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

发布时间 2025-03-17

“让每一句人机对话都安全可信,让每一次智能交互都风险可控——这是属于AI时代的安全承诺。 —— 启明星辰”



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。


当前,Manus引发的热潮已超越技术本身,成为观察中国AI产业化路径的窗口。与DeepSeek的基础大模型技术突破型路径不同,Manus选择在应用层智能体突围。这种“从1到10”的创新能力或将重构人机协作范式,推动智能体从实验室走向真实生产力场景。这场由工程整合驱动的智能革命,正在为通用人工智能的产业化按下加速键。


一、“指月”公案



Manus刚一发布,推崇者、质疑者就纷至沓来。提问DeepSeek,回答总结了最近业界的主要争议:


• 技术原创性与工程整合之争:是否套壳,依赖第三方模型,工程能力VS原创性,复刻容易。

• 营销策略与传播真实性:饥饿营销、邀请码炒作,演示与体验落差,国内外传播差异。

• 技术路径与行业标准分歧:基础模型派VS应用派,伦理标准缺失,评估体系不统一。

• 产品成熟度与商业可持续性:早期产品不稳定,运行速度慢,崩溃问题,复现门槛低,大厂竞争风险。

• 伦理与责任界定问题:滥用风险如诈骗,责任划分不明确,缺乏法律框架。


图片1.jpg



禅宗有一个著名的“指月”公案。


公案有两种经典版本:


禅师版本:有修行者问禅师“何为佛法”,禅师不答,仅以手指向夜空明月。问者却误将“手指”当作佛法本身,忽略了手指指向的明月。
佛陀版本:佛陀说法时手指月亮,众人不解其意。佛陀解释道:“佛经如指向月亮的手指,目的是让你们找到月亮,但若只研究手指的粗细、颜色,便永远见不到真正的明月。”


尽管存在诸多争议和讨论,我们不一定要把注意力都聚焦在“Manus”这只手上。我们可以尝试去仔细观察审视一下这只手所指的月亮——AGI通用人工智能(Artificial General Intelligence);即使AGI遥不可及,是否可以看看月亮周围的星辰——API专业人工智能(Artificial Professional Intelligence)。


API专业人工智能聚焦在一个清晰边界内的专业领域内,比如:网络安全、日常Office办公、量化交易等,在领域内达成一定的通用智能。借鉴Manus给我们的提示,采用多智能体集群的大模型应用形态,可以解决单智能体难以负担的自主驱动的复杂API任务。


二、智能体集群化,从组织到器官、系统


一个单智能体就是最小的API专业人工智能,就像人体生理解剖学中细胞聚合而成的“组织”;


而多智能体的结构性组合就好像是人体生理解剖学中的“组织构成了器官”;


因为API专业人工智能具有数学上的一种“分形”特性,可以让API组成更大更强的API,让结构性的智能体集群形成好像人体中的“系统”(好像呼吸系统、消化系统、免疫系统等等)。


智能体集群化思想,以及衍生的结构问题、规模问题、能力问题(算力问题)、循环问题(数据和知识问题)、行动问题(工具问题)等等,都成为研究API专业人工智能乃至走向AGI通用人工智能的重要路径。


以智能体集群思想,对机构安全开展全面智能改造的主要思路就是两点:


其一,让基础安全能力原子化、工具化、智能体化;


其二,构建一个多智能体、智能体集群的安全体系。


启明星辰研判,当下和未来一段时间的安全智能化路径,应当走API专业人工智能、智能体集群的研究路线、产品路线和工程路线。


三、M·A·N·U·S,智能体集群的五大特征


就像人体有呼吸、消化、循环等等八大系统,结合最近几年的AI研究积累和“Manus的指月”,启明星辰提出API专业人工智能和智能体集群应当具有的五大特征(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 


1、M – Multi-Agent Synergy(多智能体协同)


多智能体、甚至是智能体集群一起协同完成智能任务。智能体集群模式可以让智能体拥有集中和分布的选择,可以实现智能体向数据靠拢、向访问者靠拢。智能体集群可以实现并行执行,也可以像人那样同时进行深度思考与肌肉反射。多智能体协同的结构多样性,让API专业人工智能具有了好像人体“器官”的复杂功能、人体“系统”的协调体系。


核心技术机制探索:


(1)通过分布式调度算法实现跨模型、跨工具链的动态协作,支持行业知识库与私有数据的混合调用。
(2)参考Manus的实践,多智能体系统采用规划-执行-验证三层动态调度机制。

