Manus AI：含5个实用示例的指南

处理完成后，这是结果：咖啡店销售分析。

我挺喜欢这份报告的整体呈现，甚至把它发给了我的朋友。

我最感兴趣的是“时间分析”部分。根据我去过几次的体验，早上通常比较冷清，而下午则很忙。我很好奇若把开门时间推后会有何影响。

不幸的是，Manus AI 处理数据的方式出了问题。把它生成的时间图与真实图并排对比，可以看出并不匹配。

起初我以为可能是时区问题导致数据整体偏移，但问题不止于此。

不过也不是全都错。比如，首页显示的总收入与真实收入一致。然而，时间上的错误让我对其余结果的可信度持怀疑态度。想象一下在不复核的情况下根据这些结果做商业决策，后果可能会很糟。

尽管如此，它仍有用的一点在于能启发我朋友关注哪些数据。如果您用 Manus 处理此类任务，一定要对结果进行复核。

2. 标普500预测

近期的经济下行很难被忽视，其中部分受美国加征关税的影响。波动在标普500中体现尤为明显，出现了大幅下跌。标普500是一个涵盖美国500家最大上市公司的股指，反映市场整体表现。

在这种情况下，我好奇 Manus AI 是否能就市场需要多长时间恢复给出预测。我使用了以下提示：

“分析标普500 当前的下行走势，考虑唐纳德·特朗普近期实施的全球关税。利用历史上类似经济事件与市场下行的数据，识别标普500 可能下探的潜在情景（即预期最低水平），并估算恢复至先前水平的时间线。包括历史对比、相关经济指标，以及适用时的置信区间。”

在分析结果之前， 请注意这不是投资建议。这只是一个实验，看看 Manus AI 如何处理这种复杂问题：分析历史数据并结合当前数据来预测可能情景。

Manus AI 分析了从温和到极端的多种潜在情景。基于结果，它创建并托管了一个展示结果的网站（您可以在此处访问），包含多个章节。

其中一些部分包括：

• 研究结果概览。
• 当前形势摘要。
• 相似情形的历史数据。
• 各情景下标普500 可能触及的最低水平分析。
• 各情景的恢复时间线。
• 汇总其发现的几个交互式图表页面。
• 关于其认为最可能情况的结论说明。

方法拆解

以下是 Manus AI 生成这些结果的过程拆解：

• 首先，它使用 YahooFinance API 获取当前标普500 数据，提供最新的市场信息。它编写了一个 Python 脚本来提取当前指数值、近期高点，并计算当前跌幅。
• 为理解关税政策，它检索了包括路透社和 BBC 在内的多方来源，揭示了新关税的全面性：对所有进口商品征收 10% 基准税率，对中国进口最高 60%，并对特定国家设定定向税率。
• 随后，它识别并分析了三次关键的历史关税事件：2018–2019 美中贸易战、布什政府 2002 年钢铁关税，以及 1930 年的斯穆特–霍利关税法案。针对每一事件，它考察市场影响、恢复模式与经济后果。2018–2019 年的贸易战提供了最相关的对比，显示市场先下跌，后在政策解决与美联储干预后回升。
• 为计算潜在最低水平，它创建了一个 Python 脚本，基于历史与关税相关的跌幅构建了四种情景（温和、中等、严重、极端）。它使用 10,000 次迭代的蒙特卡罗模拟生成置信区间，结果显示标普500 最可能在 4,300 到 4,900 之间触底（50% 置信区间）。
• 为估计恢复时间线，它又编写了一个脚本，分析历史恢复模式并用统计建模预测四种恢复情景。最可能的结果（50% 概率）显示，自市场触底起约 9 个月恢复，呈 U 形模式：

3. 产品推荐

接下来，我想看看 Manus AI 在产品推荐任务上的表现。寻找最佳购买产品很耗时，而我又很不喜欢做这件事。

我住在葡萄牙，家里的某些房间在冬天非常潮湿。我想买一台除湿机，想看看 Manus AI 能否帮我做调研并给出购买建议。

我使用的提示如下：

“我居住在葡萄牙，家中湿度常常超过 90%。我需要一台适用于最大 25 平方米房间的除湿机。除湿机需可在葡萄牙购买。请创建一份全面报告，包含：

- 产品推荐：根据不同价位，识别数款适合 25 平方米房间的除湿机型号。

- 产品对比：基于关键特性对推荐型号进行比较，如除湿能力、能效、噪音、水箱容量及附加功能（如空气净化、晾衣模式）。

- 在葡萄牙的可购性：确保推荐的除湿机可在葡萄牙购买，或通过可寄送至葡萄牙的本地零售商或在线平台购买。

- 在线评价：结合在线评价的见解，评估各型号的可靠性与性能。”

