ khởi động một phân tích, nhưng tôi sẽ không mù quáng tin tưởng và đưa ra quyết định dựa trên kết quả thô.
