职贝云数AI新零售门户

标题: Manus的上下文工程阅历 [打印本页]

作者: jro    时间: 4 天前
标题: Manus的上下文工程阅历
Manus 团队分享了他们构建 Agent 的 上下文工程阅历,对于做agent相关工作有一定参考价值。对全文停止了总结和关键信息高亮展现。

Context Engineering for AI Agents: Lessons from Building Manus
背景:为什么押注上下文工程


“模型提高是退潮,我们要做 船,不要做 海底的柱子。”

1. 围绕 KV-Cache做设计


若只能选一个目的,我会说 KV-cache hit rate是消费级 AI Agent 的 独一关键目的。
1.1 背景



1.2 实际

2. Mask,不要 Remove


避免动态增删工具,否则:

(, 下载次数: 0)
2.1 Manus 方案


一切阅读器工具一致以 browser_扫尾,shell 工具一致以 shell_扫尾,便于用前缀 mask。
3. 把 文件系统当作上下文


128K 上下文照旧不够用,且 长文昂贵、易失真。
3.1 痛点

1. 观察结果过大(网页、PDF)。
2. 功能在长上下文下降。
3. 成本高。
3.2 处理方案


(, 下载次数: 0)

这让我们想到:假如 State Space Model (SSM)也能掌握文件式记忆,也许能成为 Neural Turing Machines的真正继任者。
4. 用 复述操纵留意力


Manus 会创建 todo.md,并在每一步 勾选已完成项。

这不是卖萌,而是 故意机制:

(, 下载次数: 0)
5. 保留错误记录


Agents 会犯错,这是理想,不是 bug。


(, 下载次数: 0)
5.1 Manus 的做法

6. 避免 “被 Few-Shot”


Few-shot 能让输入更好,但也能够 让 Agent 堕入形式化。



6.1 处理


不要 few-shot yourself into a rut(别把本人 few-shot 进坑里)。
7. 结论


上下文工程仍是一门新兴迷信,但对 Agent 系统已是 不可或缺。


在 Manus,我们经过反复重写、探索和数百万用户的真实测试,积累了这些阅历。我们分享的内容并非放之四海而皆准的真理,但这些形式的确对我们有效。假如它们能协助你避免哪怕一次痛苦的迭代,那么这篇文章就发挥了作用。 agent的将来将在一个又一个的context中构建。精心设计它们。




欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/) Powered by Discuz! X3.5