本文2029字,阅读时长约8分钟
用最硬的视角,看最软的未来
今天突然想到了知名安全厂商启明星辰前几天连续出的几篇关于“MANUS”的文章。
图:启明MANUS群文
在启明星辰看来,这或许代表着重大创新,所以今天咱们可以就着这事儿聊聊创新的话题。
可能MANUS是啥有些朋友还不知道,这里就援引启明的说明:
2025年3月初,中国AI初创公司Monica.im推出的通用智能体Manus,以一匹黑马的姿态搅动了全球人工智能领域的格局。
这款号称“全球首款全自主执行复杂任务的数字代理人”,凭借其“规划-执行-验证”多智能体协同架构,在GAIA Benchmark基准测试中刷新了智能体解决现实问题的性能纪录。
其独特的云端异步处理模式让用户亲眼目睹AI像人类般调用浏览器、编写代码、生成报告的全流程操作,这种“手脑并用”的突破性设计,使得AI智能体从对话建议者蜕变为任务执行者。
智能体英文名叫“Agent”,在软件工程领域指的是客户端程序,而在AI领域大家都翻译成“智能体”,其他译法在专业语境下已较少采用了。
通用人工智能(AGI,Artificial General Intelligence),是这一波大模型科技技术竞赛的“终点”,如果这么看,那么智能体(AGENT)就是AGI的“中点”。
OpenAI CEO 山姆·奥特曼把通往AGI之路定义成了六个阶段:聊天机器人(Chatbot)、推理者(Reasoner)、智能体(Agent)、创新者(Innovator)、组织者(Organization)。
图:AGI的六个阶段
比如最近爆火的DeepSeek-V3就是一个聊天机器人(Chatbot)、DeepSeek-R1就是一个推理者(Reasoner)。
而智能体(Agent)是代表用户执行任务,具备自主行动能力;创新者(Innovator)能够参与发明和创造,增强人类的创造力和创新能力;组织者(Organization)则能够承担整个组织的功能,独立管理并执行复杂的操作。
启明连蹭了AGI和MANUS两个热点,然后又重构了这两个热词。
启明基于“AGI通用人工智能”的概念,提出了自己的“API专业人工智能(Artificial Professional Intelligence)”的说法,认为网络安全、日常Office办公、量化交易等都属于“API专业人工智能”范畴,认为一个单智能体就是最小的API专业人工智能。
接着启明蹭了“MANUS”的热点,然后又重构了“MANUS”热词,创造出了属于自己的“MANUS智能体集群”方法论:
图:启明MANUS方法论
启明认为:API专业人工智能和智能体集群应当具有“M·A·N·U·S”五大特征(五大能力、五大属性):
M-Multi-Agent Synergy多智能体协同
A-Autonomous Execution自主执行
N-Natural Interaction Framework自然交互框架
U-Unified Tool & Application Interface统一工具和应用接口
S-Secure-Compliance Mesh安全合规网格
我相信这个方法论是DeepSeek创造的,因为作为6000亿参数的大模型,其核心能力正体现在这种概念重构与语义重组上。
其实启明的步子还可以迈得再大一些,既然都已经蹭“MANUS”热点了,不如直接蹭“智能体(AGENT)”的热点。
所以我让DeepSeek根据“启明MANUS方法论”的内容,又创造了一个“AGENT方法论(Autonomous-Generative-Empathic-Networked-Trusted)”。
A.G.E.N.T 方法论架构如下:
图:A.G.E.N.T 方法论架构
该方法论能够形成网络安全可落地的智能体系建设范式:
图:A.G.E.N.T 方法论
A - Autonomous Orchestration(自主编排层)
G - Generative Adaptation(生成式适应层)
E - Emergent Execution Core(涌现执行核)
N - Networked Integration(网络化整合层)
T - Trust Assurance (信任保障层)
可以用这个方法论实现传统“安全运营中心(SOC)”的灵魂蜕变:
步骤一:传统SOC → 智能体增强SOC(A-SOC)
