一个周末，我们的编辑部吵得不可开交。

有人说，该让人工智能帮我们干活；有人反对，说AI根本无法胜任一整天的工作。

这个争论让我们萌生了一个大胆的想法：为什么不试试呢？

于是，我们决定邀请Manus来我们编辑部，做一天实习生。

Manus一登场，就给了我们一个下马威。

第一次启动时，服务直接宕机，几分钟后才恢复。

你能想象那种期望满满却被现实打脸的感觉吗？

我们本来兴致勃勃地要见证AI的高效表现，结果不得不看着屏幕傻等修复。

接下来的几个小时里，Manus频繁停滞，经常需要我们手动重置。

不过，当Manus跑起来之后，它的表现还是让我们挺惊讶的。

尽管常常需要重置，但它做事的效率却不一般。

就拿做PPT这一任务来说，以前我们需要花上好几个小时，各种汇总资料、排版、修改。

而Manus呢？

不到半小时就搞定了，虽然中途崩溃过几次，但我们还是感受到它带来的效率提升。

为了全面测试Manus的能力，我们决定让它帮忙处理一些基础却繁琐的工作。

一个同事递给它一份2.8万字的访谈录音，要求只整理不删减，逐字逐句把录音转化为文字。

以往我们至少要跟模型交互十几次才搞得差不多，而这回，Manus似乎压缩了所有步骤，一次性完成了初稿。

可是，高效率背后问题也不少。

Manus在执行过程中，经常因为Token消耗过多中途罢工。

我们发现，最终它只输出了约3800字，前面大部分内容都丢了。

已经完成的部分，语气和信息还是较为准确的。

可以说，Manus在某些方面确实省时省力，但依然需要人工的校对和二次处理。

对于任何媒体来说，新闻是头等大事。

我们让Manus试试完成一篇新闻写作任务。

这就要求它能够及时筛选靠谱的信息源，进行重要性分析，最后撰写新闻稿。

Manus开始挺顺利，但在访问某些网站时却被验证码挡住了，这时它只能求助人类接管。

尽管如此，Manus还是在9分钟内输出了5条最值得关注的新闻，全部来自可靠的新闻源。

它甚至还写了一篇关于自己的新闻稿，逗得我们哈哈大笑。

虽然文风略显单一，但在我们提出修改意见后，它很快调整，第二版文章读起来已经有模有样了。

当然，我们也不给Manus放水。

为了测试它在创意和设计方面的能力，我们让它模仿行业大V“影视飓风”做一段视频，并对我们的公众号进行设计改进。

Manus很快拆解任务，开始学习视频制作的知识，搜集资料，编写脚本。

结果出来后，大家意见不一。

有人认为它的脚本写得很工整，分镜和镜头调度也都有板有眼；但也有人指出，视频内容显得有些机械，缺乏人情味。

更糟糕的是，它推荐的公众号设计方案，配色过于鲜艳、字体各不相同，毫无美感可言。

总之，它在审美上的表现让我们有点儿无语。

数据处理一直是我们的难题，我们决定让Manus试试。

我们让它做一张“大模型API两年以来的价格走势图”。

Manus用了三个小时，生成了一个可以交互的网页，样式和互动性都不错。

和专门做研究的模型相比，它在数据详实程度上还是有些差距。

尽管如此，Manus的表现已经超过了我们的预期。

任务被拆解成小任务，通过不同智能体并行处理，效率明显提升。

你可以看到，它在这方面确实有一套。

测试的过程中，我们对Manus有了新的认识。

尽管它宕机频繁，稳定性欠佳，但在高效完成任务方面，确实有出色表现。

特别是，在一些逻辑性强的任务如数据分析、文本处理上，它能够带来显著的效率提升。

Manus的创意能力和审美水平，还有很大进步空间。

无论是设计公众号版式，还是制作视频，它都显得有些力不从心。

这让我们意识到：AI在某些方面确实可以成为得力助手，但依然需要人的参与和修正。

总之，这一天的实习体验告诉我们，科技在不断进步，但在很多方面，AI和人类各有所长。

我们可以利用它们的优势，弥补我们的不足，让工作更加高效，同时也要清楚地认识到它们的局限。

未来，或许人类和AI的结合，才能真正实现各自的最优解。