Manus团队9月人均花1万美元用AI，工程师同时盯十几个Session

Manus团队9月人均AI开销超过1万美元，少数同事单月7到8万美元。肖弘在分享AI Native实践时给了这个数字。钱花在哪，文章里有几个更具体的切片。

1. 工程师同时推进十几个任务

过去工程师拿到需求，先自己分析，再写代码。现在需求和Bug可以直接交给Codex或Manus，由AI阅读代码、定位问题、完成修改。肖弘看到工程师电脑上同时开着十几个甚至二十个AI Session。工程师亲手执行的部分变少，分配任务、提供上下文、检查结果、承担责任变得更重要。

2. Manus-mono把代码和研发流程连起来

Manus的前端、后端、移动端代码原本分散在不同仓库。Manus-mono提供统一入口，并配了一份面向AI的说明，介绍每个仓库的用途、仓库之间怎么配合、研发时要遵守的规范。AI通过这个入口拉取需要修改的代码，了解业务背景，再用Git worktree并行开发。

之后，Manus-mono逐步加入本地运行、线上日志排查、配置读取、发布流程和端到端测试。过去代码推到测试环境要等5到10分钟，现在完整的Manus可以跑在本地，验证只需要几秒。AI能参与从理解需求、修改代码到测试和发布的完整流程。关键发布环节仍然保留人工审批。

3. 产品经理从提需求做到功能上线

Manus内部约一半产品经理可以独立完成需求并上线，所有产品经理都向Manus提交过代码，部分设计师也开始写代码。

文章提到一位产品经理负责语音转文字功能。她先让Manus测试十多个模型，选定模型后，再通过Mono获取前端代码，按照现有设计规范制作Demo，并让Manus生成不同使用场景的图片。她逐一检查效果，修改完成后，又用Manus的视频编辑能力把Demo做成视频，最后完成网页端和桌面端功能。

产品视频也开始承担部分产品需求文档（PRD）的作用。视频直接展示用户场景、界面变化、点击后的结果、特殊状态和部分实现逻辑，方便产品、设计、研发和测试对齐。

4. 市场团队开始用Agent同事

市场合作涉及联系、确认、脚本审核、价格审批、合同付款、内容发布和效果复盘。过去这些信息散在邮件、合同平台、审批系统、项目表格和各个平台后台，团队成员不断在不同系统之间搬运信息。

Manus团队先让AI自动发现合作内容和广告的发布时间，之后继续获取数据、复盘历史合作，并把合同签署、内部审批和进度更新连接起来。这个数字同事能接收和安排任务，管理多个Session，判断Slack消息是否需要立即处理，也能记住团队的长期目标和产品信息。产品团队发布新功能后，它还会主动了解功能适用条件，之后用于对外内容制作。它使用的内部网站如果缺少某项功能，还能通过反馈接口提交需求，自动触发Manus的开发任务。

5. Session开始成为协作空间

过去工程师和AI的工作过程通常发生在个人Session里，其他人想了解进展，需要直接问工程师。Manus正在尝试让同一项目的成员查看彼此的Session，并申请进入对话。工程师可以先让AI完成大量工作，之后产品经理进入同一个Session，继续调整间距、样式和文案。产品、设计、研发和AI在同一段工作过程中协作。

肖弘自己也在用类似方式管理待办。Manus会把待办拆成任务，能直接执行的就开始处理，需要背景信息的再向他提问，然后结合Slack、Gmail和Notion的内容完成调研，再把整理后的任务交给对应的产品经理。

6. AI开销买的是时间和能力边界

Manus 9月人均AI开销超过1万美元。肖弘认为，这笔钱主要购买了团队的时间、注意力和对模型能力边界的理解。Manus使用最强模型做代码审核。代码提交量大幅增加后，代码审核机器人仍然需要检查支付等关键模块。团队也通过内部使用数据发现Token浪费，并持续改进Manus Studio，降低后续成本。

这些变化拼起来，AI Native不再只是口号。代码仓库、产品需求、市场流程、团队协作和待办管理，都开始围绕AI重新设计。工程师管理更多并行任务，产品经理推进更完整的交付，负责人把更多时间放在判断和决策上。AI负责执行更多工作，人负责决定做什么、如何验收，以及最终为结果负责。

有网友在回复里说，关键发布环节保留人工审批这句最清醒。还有人说自己已经分不清评论区的AI评论。这个细节比人均开销更值得留意：流程可以交给AI，签字的人还得在。

原始推文：https://x.com/hocyzon/status/2114562743802175965