以筛选简历为例，Manus会首先自动理解，需要解压打包文件这一隐藏指令，自主完成解压缩，并逐一浏览15份简历，同时记录其中的重要信息。最终，Manus不仅会生成自动排名建议，还会根据工作经验等重要维度，将候选人分为不同等级，提供全面且有条理的筛选结果。在这个过程中，无需用户进行额外的提示或干预，便能够自主地完成整个筛选流程。

　　另一个演示案例中，结合家庭收入情况和孩子的上学要求，让Manus在纽约筛选一个安全、犯罪率低的社区，并购买符合标准的房产。面对这类复杂任务，Manus同样是有条不紊地将其拆解为多个步骤，并创建详细的待办清单：搜索并阅读关于纽约最安全社区的文章；研究纽约的中学情况；编写Python程序来计算预算；基于预算，在房地产网站上筛选合适的房源；整合所有信息，撰写详细报告并整理相关资料。

　　Manus还能在虚拟环境中调用各类工具，来完成编写和执行代码、浏览网页、操作应用等复杂任务。在分析股票价格之间的相关性的场景中，Manus先是通过API访问雅虎金融等信息网站，获取股票历史数据，同时还会交叉验证数据准确程度，避免被单一信息来源误导。之后，它使用Python进行数据分析和可视化，引入金融相关的专业工具进行深入分析，最终通过数据可视化图表搭配详尽的综合分析报告，向用户清晰地反馈其中的因果关系。