    • 规划层:通过任务规划引擎将用户指令拆解为原子任务(如“生成财报”分解为数据清洗、模型训练、可视化等),并基于资源池动态分配智能体。

    • 执行层:各智能体独立调用工具API接口(如Python脚本生成、数据库查询),通过异步通信协议共享中间结果,避免资源竞争。

    • 验证层:验证输出结果,确保子任务正确执行。
(3)动态负载均衡,结合算力调度,智能体集群可根据任务复杂度动态调整资源分配。

    • 轻量任务(如数据查询)优先分配至边缘节点,降低延迟;

    • 高耗任务(如大模型推理)路由至云中心GPU集群,并通过弹性扩缩容控制成本。


2、A – Autonomous Execution(自主执行)


以AGI通用人工智能的高度要求,要求智能体要具有人类那样的自主性、甚至自我意识。而从API专业人工智能的角度,所谓自主执行只需能够在某个专业领域内接受长期或复杂的任务目标,并在执行中能够自我应对各种例外情况(而这些例外处理并不是程序员编好的),而在极端情况下可以再寻求人类的支持和接管。


核心技术机制探索:


(1)基于实时自动化工具构建,将用户指令转化为端到端工作流,通过大模型的function calling能力将工作流中的子任务转换为工具调用,对无工具调用的情况,实时构建代码工具:
    • 语义→代码映射:将工作流任务指令转换为详细的功能描述,再通过代码大模型生成可执行代码(如Python、SQL);
    • 动态调试:在沙箱环境中预执行代码片段,捕获异常后触发自修复算法(如变量类型推断、API参数补全)。
(2)闭环反馈机制。通过强化学习奖励函数优化执行路径:
    • 正向反馈:任务完成时间、资源消耗等指标达标时,强化当前策略;
    • 负向反馈:失败任务触发根因分析模块,自动生成改进方案并更新知识库。
(3)多智能体的自主执行,涉及智能体之间的调度关系。至少有两大类趋向:
    • 主从调度关系。存在一个智能体是主master,由其来调度其他的从智能体slaver。
    • 令牌调度关系。没有一个固定的主智能体,而是多个智能体在某种规则下转移主智能体身份。整体执行的还是主从调度。
    • 对称调度关系。不存在一个绝对的主智能体,而是通过多个智能体各自的自主执行和相互通讯来形成一种平衡调度。


3、N – Natural Interaction Framework(自然交互框架)


自然交互框架,里面涉及人与智能体集群的交互,以及智能体之间的交互。这里主要阐述的是人与智能体集群交互的“自然”,包括“自然语言”和其他可称之为自然的交互方式(类似人与人的那些交互方式,比如手势)。


核心技术机制探索:


(1)自然语言深度理解
    • 突破字面语义解析,识别隐喻、幽默等文化语境(如识别学生作业中的讽刺表达)
    • 结合情感计算模型分析用户情绪状态(如在线教育中检测学习者挫败感)
(2)多模态交互设计
    • 支持语音、手势、触控等混合输入方式
    • 动态调整交互风格适配用户特征(如为儿童提供拟人化语音反馈)
(3)认知共情模拟
    • 通过记忆强化网络构建用户画像(记录偏好、知识盲点等)
    • 生成带情感温度的输出(如心理咨询AI的安慰性回应)


4、U – Unified Tool & Application Interface(统一工具与应用接口)


人类区别于动物的两件重要的事情,一个是使用语言,另一个是使用工具。一个智能体集群,其工具集应当是一体化的。而且工具的向上接口应当是标准的、统一的。


核心技术机制探索:


(1)协议抽象层,参考 UniApp跨平台方案,通过以下技术屏蔽底层差异:
    • 标准化描述语言:使用OpenAPI规范封装异构工具(如REST、gRPC、GraphQL),开发者仅需声明输入输出格式;
    • 自适应路由:根据运行时环境(如iOS/Android/Web)自动选择最优通信协议。
(2)热插拔扩展机制
    • 模块化加载:新增工具(如HuggingFace模型)只需实现标准接口类,无需修改核心代码;
    • 依赖隔离:通过容器化部署避免版本冲突,确保不同版本大模型可并行调用。
(3)在一些复杂功能还暂时难于封装为工具的时候,可以将大型App应用通过API接口规范来联接调用。
(4)工具链基座与知识编织层难以割裂,而知识层与工具调用层的统一化标准化,可以形成一个“Unified Cognitive Fabric统一认知架构”。


