2025年，Agent技术不断进步，不再局限于单一任务执行，而是发展出自主制定策略、互相配合的智能化特征。该作品立足于整体规划角度，首先明确了 Agent 的根本性质与结构模型，接着细致探究了制约其性能高低的根本性要素，并且还介绍了打造类似 Manus Agent 类型的系统必须具备的前后端技术要素，旨在为 Agent 产品的研发工作提供借鉴思路。

2025年Agent时代已经过了一半，Agent的问世似乎彻底改变了AI这项技术，如今一提起AI，人们谈论的几乎都是它，而不是别的了；AI技术不断进步，从最初只能处理简单的分类工作，发展到如今既能通晓天地玄机又能与人类流畅交流，再到能够精准把握人类需求并完成具体任务的设计、分解、实施，还能清晰引导人类、与人配合共同达成目标，这一系列成就都离不开底层基础大模型的持续发展intellij idea 2025，当然也得益于一些工程化技术体系（例如等）的辅助。

最近我专注于研究、构思和执行Agent产品相关事宜，对Agent的认知和实际操作感受更加深入了，所以这篇文章打算从系统构建的视角，初步讨论下如果要打造一款类似于Manus或扣子空间的Agent产品，在业务和工程方面需要完成哪些任务？同时也要明确界定决定一款Agent产品性能高低的根本性要素有哪些。供对AI、Agent产品技术感兴趣的朋友，一同探讨。

注：Agent商业化相关内容，暂不在本文探讨范畴内。

图 Agent系统架构参考

01 Agent定义（何为Agent？）

讨论智能体，智能体的阐释不可或缺，因此补充一些关于智能体理念的内容，供大家认知和回顾。

这个系统的来源是官方，它将Agent定义为一种可以自主执行工作的机制，这种机制能够独立地处理各种任务。

（图源：吴恩达教授）

吴恩达教授提出了四个组成部分，包括意见反馈，功能运用，步骤设计以及群体间的联合行动。

业界还非常常用的、用来讲Agent组成和架构的图如下：

（图源：

这个网址的地址是https://..io/posts/2023-06-23-agent，它是一个网络链接。

包含四个部分：工具、规划、记忆与执行。

记忆包含即时记忆和持久记忆，规划涉及回顾、自我检视与反思、思路梳理、目标细分，工具涵盖日程表、算术工具、信息检索、程序解读、个人资料库、公共资料库等，行动体现为具体事项的落实

对于Agent的内涵阐释和整体构造规划，彼此之间其实并无显著分歧。个人主张，我们完全能够将Agent的最终形态设想为人类（Agent=人类的化身、代表），人类具备哪些才干，理想化的Agent就应当拥有哪些才干（只是部分能够达成、部分或许难以实现和推行而已）。

人类拥有大脑、肢体以及运用器具的本事；人类可以进行思维、制定计划、采取步骤、回顾总结，并且具备记忆功能；人类是群体性生物，既能参与集体活动又能互相配合，同时也是一个独立的单元；人类普遍能够发声、表达喜悦、展现愤怒，具备各种情感反应（尽管人工智能无法像人类那样拥有真实的脉搏和心跳，但可以在一定程度上，使人工智能或机械装置拥有类似人类的特征，从而更贴近人类，或者为机器人安装一个电子式的心脏（如果需要的话）也是可以考虑的；人类的心脏并非生物学家或医学专家所界定的）

究竟什么样的助手才算得上优秀？什么样的助手又属于糟糕？也就是说，决定一个助手表现高低的根本原因究竟是什么。

02 Agent能力上下限由什么决定？

这个问题，我真正希望研究的，是诸如Manus、扣子空间这类通用Agent工具，乃至Trae这类AI编程工具，它们的能力边界究竟是由哪些因素决定的，需要考察哪些条件，才能明确其极限所在，这具有两个方面的显著意义，非常重要，值得重视。

我们清楚何种工作，借助何种手段能够达成、达成何种水平，即有助于我们在执行特定工作，例如进行行业研究撰写文档、乃至构思应用程序时，做出恰当的设备选择，从而将构想变为现实，或者让机器智能辅助我们，我们自己则处理更关键的事务。

创业人士或投资方能够评估某款智能助手应用或系统的市场价值、现阶段表现以及发展前景，接下来，具体探讨决定该类产品能力高下限的关键要素究竟为何。

从使用者角度出发,审视Agent应对需求任务的整个过程,从而识别出评判Agent优劣的关键点,其实分析和改进任何产品或组件的表现,都可以归结为对具体步骤的梳理,例如如何提升RAG的成效,某个商品的客户付费转化率降低,怎样提升,都可以应用这个分析方法。