这是结果：除湿机产品推荐。

需要说明的是，这只是测试；我没有试用这些产品，因此无法判断结果是否准确。

Manus AI 如何构建推荐

使用 Manus AI 时，我们可以查看它的逐步操作。为构建产品推荐，它参考了以下数据来源：

• 本地零售商。
• 收集消费者产品评价的客户评测机构。
• 人们讨论产品的论坛与 Reddit 话题帖。
• 技术资料，用于将产品规格与我的具体需求匹配。
• 气候信息。

这些来源让我对结果有一定信心，因为这些步骤与我手动调研时会做的事情相当接近。

4. 找工作

Manus AI 擅长搜索网页，并将发现整合到一个易用的网站中。来看它是否能帮我们找工作。我上传了我的简历并写下了这段提示：

“我是一名全栈工程师，正在寻找新的工作机会。请查找符合以下条件的职位：

职位名称：全栈工程师、教师或研究员。

薪资：每年至少 100,000 美元。

工作环境：完全远程。

技术栈偏好：前端 React，后端 Python。

兴趣领域：我对量子计算感兴趣，尽管没有相关经验，也愿意考虑相关岗位。

请提供合适职位空缺的列表，并包含职位发布或申请页面的直接链接。优先推荐与我偏好最契合的岗位。”

这是它创建的内容：职位搜索结果。

乍一看，结果相当令人印象深刻。它似乎生成了一个量身定制的网站，包含可搜索的职位，且符合我的条件。然而，进一步检查后我发现，它只包含 12 个职位。

而且，其中只有一个包含指向公司网站的链接。其他所有职位的按钮都被禁用。

在所有示例中，这一个最令人失望。我原以为这个任务会比其他更容易，因为它不涉及任何计算。它只是要求 Manus AI 在网上搜索匹配条件的职位并汇总结果。

5. 学习一项新技能

在最后一个示例中，我测试了 Manus AI 在学习新技能方面的表现。为更好评估结果，我选择了自己已掌握的一项技能：天文摄影。

我使用的提示如下：

“我想用我的尼康 Z7II 相机学习天文摄影。请搜索网页，并专门针对我的相机与需求设计一门从入门到进阶的完整课程。课程应包含：

- 天文摄影基础

- 相机专项指导

- 必备器材

- 拍摄技巧

- 后期处理流程

- 学习资源

- 清单与规划工具”

在这些示例中，这个任务是 Manus AI 用时最长的一个。它消耗的点数也显著高于其他任务：

这是 Manus AI 构建的内容：天文摄影课程。

信息很多，我来概括它生成内容的要点：

• 课程覆盖主题广泛，包含让新手上手所需的信息。
• 各章节过于简略。例如，它会推荐某个具体设置，但不会解释如何设定。
• 信息本身不错，但呈现不佳。UI 难用，因为大部分内容都折叠在可收起区块后，需要很多次点击才能访问。
• 呈现的另一问题是没有叙事性，感觉像没有任何视觉辅助的说明书。
• 包含一个外部资源部分，如课程与 YouTube 视频，十分有用。

与大多数实验一样，我认为这是一 个很好的起点，但绝不是成品。在这个案例中，我觉得它收集的原始信息比其为浏览这些信息而创建的网站更有用。

结语

在评估 Manus AI 时，我的印象喜忧参半。积极的一面是，Manus AI 擅长高效地收集并提炼大量信息。这种自动化辅助显著缩短了时间，让我们能把精力放在分析而非数据收集上。

然而，我们对 Manus AI 结果的信任会被偶发的不准确所削弱。对于熟悉的内容，比如咖啡店数据分析，我们可以亲自核验并偶尔发现错误。但当涉及我们不具备专业知识的更复杂案例时，我们能信任这些结果吗？

我认为 Manus AI 更适合作为启动分析的工具，但我不会盲目信任并据其原始结果做出决策。