5、S – Secure-Compliance Mesh(安全合规网格)


在一个复杂的智能体集群中,必然有一些智能体是专司安全和合规功能的;一个大范围的智能体集群中,必然有一些安全基座提供贯穿全局的安全服务和安全规制。


核心技术机制探索:


(1)零信任策略网格
    • 四维权限模型:结合主体(用户/应用)、客体(数据/API)、环境(时间/位置)与操作(读/写/执行)动态鉴权;
    • 微隔离:每个API调用均经过最近的策略执行点(PEP)验证,防止横向渗透。
(2)合规自动化
    • 规则引擎:将GDPR、HIPAA等法规转化为可执行策略(如“患者数据存储≤90天”);
    • 证据链生成:记录和审计操作日志,支持一键导出审计报告。


M·A·N·U·S的一些逻辑关系


在智能协作层:Multi-Agent Synergy多智能体协同,驱动Autonomous Execution自主执行的任务分解。
在认知融合层:Unified Tool & Application Interface统一工具和应用接口、Natural Interaction自然交互框架,分别提供到世界、到人的联接。
在治理防护层:Secure-Compliance Mesh安全合规网格,为所有层提供安全与合规约束。


M·A·N·U·S术语体系完整覆盖了从智能协同(M/A/N)到认知融合(U)再到安全治理(S)的技术闭环,每个术语既独立承载核心价值,又通过架构设计形成有机整体。


 M·A·N·U·S 就像AI智能体的新DNA密码。


“MANUS is the New DNA of AI Agents”。


四、充分认可M·A·N·U·S代表的智能体集群方向


AI赋能网络安全,从一开始就不是简单的语言类大模型应用。从一开始就直接深入到智能体应用的层次。启明星辰在发布了九天·泰合安全大模型之后,很快就发布了安星安全智能体。在2024年一直在致力于推动安全产品、安全能力逐步向智能体转化。


在今年春节前后的DeepSeek热潮开始后,更是将DeepSeek深度融合到安全智能体的改造和开发中。下面就是春节后一个月的时间,启明星辰在安全智能体领域的产品发布和技术研究:


• 启明星辰全面对接DeepSeek大模型,全场景智能化安全再升级

• 新赛道 | 启明星辰发布MAF大模型应用防火墙产品,提升DeepSeek类企业用户安全

• DeepSeek赋能TAR,打造全流量威胁检测技术新范式!

• 叠加DeepSeek多模型基座,启明星辰安全运营实现跃升

• 新赛道 | DeepSeek引爆企业AI应用,启明星辰发布MASB定义大模型访问安全

• 新赛道 | DeepSeek引爆安全刚需,启明星辰发布MAVAS大模型安全评估系统

• 启明星辰发布大模型应用安全“新三件套”,奠基“后DeepSeek智能时代”的安全基石

• AI原生安全访问基座:产业演进视角下的MASB跃迁

• SaaS化星辰云MAVAS大模型安全评估服务,守护“后DeepSeek智能时代”的稳健防线

• 后DeepSeek智能时代,启明星辰“大模型应用安全超融合服务”让安全与业务同频共舞

• DeepSeek让安全火力重部署!【大模型安全运营前哨基地】向前推进效能边界

• 启明星辰发布《AI-R-IAM AI就绪的大模型身份与访问管理白皮书》(附下载链接)

• 启明星辰发布《AI-R-SDLayer AI就绪的安全数据通层白皮书》(附下载链接)

• 启明星辰发布《AI-R-SOCC AI就绪的安全合成管理中心白皮书》(附下载链接)

• 新赛道 | 启明星辰发布“大模型访问脱敏罩”,客户安心面对DeepSeek引爆的访问安全刚需

• AI赋能再升级!启明星辰态势感知平台深度适配DeepSeek,打造自主可控安全基座

• ……


而在三月初之后,启明星辰更是将安全产品和安全能力的进化方向与智能体集群化、M·A·N·U·S化结合在了一起,开启了新的创新格局。


• 《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》

• 《安全瞭望塔,MANUS化的威胁情报智能体集群》

• 《大模型应用安全资源池, MANUS化的全效防护智能体集群》

• 《生成式蜜罐,MANUS化欺骗式防御集群中的新智能体》

• 《安全运营前哨基地,一个MANUS化的运营智能体集群》

• 《一个MANUS化智能体集群的安全体系架构方案:构建“感知-分析-验证-预警”自主闭环》

• ……