这个来之不易的教训让我们的选择变得异常清晰：Manus 将赌注押在 上下文工程（Context Engineering） 上。这使我们能将产品改进的周期从数 周缩短至几小时，并让我们的产品与底层模型的发展保持正交：如果说模型技术的进步是上涨的潮水，我们希望 Manus 是水涨船高的船，而非被固定 在海床上的桥墩。 即便如此，上下文工程的实践之路也远非一帆风顺。它是一门实验科学——我们已经重构了四次 Agent 框架，每一次都是因为发现了塑造上下文的更 优方法。我们将这种手动进行架构搜索、调试提示（prompt）和凭经验猜测的摸索过程，戏称为" 随机研究生下降 "（Stochastic Graduate Descent）——这是对"随机梯度下降"（Stochastic Gradient Descent）的一个文字游戏。这个方法听起来不那么优雅，但确实有效。 本文是对 Manus 创始人 季逸超 （Jiyichao）在其博客上发表的《Context Engineering for AI Agents: Lessons from Building Manus》一文的全文翻译。 这篇文章并非空泛的理论，而是 Manu ...