读完 Manus 那篇长文,我不再把 AI 编程工具当万金油

BLpt8N · 发表于前天 14:54

近来，Manus 团队公布了一篇搞货谦谦的少文《AI 代办署理的高低文工程》，分享了他们正在建立智能体过程当中的一系列工程经历。文中提出的很多实践办法，关于在使用 AI 编程东西的开辟者而行，极具参照代价。

正在理论开辟中，尔切身考证了此中二条中心绳尺：

1. 装分任务，内部阐发，别让 AI编程东西自做主意
2. 只使用必须的第三圆插件。

正在依照那二条绳尺后，尔清楚感受到：AI 编程的精确率、服从，和尔对于东西的信赖感，皆有了肉眼看来的提拔。
❌ 没有要把AI 编程东西当做“万能帮忙”

许多人正在使用 Claude Code 等 AI 编程东西时，简单陷入一个罕见误区：

把代码、报错、目标通通拾进去，让 AI 自止阐发、建设、完毕。

尔也曾这样干。刚刚开端尔把 Claude Code 当做“万能 AI 工程师”去用：输出高低文，它便该当能理解、设想、施行、调试，趁热打铁。

但是当尔的输出愈来愈少，工程愈来愈庞大时，成就便呈现了：

尔经常为统一个成就持续问了四五次，Claude Code给出的谜底却不断正在绕圈。

最初尔觉得是提醒词汇不敷精确，但是厥后尔测验考试用 O3 模子干前置阐发，再把成果接给 Claude Code 施行——精确率战服从霎时提拔。

以是尔观点到，成就没有正在于AI编程东西不敷强，而正在于尔一开端把它当做万能选脚，既要阐发成就、又要设想计划、借要施行建设。

尔供给的高低文也变患上愈来愈喧闹，AI编程东西也正在紊乱中丢失了标的目的
最好实践：内部阐发 + 受控施行，让AI理解成就

正在经历过量次 Claude“自做智慧但是跑偏偏”的挫败后，尔找到了一套目前阶段颠簸下效的实践范式：

把“思考”接给更善于阐发的模子（如 GPT-O3），把“施行”留给 Claude Code。
第一步：用 O3 干构造化阐发

尔先把报错疑息、高低文战目标接给 O3，并用上面的提醒词汇指导它输出明了的构造化论断：
请您阐发那个代码报错的启事，并输出构造化实质：
-可以启事阐发
- 可止的建设战略（最少二种）
-举荐计划 +扼要来由

O3 的答复凡是逻辑明了、分层大白，十分适宜动作 Claude 的“下流输出”。
第两步：掌握 Claude Code，只让它按举荐门路建设

而后尔把 O3 的阐发成果复造退 Claude Code，并大白提醒它：
根据如下举荐计划截至建设：
【毛病启事】
……

【举荐建设】
……

成果十分冷傲：Claude 再也不跑偏偏，也不重复测验考试，而是一次性输出了精确的建设代码。

这类“内部阐发 + 受控施行”的情势，理论上是一种沉质的模块化合作智能体，十分适宜目前阶段的 AI 编程东西链建立。

第三圆插件越多，AI编程东西越简单“治跳”

许多人第一次用 Claude Code 那些AI编程东西的时候，可以会镇静天把一堆市情上举荐的东西齐挂进来，期望 AI 能像个“万能开辟帮忙”一致，主动鉴别、主动调理。

但是尔试下来发明，东西越多，Claude 的表示反而越没有颠簸。

具体会呈现那些成就：

那实在战 Manus 正在文章里道的经历下度不合：

“高低文中频仍静态增加/移除东西，会破坏 KV 慢存，让模子愈来愈猜疑。”

以是他们挑选的是“粉饰（mask）而没有是移除”东西——意义是东西列表正在高低文中连结颠簸稳定，但是模子正在某个时候只可瞥见一部门东西能够选。
下层逻辑：模块化智能劣于单体智能

这类实践办法，理论上也是对于 Manus Agent 架构观念的工程化归结：

模块	工作	实践伎俩
内部阐发器	装解任务、大白目标	GPT-4o / O3
施行器	建设代码、完毕调试	Claude Code
形状掌握器	掌握东西表露、颠簸高低文构造	脚动 prompt / token mask

颠末这类“构造化合作”，咱们不但能更精确天掌握任务高低文，借能制止 Claude 被东西链拖进没必要要的庞大逻辑

干 AI 东西使用者，而非梦想者

Claude Code 很强，但是没有是万金油。

它最适宜的脚色，实际上是：