文章核心观点 - 上下文工程是一个持续30年的进化过程，其本质是通过熵减少来弥合人机之间的认知鸿沟[3][11][16] - 上下文工程正从Era 1.0的传感器时代、Era 2.0的智能助手时代，向Era 3.0的流畅协作时代演进，最终可能进入AI超越人类的Era 4.0[12][18][62] - 在大模型时代，系统化的上下文工程框架包含三个正交维度：上下文收集、上下文管理和上下文使用[37] - 在AI时代，人的身份可能被重新定义为由无数数据、记录和互动上下文构成的总和[1][62][68] 上下文工程的本质与定义 - 上下文工程被精准定义为一种熵减少过程，旨在弥合人类与机器之间的认知鸿沟[16] - 该过程通过收集、管理和使用上下文信息，将高熵的人类意图和环境状态预处理为机器可理解的低熵表示[16] - 其本质不是简单翻译，而是预消化，类似于把牛排切碎嚼烂以降低婴儿吞咽的处理难度[16] - 早在1994年就已提出相关概念，2001年Anind Dey的定义至今仍是黄金标准[8][9][26] 上下文工程的历史演化 - Era 1.0（1990s-2020）为传感器时代，机器只能执行预设的if-then规则，需要人类将意图分解为原子操作[21][23][24] - Era 2.0（2020-现在）为智能助手时代，以GPT-3发布为分水岭，机器从状态机进化成了理解者[27][28][29] - Era 3.0将实现流畅协作，交互变得完全自然，AI成为用户的认知延伸而非外部工具[58][59][60] - Era 4.0可能出现认知倒置，AI在某些任务上超越普通人类，从人教机器转变为机器引导人[62] 上下文工程2.0框架 - 框架包含三个正交维度：Context Collection（收集）× Context Management（管理）× Context Usage（使用）[37] - 收集维度关注如何从多设备、多模态来源获取有价值的上下文信息[38][39] - 管理维度涉及存储和组织原始信息，采用分层记忆架构、子代理隔离等策略让上下文更好利用[43][45] - 使用维度涵盖从被动响应到主动协作的演进，最终实现流畅的人机共生[56][58][60] 技术演进与能力突破 - Era 2.0实现了感知升级，从单一传感器到多模态融合，机器可以看懂图片、听懂语音、读懂文档[30] - 高熵上下文消费能力提升，机器从只处理结构化数据进化到能直接消化原始信息[31][32][33] - 交互模式从被动响应进化到主动协作，系统能理解用户目标并帮助达成，而不仅仅是感知状态[35][36] - 随着上下文窗口扩大，工程重点变为如何精选和组织信息，这催生了Prompt Engineering等新方法[36] 行业影响与未来展望 - 每次认知鸿沟缩小都会引发三重连锁反应：交互界面革命、上下文容量扩张和工程范式转移[20] - 下一个Interface Revolution正在酝酿，设计出最佳上下文容器的开发者将定义新时代交互范式[66][67] - 研究者需要解决评估上下文质量、平衡隐私与效用、设计伦理框架等未解之谜[65] - 未来组织可能保留离职员工的上下文表示，用于咨询、模拟和协作，形成数字化的个体[62]

Context Engineering 核心概念 - Context engineering 是由 Andrej Karpathy 提出的概念，指在正确时间为 agent 提供正确信息的方法论，覆盖并超越了 prompt engineering 和 RAG，成为 agent 开发的核心胜负手 [2] - 概念定义为"在大语言模型的上下文窗口中放入正好适合它执行下一步所需的信息"，核心痛点在于 agent 实际运行中由海量工具调用和长程推理产生的冗长上下文成为性能和成本的巨大瓶颈 [2][4] - Chroma 联合创始人 Jeff Huber 认为 context engineering 是 AI engineering 的子集，包含内循环（即时筛选当前所需 context）和外循环（长期优化确保 context window 只包含相关信息）两个循环 [5] Context Engineering 的必要性 - 典型 agent 任务需要约50次工具调用，生产级 agent 甚至可能需要数百次工具调用，每次调用都会消耗大量 token [7] - 开源 AI 研究助手 Open Deep Research 单次运行可能消耗50万个 token，成本达到1-2美元 [7] - Chroma 报告显示随着 context 长度增加，模型注意力分散，推理能力下降，这种现象称为 context 衰减（context decay） [9] Offload（转移）策略 - 将工具调用的完整 context 转移到外部存储如文件系统，仅返回摘要或 URL 作为标识，显著优化资源利用率 [15][18] - Manus 将文件系统视为终极上下文：大小不受限制，天然持久化，代理可直接操作 [29] - Open Deep Research 通过精心设计的 prompt 生成详尽要点摘要，实现内容压缩的同时保持信息准确还原 [20] Reduce（压缩）策略 - 通过摘要和剪裁减少 context 内容，典型场景是当 Claude Code 95% context window 被占满时自动触发 reduce 机制 [24][26] - Manus 采用可恢复的压缩策略，保留 URL 或文档路径确保信息不永久丢失，避免不可逆压缩导致的信息丢失风险 [28][29] - 关于是否保留错误路径存在争议：Gemini 案例显示幻觉会污染后续决策，但保留错误信息可能让 agent 从失败中学习 [33][36] Retrieve（检索）策略 - 从外部资源检索相关信息加入 context，传统方法包括向量检索、语义检索和 grep 搜索 [40] - Lance Martin 基准测试显示，基于文件工具和简单搜索的检索方法效果优于经典向量检索和 context stuffing（直接输入300万 token 文档） [41][42] - 记忆检索可视为特定 context 下的检索，分为情景记忆、语义记忆、程序记忆和背景记忆四类 [43] Isolate（隔离）策略 - 在 multi-agent 架构中将 context 拆分，避免不同类型信息相互干扰，不同角色 agent 各自管理不同内容 [46][47] - Cognition 认为 multi-agent 架构下 sub-agent 获得足够 context 极其困难，投入大量精力在 context 摘要与压缩上 [49] - Anthropic 与 Cognition 存在分歧：Anthropic 认为 multi-agent 有用，Cognition 认为不要使用 multi-agent，尤其避免用于需要高度协同的 coding 场景 [50] Cache（缓存）策略 - 利用键值缓存机制提高 AI agent 多步骤任务效率和成本效益，Manus 中平均输入与输出 token 比例约为100:1 [55][56] - 使用 Claude Sonnet 时，缓存输入 token 成本为0.30美元/百万 token，未缓存成本为3美元/百万 token，相差10倍 [57] - 缓存只能优化延迟和成本，无法解决 long context 根本问题，当 context 达到十万 token 时模型性能衰减问题依然存在 [57] The Bitter Lesson 的启示 - 计算能力每五年增长十倍，scaling 趋势是推动 AI 进步的关键因素，依赖大量数据和计算的算法比手工特征设计表现更好 [59] - 随着模型能力提升，早期添加的结构化假设可能成为发展瓶颈，应转向更少结构化的通用方法 [60][70] - AI-native 产品如 Cursor 和 Windsurf 从零开始构建，相比将 AI 嵌入现有流程的改造方式更具优势 [70] 实践经验与框架选择 - Lance Martin 从高度结构化流程转向 agent 架构，验证了随着模型能力提升，减少结构化假设的重要性 [69] - 应区分 agent 抽象（高级封装）和底层编排框架（精细控制），后者提供透明可组合节点具有实用价值 [63][67] - 企业客户初期自行搭建，但随着代码管理问题出现，标准化框架如 MCP 为解决协作问题变得必要 [68]

公司财务表现 - 公司披露收入运行率为9000万美元 [1] 公司战略与定位 - 公司定位为全球化市场的中国AI初创企业 [3] - 公司将全球总部从北京迁至新加坡，以加速国际化并应对跨境合规 [3][5] - 公司强调其中国属性，创始人表示希望证明作为中国出生的创始人也能在新的环境下做好全球化的产品 [3][5] - 公司长期目标是成为世界级的公司 [5] 产品与技术 - 公司发布了Wide Research产品 [2] - 公司核心技术依赖于调用大量美国底层模型的API接口，这些服务未对中国大陆开放 [5] - 公司采用“上下文工程”而非自研底层模型，并分享了智能体框架调整的细节 [4] 市场沟通与形象 - 公司此前较少主动披露财务指标如年化经常性收入，认为此类表述不够有野心 [3] - 近期通过披露收入运行率和技术博客发声，被视为试图在市场定位上找回主动权 [1][3][4]

