如果你还在抢 Manus 的邀请码，现在可以停下来了。国内开源平台 CAMEL AI 今天带来了一个重碼消息：Manus 的开源复制版「OWL」已经正式启动！

OWL 不仅仅是 Manus 的替代品，在 GAIA Benchmark（评估通用 AI 助手能力的标准测试）上，它的性能达到了 57.7%，超越了 Hugging Face 提出的 Open Deep Research（55.15%）。

GitHub 项目地址：https://github.com/camel-ai/owl

OWL 如何复制 Manus？CAMEL AI 的逆向工程之旅

为了让 OWL 进化成真正的 全自动多智能体打工神器，CAMEL AI 进行了 Manus 技术路线的逆向工程（Reverse Engineering），并正式启动了深度复制计划。

在这个过程中，他们将 Manus 的核心工作流拆解为 6 大步骤，完整复现了 AI 代理的工作模式：

OWL 的 6 步核心工作流

1. 启动 Ubuntu 容器 🖥️——相当于给 AI 代理提供一个远程工位。

2. 知识召回 📚——智能体会检索并复用过去学过的知识。

3. 连接数据源 🔗——支持数据库、网盘、云存储等多种数据对接方式。

4. 数据挂载到 Ubuntu 📦——AI 代理正式开始数据处理工作。

5. 自动生成 todo.md 📝——智能体会自动规划任务，并生成 To-Do 清单。

6. Ubuntu 工具链 + 外部工具协作 🛠️——智能体调用一整套工具链，全流程自动执行任务。

从技术框架、工作流程到核心能力，CAMEL AI 几乎把所有内容都开源，完整代码已经上传到 GitHub，感兴趣的开发者可以自行跟进。

OWL：多智能体协作的新范式

多智能体协作系统（Multi-Agent Systems）正成为任务自动化的新方向。OWL（Optimized Workforce Learning） 由 CAMEL-AI 开发，旨在构建一个强大的多智能体协作框架，使 AI 代理能够相互配合，自主完成复杂任务。本文将介绍 OWL 的核心功能、技术实现，并提供一个快速上手的 Demo，帮助你了解它的强大之处。

为什么需要多智能体协作？

传统 AI 系统大多是 单智能体（Single-Agent）架构，例如 ChatGPT 或 Copilot，它们善长处理单一任务，但在涉及多个角色、需要不同技能的复杂任务时，单智能体的局限性便显现出来。

想象一下，你希望 AI 代理帮你撰写一份市场报告，其中涉及数据分析、文案写作和设计排版等多个环节。传统 AI 可能只能处理其中一个任务，而 OWL 通过 多智能体协作，可以模拟多个专家 AI，各取所长，像团队一样高效配合，最终交付完整的成果。

技术实现：OWL 如何运行？

OWL 提供了简单的安装流程，让开发者可以快速搭建环境并运行示例。

🚀 快速开始

运行以下最小示例：

python owl/run.py

🧪 实验

我们提供了一个脚本用于复现 GAIA 上的实验结果。
你可以查看 run_gaia_roleplaying.py 文件，并运行以下命令：

python run_gaia_roleplaying.py

未来展望

OWL 作为一个开源框架，仍在不断发展。未来，团队计划：

• 提供更高级的自适应智能体；

• 扩展工具生态系统，使 OWL 可以与更多外部 API 和数据库进行集成；

• 加强多智能体之间的交互协议。

OWL 的意义：开源多智能体协作的新突破

OWL 作为 Manus 的开源复制版，不仅仅是一个「替代品」，它更代表了开源 AI 生态在多智能体协作（Multi-Agent Collaboration）领域的新突破。多智能体协作框架将成为未来生产力工具的重要组成部分。

GitHub 地址：GitHub - camel-ai/owl: 🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation