Manus「删博跑路」后，创始人首次深度复盘：公开产品细节，总结教训

主要观点总结

本文介绍了Manus AI在爆火仅四个月后突然几乎全面撤出中国市场的事件，以及该公司创始人及团队在产品技术上的反思和经验分享。文章涵盖了Manus AI的上下文工程、KV-Cache命中率、遮蔽法控制选择、文件系统承载持久上下文、错误保留、少样本提示等方面的经验和教训。

关键观点总结

关键观点1: Manus AI的突然撤离及其影响

Manus AI爆火仅四个月后突然撤出中国市场，引发争议和猜测。创始人及团队分享了他们在产品技术上的反思和经验，这些经验对于构建AI Agent具有指导意义。

关键观点2: 上下文工程的重要性

上下文工程在AI Agent的构建中至关重要。通过调整上下文，可以提高模型的响应速度和效率，避免模型陷入重复模式，提高KV-Cache命中率等。

关键观点3: 遮蔽法控制选择

在构建AI Agent时，通过遮蔽法控制选择可以避免动态修改工具列表导致的缓存失效和模型混乱。Manus使用「遮蔽token logits」的方法，让模型「看不见」不应调用的工具。

关键观点4: 文件系统承载持久上下文

为了提高AI Agent的长时记忆能力，Manus将模型的长时记忆写入虚拟文件系统，按需读写，实现「外部记忆」，规避信息丢失。

关键观点5:

在Agent的行为中，保留错误的内容具有重要的价值。错误尝试可以帮助模型更新内部信念，减少重复错误的可能性。

关键观点6:

在构建AI Agent时，要避免少样本提示的陷阱。通过增加多样性，引入结构化变化，打破模式，调整模型的注意力。

免责声明