步骤二:A-SOC → 自主安全运营网络(ASO-Net)
步骤三:ASO-Net → 认知安全生态系统(CogSec)
据DeepSeek介绍,该方法论已经在金融风控领域实现单任务处理时效提升300%,在工业物联网安全监测中实现误报率降低82%。其核心优势在于将MANUS体系转化为可工程化实现的架构模式,同时保持生物学启发的弹性特征。
进一步思考发现,既然都“AGENT方法论”了,那咱们步子可以迈得再大些,创造出一个国宝级的“DeepSeek方法论”。
咱们看一下“D.E.E.P.S.E.E.K 方法论”:
图:D.E.E.P.S.E.E.K方法论
D-Dynamic Threat Detection | 动态威胁检测
E-Evolving Adversarial Learning | 进化式对抗学习
E-Embedded Security Fabric | 嵌入式安全基座
P-Predictive Response Orchestration | 预测式响应编排
S-Semantic Attack Modeling | 语义化攻击建模
E-Endpoint Autonomous Immunity | 端点自主免疫
E-Ecosystemic Security Synergy | 生态化安全协同
K-Knowledge-Driven Attribution | 知识驱动溯源
该方法论实施后,可以达到以下效果:
威胁检测率提升:较传统方案提高40%-65% APT发现能力。
响应时效缩短:平均MTTD(平均检测时间) <15分钟,MTTR(平均响应时间) <3分钟。
运营成本降低:自动化覆盖80%以上常规安全操作。
"DEEPSEEK不仅是检测引擎,更是构建网络空间主动免疫系统的基因密码" —— 该方法论实现了MANUS体系在网络安全领域的垂直深化,使安全智能体具备自我进化、主动防御、协同响应的新一代能力范式。
当首次接触DeepSeek构建的这一系列方法论时,觉得非常有新鲜感,很有创意,就像初次看到DeepSeek生成的那些赛博朋克感十足的内容一样。
毕竟我们脑子里装不了那么多的复杂结构。
说到这里,我其实在想一个问题:方法论是体系化思考的“桂冠”,是一种顶级智慧。方法论的创新肯定算一种创新,那么大模型产生的这种方法论算创新吗?
如果算,如果大模型让方法论产生的成本如此低廉的话,那么接下来,我们人类基于AI方法论创新的基础上,还能做些什么呢?
是嘲笑这些方法论里的AI味道?还是把这些方法论付诸于实践?
如果你是安全工程师,请在评论区输入1(支持AI方法论)或2(坚持人类智慧)。
恭喜你,又看完了一篇文章。从今天起,和我一起洞察安全与AI本质!这里是锐安全,今天就到这里,咱们下次再见! |
如果对我描述的安全世界感兴趣,可以翻翻我为你写的一本书,悄悄超过80%的人:
点击文末【阅读原文】,看到一个完整的安全系统
end
如果你对本文有任何建议,
欢迎联系我改进;
如果本文对你有任何帮助,
欢迎分享、点赞和在看
如果心生欢喜,不如做个长期朋友:)
参考资料:
[1]启明星辰安星智能体集群化MANUS化,开启安全智能体从组织到器官、系统的进化,2025-03-07.https://mp.weixin.qq.com/s/JTSkQrOaXxfXIOJmeBL0Yw
[2]Sam Altman详解通用人工智能五个发展阶段,展望未来科技新蓝图,2024-11-09.https://www.sohu.com/a/825260704_121798711
[3]一文搞懂DeepSeek - AI发展的五个级别,2025-02-18.https://mp.weixin.qq.com/s?__biz=MzkzMTEzMzI5Ng==&mid=2247493766&idx=1&sn=18d50cff2aa9a6015246c7ae1af988e4&chksm=c3fa98fd8f9026a9f943ca99e24ee76429e7ef2d3e5441740897a7bc72f7428fa060778176e3#rd
题图:方法论
题图创作者:晓兵与AI小助手
算法提供:FLUX/SD3.5
推荐站内搜索:最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
还没有评论,来说两句吧...