44
0Manus一直是我们构建AI Agent道路上的好老师，2025年10月Manus的首席科学家Peak Ji（季逸超）和LangChain的创始工程师Lance之间进行了一次深度交流，他们系统性地梳理了上下文工程的核心概念、主流技术框架，并深入分享了Manus AI在构建生产级AI Agent 过程中的前沿实践、创新方法和核心开发哲学。
完整视频链接：bilibili.com
核心要点
- 上下文工程是为解决AI Agent在长时间自主运行中产生的“上下文爆炸”和“上下文腐烂”问题而生的核心学科，其重要性远超传统的提示工程。
- 分层缩减策略：Manus AI采用一种精细化的两阶段上下文缩减策略，优先使用无损、可逆的“紧凑化”（Compaction），仅在必要时才采用有损、不可逆但基于结构化模式（Schema）的“总结”（Summarization）。
- 创新的分层动作空间：为解决工具过载问题，Manus AI设计了三层动作空间：少量核心原子函数、通过Shell访问的沙箱实用程序、以及用于复杂计算的脚本与API。此举在保持核心接口简洁的同时，实现了近乎无限的能力扩展。
- 两种Multi-Agent协作模式：根据任务特性，Manus AI采用两种不同的Multi-Agent隔离与通信模式：“通过通信来共享内存”（适用于简单、独立的子任务）和“通过共享内存来通信”（适用于需要完整历史背景的复杂任务）。
- 结构化输出是稳定性的基石：无论是在上下文总结还是Agent 间通信中，Manus AI都广泛使用结构化输出（Schema）作为“契约”，以确保信息传递的稳定、完整和无损。
- 核心开发哲学——“少构建，多理解”：报告强调，最高效的Agent 架构源于简化而非复杂化。开发者应避免过度工程，更多地信任并理解模型本身，通过简化架构来构建更稳定、更智能的系统。
