عميل عام مقابل عميل عمودي | أصلي، ترجم بواسطة AI
مانس يُزعم أنه أداة عميل AI عامة، ولكن من المرجح أن لا يعمل بشكل جيد.
سبب واحد هو أنه rất بطيء، حيث ينجز عملاً غير ضروري ويعاني من عدم فعاليته. سبب آخر هو أنه إذا واجهت مشكلة معقدة أو اصطدمت بضعف، فإنك من المرجح أن تفشل في عملك.
تسير عمال عمودية بشكل جيد لأنها مخصصة بشكل عالي. وهي مخصصة للعميات التحديدية للغاية. هناك عشرات قواعد البيانات وأكثر من مئة من إطاريات تطوير الويب مثل سبرينغ. وهناك أيضًا عشرات الإطارات الويب، مثل فيو أو رياكت.
تسير ديفي في استخدام AI للاتصال بالأنشطهات، باستخدام طريقة kéo-توصيل لإخضاع أنشطهات AI. عليها الكثير من العمل للاتصال بالمعلومات@Data$data$data.
بنيت بعض عمالتي البسيطة أيضًا، مثل عميل تحسين كود بيثون، عميل إصلاح غرامات، عميل إصلاح الأخطاء، وعميل دمج مقالات.
كودًا هو مرن للغاية. لذلك، يغطي دفيف جزءًا صغيرًا من فضاء الأفكار المحتملة.
يؤدي مانس إلى أداء المهام وتظهر للusers كيفية عملها من خلال استخدام طريقة VNC لبيان حاسوب.
أعتقد أن مستقبلنا سينتهي على هذين الاثنين من approaches.
لمانس، تحتاج إلى تحميل الكود أو النص لإعداد المهام، وهذا ليس مريحًا. مع دفيف، تحتاج إلى بناء أنشطهات باستخدام kéo ودفع، Similar to MIT Scratch.
لماذا ليس Scratch شعبيًا مثل Python؟ لأنه مع Python، يمكنك أن تفعل أشياءً كثيرة، بينما Scratch limited to simple programs for educational purposes.
probably has similar limitations.
can mansa many simple tasks. However, for some tasks, especially those that hit Manus’s weaknesses, it will fail.
also, many programs or services take time to set up. In Manus’s approach, this process is slow.
as a programmer, use AI with Python to build my vertical agents. This is the simplest approach for me. I can also set up prompts and contexts to ensure relatively stable output from LLM APIs.
مانس ودفيف also built with these llm APIs. Their advantage is that they already have a lot of tools or code ready to use.
if I want to build a twitter bot agent, using Dify might be more convenient than building it myself with open-source technologies.