MANUS和启明MANUS都不是AGENT，安全行业到底该如何创新？

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）。

题图：方法论

题图创作者：晓兵与AI小助手

算法提供：FLUX/SD3.5