来自 Manus 的一手分享：如何构建 AI Agent 的上下文工程？

Manus 官网昨天更新了一篇文章，分享了他们为 Manus 搭建合适的上下文工程的经验教训。 作者季逸超 (Peak)，Manus 公司联合创始人、首席科学家。 文章基于 Kimi K2 翻译，我们进行了一些调整。 在 Manus 项目伊始，我和团队就面临一个关键抉择：是利用开源基础模型训练一个端到端的智能体，还是依托前沿模型的上下文学习能力，在其之上 构建智能体？ 在我投身 NLP 的第一个十年里，我们并没有这种奢侈的选择。遥想当年 BERT 问世（没错，那已是七年前），模型必须先经过微调——还要评估—— 才能迁移到新任务。每次迭代往往耗时数周，尽管那时的模型体积与今日的 LLMs 相比微不足道。对于快速迭代的应用，尤其是 PMF 之前的阶段，如 此缓慢的反馈循环几乎是致命的。这是我上一家初创公司留下的惨痛教训：当时我从零开始训练模型，用于开放信息抽取和语义搜索。随后 GPT-3 与 Flan-T5 横空出世，我那些自研模型一夜之间便失去了意义。颇具讽刺意味的是，正是这些新模型开启了上下文学习的大门——也为我们指明了一条全 新的道路。 这个来之不易的教训让选择变得清晰：Manus 将押注于上下文工程。这让 ...