复刻Manus后，CAMEL-AI探讨Agent协作发展新趋势

AI领域的这波Agent热潮，可谓一波未平一波又起。3月2日，锦秋基金被投企业Pokee AI推出的全新通用Agent演示Demo，已在海外社交媒体引发广泛关注；紧接着，3月5日晚，Manus的Demo正式亮相，瞬间刷屏全网。而到了3月7日，DeepWisdom MetaGPT团队与CAMEL AI团队几乎同时出手，分别开源了OpenManus和OWL两个项目，直接复刻了Manus的技术方案，推动相关话题热度在GitHub社区和中文互联网持续发酵。

要知道，这件事还得从推理模型的爆发说起。当推理能力大幅提升后，Agent（智能体）的应用边界才真正被打开。而CAMEL-AI团队的动作尤其敏捷，依托前期积累的技术基础，他们在Manus发布当天就完成了OWL的研发工作，打造出一个“云端超级虚拟打工人”，并刷新了GAIA Benchmark，取得了58.18%的优异成绩。

这背后折射出的，其实是两个核心判断：一是Agent的底层技术正在快速走向成熟，二是开源社区的协作效率已经形成了一种全新范式。你看，从演示到开源复刻，中间只隔了两天——这种节奏放在前些年几乎无法想象。

就在3月11日下午13:30，锦秋基金特邀CAMEL-AI.org社区创始人李国豪，分享本次OWL的研发历程，以及Agent技术接下来的演进趋势。

Agent领域的这波热潮，究竟热在哪里？

先说说背景。推理模型的迭代，为Agent的自主决策能力提供了底层支撑。过去Agent的“聪明”更多依赖规则与模板，而现在的Agent能够基于强大的推理链，逐步拆解任务、调用工具、处理异常、交付结果。这一变化的速度，超出了许多人的预期。

而开源社区的快速跟进，进一步加速了技术扩散。OpenManus和OWL两个项目几乎同时亮相，一个有MetaGPT团队背书，一个来自CAMEL-AI这样的顶级研究社区。它们并非简单复制，而是在复现核心功能的同时，各自融入了自身的技术积累与创新。

复盘Manus的复刻之路：OWL项目的技术底牌

OWL的研发效率之所以令人印象深刻，核心在于CAMEL-AI此前已做了大量基础铺垫。例如，他们在自主智能体、图形机器学习与计算机视觉领域的长期积累，使得复刻工作更多是对现有能力的整合与适配，而非从零开始的探索。

此外，GAIA Benchmark 58.18%这个成绩也值得深思。它意味着Agent在通用任务处理能力上，已经跑出了一个有意义的分数。这不仅是技术层面的突破，更标志着从“实验性玩具”向“可落地工具”的转折点。

具体而言，一个能够跑通GAIA benchmark的多智能体协作系统，至少需要在任务分解、工具调用、结果验证这三个环节实现闭环。这就像团队中的项目经理、执行人与质检员——每个角色各司其职，才能交付完整的结果。

这位嘉宾不简单

李国豪，CAMEL-AI.org社区创始人。他曾与牛津大学Philip Torr教授合作担任博士后研究员，在阿卜杜拉国王科技大学（KAUST）攻读博士期间，还创立了DeepGCNs.org，致力于研究GNNs（图神经网络）的Scaling Laws。他的研究重心涵盖自主智能体、图形机器学习、计算机视觉与具身AI领域，这些方向至今仍是Agent技术最底层的支柱。

他在顶级会议和期刊上发表过多篇论文，但更令人关注的，是他如何将这些学术成果转化为开源社区中可复用的工具与能力。

本次分享的看点

根据安排，本次分享会将重点聚焦以下几个方面：

第一，OWL的研发工作——包括复刻过程中的技术难点、选型逻辑，以及如何在短时间内完成高精度复刻。

第二，CAMEL-AI在Agent研究方面的核心成果——尤其是多智能体协作、任务规划与工具调用这几个关键板块。

第三，站在当前时间节点，智能体、多智能体以及智能体协作体系的未来发展趋势。这一部分很可能最有深度，因为李国豪团队长期深耕该领域，对技术走向的判断往往拥有超出市场共识的独到视角。

分享定于3月11日13:30-14:30（GMT+8），通过Lark/飞书视频会议进行。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：复刻Manus后，CAMEL-AI探讨Agent协作发展新趋势要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题