我从 Manus 最后的三小时访谈中学到的

Manus 最后的访谈视频

关于创业

• 破解自己的软件在论坛发：赔钱赚吆喝，哈哈哈哈哈哈哈哈。
• 解决当前现实环境有制约的问题：如网速慢、Token 贵、上下文短等。
• 核心公式：出海 + AI + 变现。
• 目标与技术：只有技术解决不了非技术问题，比如数据积累和习惯改变。
• 面对新技术：当新技术的出现将要杀死我时，应该毫不犹豫地加入。
• 现金流：要有稳健的现金流。在开启第二曲线时，要既大胆又理智。
• 迭代方式：在不确定时，去做自下而上的迭代。技术永远追不上产品经理和需求，而技术方向可能会被需求影响。产品做得好可以对技术提需求，产品的迭代更快且成本更低，可以更好地做尝试。
• 身心健康：你必然受挫，所以身心健康很重要。打不死的终将让你变得更强大。
• Benchmark：对于人和产品的 Benchmark 决定公司和产品该走的方向。做擅长的事情。
• 交叉领域：做自己最懂的多个事情的交叉，比如最懂用户在浏览器中如何使用 AI（浏览器 + AI）。
• 破圈与门槛：分析产品用户群，研究如何破圈。降低门槛，如浏览器插件需要技术背景，普通人较难使用。将技术复杂度包装起来，让用户无需被约束。
• 决策机制：方向独裁（优先级由专制加民主，一人拍板），方案民主（可选方案的数量可能比质量更重要，要有决策空间，不要下注）。
• 行动力：与其悬而未决，不如赶紧试试。既往经验可能不管用。
• 演进方向：自上而下 -> 自下而上。
• 用户门槛：不要对用户有要求，比如需要特定硬件或系统架构。
• 效果优先：做真正有价值的任务，做用户不愿意做的事情。
• 产品品味：自己都觉得不好用、不酷的产品，就别拿出来了。维护没人用的产品会扼杀真正有用产品的诞生。
• 专注：不做什么很重要。
• 壁垒：别问壁垒，快就是壁垒。
• 团队：投票是异化团队，目标必须一致。

关于 Agent

• 量化收益：所有的事情都应该有一个 Benchmark。
• 环境边界：环境决定了 Agent 在真实世界做事的边界（如 Windows vs Linux）。
• 上下文管理：模型需要压缩，而不是超长的 Context。上下文过长后，在经济、效率和效果上都不划算。建议：只用最前面的 30%，一次只解决一个任务；解决不了则归纳，再从空白上下文中读取归纳继续任务。

关于产品的演进

• 数据驱动：要有数据思维 + 空画布。
• 数据来源：通过初步的 PMF 得到数据。
• 空画布：交给用户来画。不改变用户习惯，而是观察用户如何使用（Context）。

演进示例

• 用户通过与 LLM 对话生产代码 -> Code 产品
• 用户阅读网页与浏览器 LLM 插件对话并进行后续任务 -> Manus
• 用户使用 LLM 生成命令并复制到终端 -> Warp
• 用户使用浏览器调研并复制到 LLM 摘要 -> DeepResearch

产品的发布

• 时间节点：在技术跃迁时，将最强能力集成到产品中，享受技术外溢带来的代际提升，作为划时代产品发布。
• 品味衡量：选择 ARR 作为 Benchmark，商业化就是你的品味。
• 通用 vs 垂直：通用是垂直的底座。通用转垂直容易，垂直转通用难。垂直可能被通用吃掉，且使用频次低。通用能解决垂直任务后的长尾需求（如调研后的 PPT 构建、邮件发送）。
• 需求导向：做用户 Case 的垂直，而不是理想中的垂直。
• 正增益：帮原本做不到某事的人做到，这是正增益。对于专业用户，自动化要求极高（不是 99 分就是 0 分）。

名词解释

• EIR (Entrepreneur in Residence)：“驻场创业家”。由风投机构聘请的专家，在内部孵化项目、帮助投资公司或寻找创业机会，是 VC 与创业者之间的桥梁。