manus对比ChatGPT-Deep reaserch进行研究类论文数据分析！谁更胜一筹?

没有账号，只能挑选一个案例

1、manus的效果

Step-1：直接看结果

Step-2：看看其他文件的细节

Step-3：看最终报告

2、Deep reaserch

3、Deep reaserch进行行业分析

总结一下：

大家好这里是学术Anan，官网👉AIWritePaper~

没有账号，只能挑选一个案例

一夜之间被这个用全英文介绍全华班出品的新爆款国产AI产品的小胖刷频。白天还没有切换语言的选项，晚上就加上了。简单看了看团队够成，使用很长实践的Monica创始人也在其中。逐渐可以理解，重心放在海外产品上也无可厚非。

好了废话不多说了。小编弄不到邀请码，只能通过例子分析了解产品，我们选取的案例就是AR/AI眼镜研究分析这块。在官网有案例，宝子们可以自行查阅。

核心提示词-当manus开始跑案例的时候我们就可以看到，一个提示词，manus就开始疯狂输出：

Research articles and industry reports to compile a comprehensive list of AR/AI glasses set to launch in 2024–2025. Organize the data into a detailed table, including brands, product specifications, pricing, core component configurations along with their suppliers, and projected sales volumes.

研究文章和行业报告，编制一份将于 2024 年至 2025 年推出的 AR/AI 眼镜综合清单。将数据组织成一个详细的表格，包括品牌、产品规格、定价、核心组件配置及其供应商和预计的销量。

后续我们使用ChatGPT-Deep reaserch跑一遍这个提示词然后总结区别以及各自的优势和劣势。

1、manus的效果

案例-AR/AI眼镜研究

Step-1：直接看结果

左侧的整体流程其实已经并不陌生了，ChatGPT-o1、DeepSeek-R1都具备这样的流程思考过程。

其实主要的结果不止右侧的文档，最重要的是过程中的所有文件！本来小编非常看好manus这个流程，但是ChatGPT一上来的交互也让我眼前一亮，先卖个关子，后续章节可以看到ChatGPT的反馈！

这里面包含很多文件，跟昨天分享的不同，这里面没有代码也没有图片，全是数据以及基于数据生成的单项报告。

最终要的其实是这个todo！里面大致是这次任务编排的一个大纲！类似我们AIWritePaper论文的大纲生成！我们看看这个大纲：

AR/AI 眼镜研究项目（2024-2025）

Research Tasks

1. 创建 todo 文件
2. 搜索将于 2024-2025 年推出的 AR/AI 眼镜
- 识别开发 AR/AI 眼镜的主要科技公司和初创公司
- 查找有关即将推出的 AR/AI 眼镜的最新技术新闻文章
- 搜索行业报告和市场分析
- 编制一份所有已识别的 AR/AI 眼镜商品清单
3. 收集产品规格
- 显示技术（分辨率、视野等）
- 处理能力（CPU、GPU、NPU）
- 电池寿命和充电规格
- 重量和外形尺寸
- 连接选项
- 作系统和软件功能
- 相机和传感器规格
4. 研究定价信息
- 公布零售价
- 未发布产品的预计价格
- 不同的定价层/型号（如果适用）
5. 调查组件配置和供应商
- 显示面板制造商
- 处理器供应商
- 电池供应商
- 相机和传感器供应商
- 其他关键零部件供应商
6. 收集预计的销售量
- 查找分析师对商品销量的预测
- 研究公司预测（如有）
- 市场份额估计
7. 将数据编译成明细表
- 创建包含所有收集数据的综合表
- 确保所有商品的格式一致
- 包括所有必需的数据类别
8. 审阅并完成报告
- 检查数据的准确性和完整性
- 确保格式一致
- 添加任何其他相关信息
9. 向用户发送报告
- 准备带有表格的最终文件
- 将完成的研究发送给用户

Step-2：看看其他文件的细节

其实基本上从流程中我们可以判断出剩余的过程文件中包含哪些内容。看图！

比如这个apple_vision_pro公布了苹果产品的参数、定价等参数信息。

比如这个pricing_information包含了所有市面上眼镜的价格信息，包括一份即将发布的产品价格信息！

比如这个component_suppliers文件提供了AR/AI眼睛相关供应商信息

其他几份文件就不贴图了，其他文件大部分是已有产品类似apple_vision_pro中的产品参数信息，还有一份产品预计销售估计报告以及最终产生的表格。不过这个表格确实挺庞大。图片在下一节全部展示一下。宝子们也可以去官网看一下这个案例。

Step-3：看最终报告

内容部分，分为一张数据大表，一份供应商信息一个市场预期销售额！基本就是一个小的报告，作文论文的数据支撑可能还需要很多工作。

接下来那我们来看看

用Deep reaserch完成AR/AI眼镜研究报告

2、Deep reaserch

OpenAI Deep Research 是一款强大的 AI 研究工具，能够显著提升研究效率。它基于 OpenAI 的 o3 模型，专为复杂研究任务设计，能够自动搜索、解读和整合海量在线信息，生成专业级研究报告。

核心能力

多步骤研究任务：Deep Research 能够规划并执行多步骤研究任务，实时搜索、解读和分析互联网上的文本、图像和 PDF 文件。它能够根据遇到的信息自主调整研究方向；
专业级报告生成：该工具能够生成相当于研究分析师水平的综合报告，包含清晰的引用和数据可视化内容，确保信息的准确性和可验证性；
强化学习训练：Deep Research 通过端到端强化学习进行训练，具备多步骤推理和回溯调整能力，使其在处理复杂任务时表现出色。

应用场景