manus采用规划、执行、验证三大模块分工协作：规划模块作为“项目经理”拆解任务并生成dag计划；执行模块作为“一线工程师”调用工具链执行子任务；验证模块负责结果校验与偏差复核，三者通过单向流水线流转与沙盒隔离保障稳定高效。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想知道Manus里多个AI智能体到底怎么配合干活，谁查资料、谁写报告、谁检查错误——不是靠随机分配，而是有明确角色、固定流程和统一调度的分工体系。
三大核心模块各司其职
Manus不是让一堆大模型自由发挥，而是把整个系统拆成三个不可替代的“工种”：
规划模块是【项目经理】，它不碰数据也不写代码，只做一件事：读懂你那句模糊的“帮我分析特斯拉是否值得投资”，然后拆成“查近3年财报→抓取竞品交付量→建财务预测模型→生成PPT结论页”共17个带依赖关系的子任务，并排好先后顺序；
执行模块是【一线工程师】，它拿到规划模块输出的DAG任务图后，逐个调用工具：用Playwright打开SEC官网下载PDF→调PyPDF2提取表格→启动本地Python沙盒运行pandas清洗→调用Figma API生成可视化图表；
记忆模块是【项目档案室】，它全程静默记录：你上次说“报告要突出毛利率变化”，它就把这个偏好存进ChromaDB；当执行模块生成第3版图表时，它自动把前两版中间结果推给验证模块比对偏差。
智能体之间的任务流转路径
用户指令进来后，信息按固定管道单向流动，不回传、不跳步：
① 规划模块输出 → 执行模块输入（必须是结构化JSON，含task_id、tool_call、timeout、retry_limit）；
② 执行模块输出 → 验证模块输入（只传原始数据+元信息，不含任何加工逻辑）；
③ 验证模块判定 → 若失败则触发重试机制，直接返回规划模块重新拆解，【不经过执行模块二次加工】；
这一步卡住会导致整条流水线停摆，所以Manus默认启用沙盒隔离：每个智能体运行在独立虚拟机中，一个崩溃不影响其他模块继续处理别的任务。
协调机制如何实现统一指挥
方法一：基于Token的动态仲裁器
当5个任务同时到达，系统根据当前空闲Agent数量、任务积分权重、历史响应延迟三维度计算Token值，优先调度Token最高的任务进入规划队列；
方法二：硬编码DAG依赖检查
规划模块生成任务图时，自动插入checkpoint节点：比如“财报解析完成”必须为真，“行业趋势报告”才能启动，否则执行模块会收到空指令并报错退出；
方法三：跨Agent状态快照同步
每30秒，所有运行中的Agent向中央协调器上报内存占用、API调用次数、工具响应延迟，协调器据此动态调整资源配额——比如发现验证模块连续3次超时，就临时给它多分配2个CPU核。
