Manus AI 上线以来最大更新：Manus Wide Research，100 个 Agent 为你打工
在官方的演示 demo 中，Mamus 展示了两个典型的案例。第一个案例，是让Wide Research对比分析 100 款运动鞋。从功能、定价、设计到销量，Manus 会首先并发调用 100 个子 Agent ，每个负责一款产品，独立抓取分析、汇总信息。随后，这批结果被自动汇总成 Excel 表格和网页，交付清晰的最终排序和评估建议。
第二个案例，是为即将举办的活动寻找海报灵感。Wide Research 能够同时探索 50 种视觉风格，并自动生成匹配风格的完整海报图样。几分钟内，成品设计就能交到用户手上。
Manus 联合创始人季逸超也在 X 平台发文，进一步解释了这一架构的灵感来源：
Wide Research 是我们在 Agent-Agent 协作方面的最新探索。基于我们的大规模虚拟化基础设施，Manus 现在可以自主调度一支由同质 Manus Agent 组成的团队并行工作，并汇总结果。
在构建 AI Agent 的过程中，我们一直受到经典系统研究的启发。Wide Research 直接受到了 20 多年前由 @JeffDean 和 Sanjay Ghemawat 提出的 MapReduce 范式的启发。作为大规模分布式系统的先驱，谷歌遇到了其他人尚未面临的挑战，并慷慨地与世界分享了他们的解决方案。
如今，随着 Manus 推动 AI Agent 的边界，我们正遇到一类只有在大规模时才会出现的新问题。我们将继续分享在此过程中学到的经验。