Manus的战略选择 - 公司放弃自研底层模型，选择基于前沿模型的上下文学习能力构建智能体，以验证产品与市场契合度(PMF) [4][5] - 决策源于自研模型效率低(每次微调需数周)且面临技术锁定风险(新模型迁移成本高) [5] - 战略聚焦单点突破，集中资源实现阈值效应[6] 上下文工程的技术定位 - 该技术是LLM应用领域继提示词工程后的新热点，通过系统化输入文本引导模型生成预期输出[8] - 本质是为LLM构建包含数据/环境的完整运行系统，类比职业场景中的多维度信息整合[8][9] - 解决大模型从通用助手到行业专家的落地问题，推动技术向生产力跃迁[9] Manus的六大技术优化原则 1. KV-cache设计：稳定提示前缀/追加上下文/明确缓存断点以降低成本[14] 2. 工具遮蔽机制：通过logits屏蔽控制模型可见工具，避免动态修改导致混乱[14] 3. 外部化记忆系统：虚拟文件系统实现长期记忆按需读写[14] 4. 动态注意力管理：复述更新todo.md文件防止任务偏离[14] 5. 错误记录保留：从失败尝试中调整学习提升长期表现[14] 6. 打破少样本模式：引入格式变化避免模型行为僵化[11][14] 退出中国市场的商业考量 - 直接原因可能涉及投资安排与双市场研发资源不足[16] - 国内付费转化率不佳：定价偏高且与本土产品差异化不足[16] - 中美市场差异：国内C端创新领先但B端企业软件付费成熟度低于北美[16] - 基础模型厂商入局加剧竞争，迫使纯Agent公司寻求更高商业回报区域[17] 行业启示 - AI Agent商业化早期阶段的核心壁垒不在模型本身，而在于构建支持系统[18] - 行业趋势显示通用大模型需结合专业工作流系统才能形成竞争力[19] - 垂直Agent创业潮印证需在正确时间提供正确信息支撑模型推理决策[19]

AI模型能力突破 - OpenAI通用大语言模型首次达到IMO金牌水准，六道题做对五道，未针对数学优化且未联网[7][8] - Google DeepMind的Gemini DeepThink模型同样取得IMO金牌，使用纯自然语言解题[14] - 数学证明题属于"hard to produce, hard to verify"任务，突破意义大于编程和围棋[16][18] - 模型推理能力提升验证inference scaling law，优化空间来自post-training而非底层架构[9][10] 技术演进趋势 - 解锁AI生产力的三大主线：推理(reasoning)、编程(coding)、工具使用(tool use)[56][68] - 模型架构仍处Transformer范式内演进，但能力从1到10提升显著[57] - 工具使用呈现两条路径：API接口调用和视觉模拟操作现有软件[68] - 上下文工程(Context Engineering)成为关键，分通用信息、组织层面、个性化记忆三层[26][61] 应用层发展 - Agent产品进入Early Adopter阶段，Manus/Genspark等完成模糊目标到任务执行的闭环[34] - 应用价值被低估，优秀产品设计能形成护城河，如Kimi长文本技术方向的前瞻布局[49][51] - 生产力场景token消耗呈10-100倍增长，远超聊天场景，如分析师可同时覆盖50家财报[83] - 订阅制商业模式验证成功，高端用户月均AI产品支出达1000美元[79] 行业竞争格局 - 中美模型差距缩小，Kimi K2开源模型在coding/Agent工作流等表现优于Claude[40][41] - Google强势回归，Gemini 2.5在多模态和云服务表现突出，TPU优势明显[58][59] - 人才争夺白热化，硅谷出现百万美元年薪挖角，创业公司面临人才保留压力[86][89] - 资源分配策略分化：字节全栈布局vs DeepSeek选择性突破[46][47] 团队与创新 - 稳定团队+技术前瞻性是突破关键，如Kimi核心成员合作超10年[48][49] - 优秀团队价值被低估，实际创新能力常超市场预期，如Kimi逆风翻盘[40][41] - 早期采用者(Early Adopter)社区生态活跃，开源项目获得积极反馈[5][53] - 产品设计需为未来模型预留空间，如Cursor等待Claude 3.5实现完整愿景[41][98]

