登录后可在本页提交运行截图和项目介绍。
背景
Manus 是人工智能公司蝴蝶效应（Butterfly Effect）于 2025 年 3 月 5 日晚发布的通用智能体，当时以早期预览版提供。季逸超在发布介绍中说明，这一名称来自拉丁语 Mens et Manus，意为心智与手。使用者给出任务后，Manus 在云端环境中继续执行，可以完成筛选、检索和分析，并将结果交给用户。用户关闭自己的设备后，任务仍可在云端进行。发布介绍中的例子包括筛选简历、挑选房产和分析股票。
Manus 调用已有的大模型完成这些步骤，其中包括 Anthropic 的 Claude。季逸超将产品的技术路线确定为上下文工程，在已有大模型之上组织任务、工具与上下文。发布时，团队报告 Manus 在 GAIA 基准上取得领先成绩。2026 年 9 月发布的 Manus 2.0 采用名为 Cascade 的智能体框架。
Manus 的主要开发者是季逸超（Peak Ji）。他 1992 年生，毕业于北京信息科技大学，任蝴蝶效应联合创始人兼首席科学家，并设计了 Manus 的智能体框架。该公司创始人为肖弘。
季逸超在高中阶段开始开发苹果应用，并独立完成 iPhone 浏览器猛犸（Mammoth）。《福布斯》中文版记载，猛犸当时是个人开发的 iPhone 浏览器中下载量最大的产品。猛犸 4 获得 Macworld Asia 2011 Award 特等奖。此后他创立 Peak Labs，获得真格基金与红杉中国的投资，开发了结合知识图谱与语言模型的搜索引擎 Magi。2012 年 3 月，19 岁的季逸超登上《福布斯》中文版封面，并入选该刊“中国 30 位 30 岁以下创业者”。2025 年，他入选《麻省理工科技评论》“35 岁以下科技创新 35 人”（Innovators Under 35）。
本项目要求学生安装一个开源智能体，由它完成一项可以检查的任务。图像识别的全流程对应 Manus 所演示的工作方式：由智能体持续执行数据准备、编写代码、训练、完成网页、测试并撰写文档，随后将结果交付出来。下文以猫狗分类为例，也可以选用其他类型的图像。
一、任务
安装一个开源 AI Agent，由该智能体完成图像分类的全流程。推荐 smolagents。选用其他开源智能体时，须使大模型能够编写 Python、执行，并根据执行结果继续下一步。下文以猫狗二分类为例，也可以选用其他类型的图像进行分类识别。
训练脚本、推理、本机网站、测试和文档由智能体生成并执行。学生负责安装智能体、下达任务、检查产物是否齐全。
二、什么是智能体
智能体接到任务后，自行决定下一步，调用工具或执行代码，观察返回结果，随后继续，直到交付结果。聊天程序在一轮对话中给出回答。智能体将后续步骤继续完成。
本课程所说的智能体，由大模型和一个执行循环组成。大模型根据当前任务和已获得的结果提出下一步。执行循环运行这一步，随后将输出送回模型。下一步可以是调用事先定义的工具，也可以是一段 Python。
smolagents
smolagents 是 Hugging Face 的开源 Python 库，使用少量代码实现上述循环。本项目推荐安装它。库中有两类智能体：
CodeAgent：模型将下一步写成 Python，由库执行。循环、计算和将多个步骤连接起来时使用这一类。ToolCallingAgent：模型按 JSON 调用事先定义的工具。库不执行任意 Python。
模型可以换成兼容接口上的已有模型。学生可以自选国内商业大模型。
有代表性的开源智能体
下表收自 GitHub 与 Hugging Face 文档中仍在更新的 Python 项目。本项目安装其中一种即可，推荐 smolagents。
| 名称 | 仓库 | 说明 |
|---|---|---|
| smolagents | Hugging Face | 模型将动作写成 Python 后执行，也可以按 JSON 调用工具。文档在 Hugging Face。Apache-2.0。 |
| OpenAI Agents SDK | OpenAI | 使用代码组织多个智能体，一个智能体可以将任务交给另一个。MIT。 |
| LangGraph | LangChain | 使用带状态的图写出步骤和分支，中断后可从已完成的步骤继续。MIT。 |
| CrewAI | crewAI | 按角色组织多个智能体，由它们分工完成一项任务。MIT。 |
| OpenHands | OpenHands | 面向软件开发。在环境中修改代码并运行命令。MIT。 |
| SWE-agent | SWE-agent | 读入一项代码仓库中的议题，由模型修改代码并尝试完成修复。MIT。 |
三、安装智能体
使用 Python 3.10 及以上。在课程已有的开发环境中安装 smolagents：
pip install smolagents对话接口调用国内商业大模型，学生可以自选，例如阿里云百炼上的 qwen3.7-flash。密钥放在环境变量中，源代码和文档中不出现密钥。
安装完成后，在终端确认可以导入：
python -c "import smolagents; print(smolagents.__version__)"四、图像识别全流程
下表以猫狗图像二分类为例。也可以选用其他类型的图像进行分类识别，类别不少于两类；数据来源、类别名称和网站返回的文字随所选图像更换，数据、训练、推理、网站、测试和文档这六个步骤保持不变。将所选任务的范围写入给智能体的任务说明。一次运行超过时间时，可以分成多次执行；后一次使用前一次留下的文件。
| 步骤 | 要求 | 留下的文件 |
|---|---|---|
| 1. 数据 | 使用 torchvision.datasets.OxfordIIITPet，按二分类标签分成猫和狗，每类抽取 200 张作为训练集。 |
图片目录，以及每张图所属类别的清单 |
| 2. 训练 | 调用 PyTorch 编写小型卷积网络，训练 2 个 epoch，并记录损失。 | model.pt，训练脚本 |
| 3. 推理 | 另行选取未进入上述 400 张训练集的猫、狗图片各 1 张，使用 model.pt 输出类别。 |
两张测试图与推理结果 |
| 4. 网站 | 使用 Flask 在本机 127.0.0.1 提供页面，上传一张图片后返回所分的类别。下例返回猫或狗。 |
网站脚本，以及启动命令 |
| 5. 测试 | 向本机地址发送上述两张测试图的请求，核对返回类别与推理结果一致。 | 请求与返回的记录 |
| 6. 文档 | 使用中文写明数据来源、网络结构、2 个 epoch 的损失、启动命令和测试结果。 | report.md |
五、检查时须能看到的材料
- 智能体名称、版本，以及所使用的模型名称。
- 运行记录：smolagents 的
agent.logs，或同等的逐步终端输出，保存为agent-log.txt。 model.pt、训练脚本、两张测试图、Flask 脚本。- 本机页面能够打开，上传图片后返回所分的类别。
report.md。
文档和源代码中不出现 API 密钥。
六、提交
登录后在本页提交。请上传能够代表系统运行的截图，以及项目介绍 Markdown 文件。