Manus团队用自家AI改造自己，7人撑起4个App

10 月 26 日，Manus 联合创始人、产品合伙人张涛在公众号「潜云思绪」发表长文《用 Manus 改造 Manus》，讲述公司内部如何用 AI 重塑组织。

文章开头，张涛提到一个细节：他给工程师提了几条需求和 Bug，发现对方电脑上开着一排 Codex 和 Manus 的 Session，输入就是他在 Slack 上发的需求原文，一字未改。这位工程师同时处理十几、二十个需求，在今天的 Manus 已是常态。

Manus 内部做了统一代码入口 Manus-mono，配上写给 AI 看的说明书，让 AI 能看到跨仓库全局。一个需求一个人就能写完所有端。移动端团队只有 7 人，同时负责 2 个产品、4 个 App，进度与网页版基本同步。所有产品经理都向 Manus 提交过代码，约一半能独立把需求做到上线，有的产品经理交出的需求已从文档变成视频。市场团队有了一位「数字同事」，会自己安排工作、主动提醒进度、跨团队问清功能细节。

9 月公司 AI 开销人均超过 1 万美元，少数人一个月用掉七八万美元。张涛给出三条理由：买的是时间和注意力；用最好的模型是了解 AI 能力边界的核心方法；内部烧掉的每个 Token 都会变成看清浪费在哪里的数据，产品改进后成本下降，用户也受益。他判断，今天每月 1 万美元换来的工作方式，两年后可能只需几百美元。

文章发布节点微妙：9 月底 Manus 发布 2.0 版本和个人智能体应用 Cue；10 月初母公司蝴蝶效应宣布完成超 5 亿美元新融资，同时在北京开出 17 个岗位。文章更像 Manus 进入 2.0 时代的宣言，讲的是组织如何利用 AI 进化，透露的是产品方向、成本逻辑和用人标准。

文章内部实践与 Manus 2.0 功能几乎一一对应：市场团队数字同事通过反馈接口提需求，自动触发开发任务，对应 2.0 的 Automations；产品经理用视频代替需求文档，靠的是 2.0 加强的视频能力；Slack 机器人运行在云电脑上，对应 2.0 可 7×24 小时常驻的云电脑。张涛文末写道，这些是 Manus 接下来要做好的事，「我们会先自己试，再交到用户手里」。

张涛列出的三个机会都指向组织协作：Session 成为多人协作的工作对象；跨设备、跨同事协作；Agent 进入公司系统和知识库后主动找到人没想到的解法。这与 Cue 思路相通——Cue 给每个 Agent 配独立邮箱、电话、钱包和电脑，CEO 肖弘曾提出「是不是应该有个很多人和 Bot 的群」。

数字同事的细节生动：它只在一个「工作台」Session 里对话，具体任务拆给其他 Session 并行完成；Slack 消息多时先判断相关性，再分「要打断」和「做完再处理」两类，这套规则是 AI 自己设计的。有次同事讨论两个项目记不清进度，没人 @ 它，它主动提醒「B 还在测试阶段，要不要等 A 的结果出来再看 B？」产品团队上线 3D 模型生成和骨骼绑定后，它主动问清适用条件，弄清支持鱼、蛇、四足动物等七类物体。

文章也照出应用层 Agent 公司的共同处境：工程师屏幕上除了 Manus 还有 OpenAI 的 Codex，Manus 研发离不开顶级模型，而提供模型的公司自己也在做 Agent 产品。有评论称之为「依附式创新」，代价是每做一单生意都要付钱给潜在对手。人均 1 万美元同时证明两件事：团队摸到了模型能力边界；Manus 比用户更早撞上 Agent 成本问题，也更有机会先解决它。

文章几乎改写了每个岗位：工程师从写代码变成指挥 AI、为结果负责；产品经理要能把功能写到上线，Manus Studio 里大部分界面和 Video Editor 都出自产品经理之手；设计师也开始写代码。张涛概括为从 Human in the loop 到 Human on the loop——人设计规则、监督多个 AI、在关键节点判断。团队里用 AI 最多的同事有一个总 Session，只列需要他决定的事并附推荐方案，他可以不打开 Slack，只问 AI「现在有什么需要我决定？」

文章最后写道人仍然重要，「我们也仍在招人」。几乎同时 Manus 在北京开出 17 个岗位，肖弘说一天收到上千份简历。但最打动人的是张涛不那么确定的部分，他坦白心情复杂，有兴奋也有不安：「这个节奏对吗，是足够快还是太快了？」