我们认为可以从两方面改进。第一是规模化。但如果你能把 Agent 的能力放大一百倍会怎样呢？
最近 Manus 刚刚发布了一个新功能，叫做 Wide Research。它的基本思路是允许一个 Agent 再衍生出上百个 Agent 一起去完成任务。你知道的， 如果只是让 AI 帮你做一些小事，很多时候你自己也能完成。但如果任务非常庞大，你一个人根本不可能完成，比如需要做大规模的研究，这时候让上百个 Agent 并行去做，就会变得非常强大。
其次，我们还需要让 Agent 更灵活地使用计算机使。比如，如果你只给一个 AI Agent 设置了预设工具，那么它的行动空间就被限制在这些工具里。但想象一下，如果你是一个程序员，你有整个开源社区的资源可以调用。
比如你在 3D 打印的时候，直接修改模型的参数很困难，但是你如果能找到 GitHub 上的合适的库，直接安装就能解决你的问题了。 在 Manus，我们在优化通用性，并且提出了一个概念，叫做「工具的网络效应」。
有一个很有意思的例子：很多用户在用 Manus 做数据可视化。你们知道，在亚洲有时候会遇到问题，比如在图表中显示中文时可能会出现字体错误。或许有些专业用户会写一些硬编码规则，比如在输出韩文时应该用哪种字体。但这种方式会让系统越来越僵化。
我们采取的办法是给系统增加了一个很简单的能力：查看图像。结果很惊喜——因为今天的模型已经很聪明了，它们会在生成可视化图像后自己检查，并意识到错误，然后再自动修正。我们发现， 增加工具的灵活性比硬编码规则能解决更多的问题。
问：这是一个令人兴奋的时代。我真的很激动，只希望自己能再年轻到三十岁（笑）。提到医学研究的，我知道 Manus 在这方面也很强。你们观察到有些用户在使用 Manus 研究医疗吗？
答： 很多人已经在用 Manus 做研究，不仅限于医学研究。我们觉得这很有意思，因为现在确实有很多所谓的「深度研究」产品，它们会帮你收集大量信息并做一些分析，但最后只给你一个 markdown 文件或文档。这远远不够。
很多时候，研究人员真正需要的，是能够直接交付给老板或团队的成果。所以我们在 Manus 上加强了研究结果的输出。例如在医学研究中，很多时候需要生成正式的报告，比如幻灯片报告之类的东西。因此我们必须优化 AI 的输出能力，以满足研究人员的需求。这是一种「工具化」的体验。
比如现在很多用户会先用 Manus 做研究，然后直接生成一个网站。你会觉得这和传统的网站搭建方式完全不同。
要知道，搭建一个网站本身其实不难，难的是如何确保数据的可靠性和准确性。所以我们认为，最好能在一次会话、一个共享的上下文中完成整个流程。这样，你的研究、你的见解就能无缝转化为最终成果。 这就是我们在 Manus 里所做的事情。