行业趋势演变 - AI行业叙事从Chatbot（聊天机器人）转向Agent（智能体）成为主流 讨论焦点从"意图识别"和"多轮对话"变为"任务分解"、"工具调用"和"自主规划" 行业热度堪比2016年移动互联网爆发期 [4] - 电影《Her》定义了Chatbot范式的终极形态 而《记忆碎片》的主角莱纳德被视为Agent的完美隐喻 展示系统如何在信息不完整环境下为目标思考与行动 [5] Agent系统架构 - 上下文工程是围绕LLM有限注意力窗口设计的信息管理技术栈 目标是为每个决策点提供恰到好处的信息 决定Agent成败 [5] - 莱纳德的记忆系统对应LLM三大特征：长期记忆如同训练数据（静态知识库） 短期记忆如同上下文窗口（15分钟记忆限制） 行动驱动类似Agent任务导向 [9] 上下文工程三大支柱 外部知识管理 - 拍立得照片系统对应RAG技术 实现知识管理闭环：选择性记录任务关键信息 而非存储所有数据 避免检索时信息过载 [17][20] - 完整流程包括信息采集固化（拍照）、上下文标注（背面笔记）、按需调用（匹配检索） 体现RAG核心价值 [23] 上下文提炼结构化 - 将信息从照片升级到纹身 代表信息提炼压缩过程 只保留经过验证的核心断言（如"事实5"） 并物理结构化确保读取优先级 [22][29] - Agent需成为信息炼金术士 对冗长信息进行压缩总结 在有限Token预算内最大化信息密度 避免"大海捞针"困境 [25] 分层记忆管理 - 三层架构：核心任务层（不可变纹身）、情景工作层（可读写照片）、瞬时处理层（易失性大脑记忆） 实现高效记忆调度 [30] - 需明确定义信息层级 区分宪法级指令、任务日志和临时缓存 防止Agent迷失在海量操作日志中 [28] Agent系统风险 - 上下文投毒风险：外部恶意输入可能导致Agent将错误信息当作真理输出 呈现"垃圾进真理出"现象 [32] - 自我强化认知牢笼：Agent在多步任务中可能将前序错误结论当作事实 缺乏独立审查机制导致偏差放大 [33][34] 系统优化方向 - 缺失反思模块是当前Agent核心缺陷 需建立验证机制比对行动结果与预期差距 生成误差报告指导后续行动 [35] - 构建可靠行动系统比单纯追求自主性更重要 需防止创造高效但永不怀疑的"莱纳德军队" [36]

上下文工程的核心观点 - Manus团队选择基于上下文工程而非端到端训练构建AI Agent，将产品迭代周期从数周缩短至几小时，保持与底层模型发展的正交性[2][3] - 上下文工程是实验科学，团队通过四次重构Agent框架总结出"随机研究生下降"方法论，即通过手动调试提示词和经验猜测寻找局部最优解[3] - KV缓存命中率是生产级AI Agent最关键指标，直接影响延迟和成本，优化后可使Claude Sonnet模型输入token成本从3美元/百万降至0.3美元/百万[5][8] KV缓存优化策略 - 保持提示词前缀稳定性，避免在系统提示开头插入时间戳等可变元素导致后续缓存失效[13] - 采用只增不减的上下文管理策略，确保序列化过程确定性，避免JSON键顺序变化破坏缓存[13] - 明确标记缓存断点，在系统提示后设置断点以适配不支持自动增量缓存的推理框架[13] 操作空间管理 - 避免动态增删工具定义，工具变更会导致后续所有动作和观察结果的KV缓存失效[12] - 采用感知上下文的状态机进行logits掩码，而非直接移除工具，防止模型产生格式错误输出[15] - 设计统一工具名前缀（如browser_/shell_），便于在特定状态下强制选择某类工具[18] 外部上下文设计 - 将文件系统作为无限容量的外部记忆，训练模型按需读写文件实现结构化存储[23] - 采用可恢复的压缩策略，保留URL或文件路径等关键信息而非永久删除内容[26] - 状态空间模型若掌握基于文件的记忆能力，可能催生新型高效Agent架构[26] 注意力与错误管理 - 通过复述机制（如todo.md文件）将核心目标持续写入上下文末端，防止50次工具调用链中的目标漂移[27][31] - 保留失败尝试和错误信息在上下文中，使模型能隐式更新内部认知降低重复错误概率[35] - 错误恢复能力是衡量Agent智能的关键指标，但被多数基准测试低估[35] 少样本提示优化 - 少样本提示可能导致行为定式，如在简历审查任务中机械重复相似操作[36] - 通过引入序列化模板变体、调整措辞等增加多样性打破思维定式[37] - 上下文同质化会加剧Agent脆弱性，需保持受控随机性激活模型注意力[38]