季逸超：从浏览器到 Manus，智能体产品的一年

张小珺在 2025 年 12 月 1 日采访 Manus 联合创始人季逸超。节目发布说明称录制后 Meta 宣布收购 Manus；访谈本身是在该事件之前录制的。

季逸超回忆早期开发浏览器和应用的经历：海外付费渠道、国内用户反馈与创业环境共同影响了他的产品选择。

他后来对自然语言处理产生兴趣，原先的浏览器随着系统更新逐渐停止维护。他把第一款产品的国际用户和付费经历视为重要起点。

他回忆早期模型和一个叫 Maggie 的项目：团队尝试让系统阅读网页、组织知识，并面对当时上下文长度有限的问题。

回顾上一段创业，他认为自己更喜欢技术与产品工作，不喜欢承担 CEO 的商业化和人员管理职责，因此希望找到互补的伙伴。

他讨论寻找 AI 产品方向的过程，也认识到产品团队不能只等模型进步，而应明确用户真正需要什么。

在他看来，模型迭代充满不确定性，先找到产品需求和相对稳定的体验，再考虑训练模型以提升稳定性或降低成本，是一种可选路径。

他认为创业会反复受挫，团队需要保持身心状态和冷静判断，才能从失败中调整。

团队曾尝试从 Monica 浏览器插件转向独立浏览器，希望突破插件分发和设备端能力的限制。

但他们随后反思，用户从成熟浏览器迁移的成本很高；即使产品有新功能，也不一定足以改变习惯。

他回忆团队开始转向 Manus，并分享公司对产品增长的描述。节目中提到的收入指标来自受访者自述，未在访谈中独立核实。

团队观察到非工程师使用编程工具完成写作和数据分析。他们由此设想：代码可以成为完成任务的中间工具，不必是用户看到的主要界面。

他希望智能体在云端异步运行，让用户不必持续等待，并能够同时安排多个任务。实际体验仍取决于任务质量、速度和可靠性。

他区分聊天产品和智能体系统：除了用户和模型，智能体还需要运行环境、工具和与外界交互的方式。

他用长尾需求说明通用工具的价值：某些用户需要处理特殊文件或跨多个步骤完成工作，单一固定功能未必覆盖这些情况。

他把用户、模型和运行环境视为系统边界，并说团队为任务提供隔离的沙盒。隔离能力仍需要具体安全设计和验证。

关于成本，他说多步骤智能体任务可能反复读取上下文，因此 token 用量和成本结构可能与简单聊天不同。具体比例取决于任务和实现。

他讨论长任务中的上下文压缩：系统需要保留关键状态，同时让模型知道部分历史已被概括，避免把压缩当作信息凭空消失。

他认为适合数学或竞赛的推理方式未必直接适合所有智能体任务，行动、观察与适时推理的组合需要实际评估。

他提及远程工作类基准，认为是否能完成客户愿意付费的任务很有意义，同时承认当时成绩距离全面可靠仍有很大差距。

他描述用户纠正智能体和调整结果的反馈，认为这些信息能帮助团队改进系统，但如何收集和使用应考虑用户授权与隐私。

他回忆发布时主要面向海外用户，并回应外界对宣传的质疑。这些是其个人和公司立场。

他把智能体的持续计算成本与传统低边际成本软件比较，认为公司必须考虑任务质量、定价和长期经营之间的关系。

谈产品定位时，他强调部分用户愿意为更高质量付费，并认为用户可能同时使用多个 AI 工具。这反映受访时的商业判断。

他举图表渲染错误为例：与其只修复一个固定错误，团队可以让系统检查图片并尝试发现更广泛的问题，但这种自检也需要验证。

他认为做智能体同时涉及面向人的产品和面向模型的工具环境，两者需要通过技术架构连接。

他介绍团队将沙盒、智能体工程、评估和研究等工作分工，以支持系统运行和迭代。

他表示团队并非没有研究人员，而是更多依托外部基础模型，把内部研究放在上下文、工具和系统问题上。

他区分参数更新意义上的在线学习、个性化和持续学习，提醒这些术语解决的问题并不完全相同。

回顾 Manus 的一年，他认为全球竞争要求持续学习，也坦言快速增长伴随计算投入和组织复杂性。

他设想异步智能体可能改变用户注意力与产品使用之间的关系，但也承认尚不清楚长期约束会是什么。

最后他谈到潜空间推理等研究方向，把它们视为值得探索的可能性，并未将研究设想当作已解决的问题。