18.5 万个 Star 之后，AutoGPT 为什么没成为第一个 Manus？

AI产品考古 · 2026-09-05T09:00:21

2023 年 3 月，GPT-4 发布没多久，一个叫 AutoGPT 的开源项目突然冲上 GitHub 热榜。 它和 ChatGPT 最大的区别是： ChatGPT 每做一步，都要等人继续发指令。 AutoGPT 只需要一个目标。 比如“研究新能源汽车市场，并写一份报告”。它会自己拆解任务、搜索资料、读取网页、整理信息、保存文件，然后判断下一步应该做什么。 一个任务完成后，它还会继续调用自己，直到认为目标已经实现。 这是很多人第一次看到“AI Agent”。 当时的演示视频里，AutoGPT 可以自己开发网站、调查竞争对手，甚至尝试建立一家能够赚钱的公司。 它的 GitHub Star 很快突破 10 万。有人相信，数字员工已经提前到来：以后人只需要说出目标，AI 就会接管剩下的工作。 但真正把 AutoGPT 安装到电脑上，体验通常没有演示视频那么美好。 它可能搜索了十几个网页，却忘了最开始要解决的问题。 它可能不断修改同一份计划，在几个错误答案之间循环。 它也不知道什么时候应该停下来。有用户只是让它完成一个简单任务，最后得到的不是结果，而是一张不断增长的 OpenAI API 账单。 AutoGPT 最大的问题不是想法错了，而是出现得太早。 2023 年的大模型上下文还很短，工具调用没有成熟的标准，长期记忆只是简单地把历史内容存进向量数据库。 模型本身的一次误判，放进自动执行的循环里，就可能被连续放大十几次。 ChatGPT 出错一次，人可以立即纠正。 AutoGPT 出错一次，可能带着错误继续规划、搜索和执行。 它给了 AI 最大的自主权，却没有同时给人足够的控制权。 热度过去之后，普通用户很快离开了。安装 Python、配置 API Key、处理报错，再盯着终端确认 AI 有没有失控，这并不比自己完成任务更省事。 AutoGPT 没有成为人们想象中的数字员工。 但它留下了一张非常重要的产品图纸： 接受目标、拆解任务、调用工具、观察结果、重新规划，然后继续执行。 后来出现的 Manus、Claude Code 和 Codex，本质上都在解决这套循环里的问题。 更强的模型降低了连续犯错的概率；浏览器和代码沙箱提供了稳定的执行环境；权限确认、任务进度和人工接管，让用户随时知道 AI 正在做什么。 真正让 Agent 变得可用的，不是让它拥有更多自主权，而是让它的每一步都更可靠、更可控。 AutoGPT 并没有消失。现在它已经转向一个用于创建、部署和管理 Agent 的平台，GitHub 仍有约 18.5 万个 Star。官方项目 它没有成为第一个 Manus。 但在所有人还把大模型当成聊天机器人时，AutoGPT 已经提前告诉了世界： AI 不会永远坐在对话框里等你的下一句话。 有些产品是因为做错了而失败。 还有一些产品，只是比它真正能够成立的时代早到了两年。