图 Agent响应用户 核心流程

代理机构的应答与处置个人化事务的基本步骤，参照前文图示，各个单元的职能与任务，可以类比为以下情形：

总指挥（LLM）是全局决策者，不负责执行细节，而是制定行动方针。当收到指令“分析竞品”，它会判断这是一项艰巨工作，需要分解步骤。首先，它指示收集相关资料，然后进行比较分析，最后生成分析报告。如果程序运行不正常，它会推测原因可能是数据输入错误，建议将其转换为 CSV 格式。它提供的是整体思路和行动路线，而非具体操作步骤。

能力依赖：大模型的推理、规划、自我修正能力。

架构师与流程规划师（调度核心）——战略中心获取高层的规划方向，将其改写成操作步骤图，并且承担以下职责：任务组织方面，确定是按顺序处理还是同时处理，是否有条件选择，需要记录每个环节的结果；状态监控方面，明确哪些环节完成或未完成，中间数据放在哪里；异常应对方面，规定出问题后是重复操作、降低标准或发出警告；资源分配方面，保证重要任务优先处理

典型框架： 、 的 模块、 的 Role-Based 。

3.大头兵（工具执行层）——原子执行单元

每个单位仅具备单一职能，且无法领会背景信息：它们只能执行简单动作，然后输出页面部分内容；它们会运行指定的指令，但不在乎任务目标；它们能够发送电子函件，不论信息是否恰当；这些模块是独立的、没有记忆的、可以多次调用的。

关键设计原则：高内聚、低耦合、易替换

这看起来像是一个机构的组织形式吗？因此，你会察觉到，部分代理框架确实是依照产品制造的过程来规划各个单元以及它们的任务分配和整体构造的，例如；其中，一个环节也极为关键，它负责将编码任务完成后的成果呈现给使用者，毕竟，有些使用者并不会去操作繁琐的程序安装步骤。因此通用智能体若要实现广泛适用性，就必须能够执行实时编写的程序代码，允许使用者即时进行调试并验证成果的实际表现，也就是要确保交付成果的可监控性，为此就必须。

概括而言，这四个组成部分共同构成了Agent系统的核心框架，Agent系统的整体性能高低intellij idea 2025，主要取决于这四个部分各自能力的强弱程度。

大型模型的含义把握、工作分解以及安排布局的能力，决定了智能体的能力极限，

智能程度的基础界限在于，系统是否能够领会用户的指令，是否具备运用工具的功能，是否能够执行多阶段的逻辑运算，例如：先检索信息，然后进行数据整理，接着展开研究，最后制作图表

2.“手脚”：可用工具的丰富度与易用性（决定“行动上限”）

能力基础的界定在于：必备的软件组件是否完备，涵盖信息检索、程序运行、文件操作等功能，同时需要评估接口的可靠性，以及参数设定的明确程度，例如区分明确的函数声明（比如：接收字符串参数的query: str）与含糊不清的多个指令。

能力极限由以下因素决定，首先，要看其能否涵盖企业内部系统、CRM系统、ERP系统以及各类数据库，其次，需评估其能否整合多种功能，比如将网页数据抓取、表格信息提取、数据存储以及邮件发送等功能串联成自动化流程，最后，还要考察其自动化水平，比如是否需要人工介入授权，以及是否支持OAuth认证方式

仅能用于数据解析以及网页交互功能，同时具备浏览器控制能力

神经系统的构成，涉及指挥体系的构建和运作步骤的规划，它决定了个体思维能力的最高界限。

即便头脑聪慧、体态矫健，倘若欠缺周密的“神经系统”，仍旧会显得杂乱无章。

“身体环境”：沙箱安全性与执行效率，关乎“部署稳固程度和监控能力”代码沙箱是否有效隔离网络环境？是否对CPU和内存使用加以约束？有无防止程序陷入死循环的机制？执行效率方面，代码运行时延是否会造成用户困扰？（超过三秒就可能引发用户烦躁）可观测性方面，能否即时记录运行日志？能否将任务进展以图形方式展现？

潜在问题在于，一个永不终止的 while True 循环或许会对全部服务造成严重影响。

开发一个类似Manus的智能体系统，需要哪些技术基础？/应该准备哪些条件？

这仅仅基于个人的见识以及对代理行业和实际运作的认识，提出若干看法和借鉴之处。

可以参考一些公开的智能体技术架构，然后在这些架构上实施二次开发和优化。

可以参考部分开源的智能体技术架构，考虑自主开发，即完全独立设计框架，并且所有组件都自行研制。

必须涵盖先前所述的四个主要部分：思维核心、任务分配机制、辅助工具、操作载体（内含即时测试环境），以及信息条理呈现系统（服务器处理条理化信息生成、客户端图形界面负责结果呈现并允许用户互动）；

给大家整理了一些常见的Agent技术框架（偏服务端）：

以及用来开发Agent的前端技术栈：

1.前端框架（UI 基座）

2. 渲染引擎（基础能力）

3.代码块高亮与交互

4.表格与数据可视化

5.富文本与可交互内容

6.样式与布局系统

*7.服务端渲染与性能优化

以上可根据自身业务需求特点，选择合适的技术框架开发。

如有侵权请联系删除！