特别是第5点，用文件系统解决了大模型的上下文问题，让Agent拥有无限记忆和灵活操作能力。文件系统是人类文明最伟大的发明之一。让 Agent 能用文件系统作为记忆存储，是Manus团队最大的发明之一。为什么用文件系统？传统AI Agent最大的问题是“记性差”——上下文窗口再大，也有极限。比如128K tokens听起来很大，但遇到复杂任务、长文档、网页、PDF，分分钟就爆了。而且，

#大模型Agent #文件系统 #上下文窗口 #记忆存储 #Manus团队

相关新闻

汉松

1周前

DeepResearch Agent 有一个很大的问题就是多次的搜索阅读很容易就把上下文窗口用光了，常规的做法是像 Claude Code 一样，超过阈值就触发记忆压缩。通义的论文《ReSum》提出了一种在 RL 中让模型学会更好地利用压缩内容的方法。这个方法我们之前也考虑过，但这样做在强化学习的时候会有一个问题：一旦触发记忆压缩，整个历史记录都会变成压缩后的内容，此时模型就只能看到压缩后的

dontbesilent

3周前

我现在直接和大模型对话的次数越来越少了，大部分时间都是使用 GenSpark 或者manus这样的agent 我不知道为什么身边很多人不愿意用在我看来，这是一个介于大模型对话和deep search之间的一个形态（前者的机制太简单，后者反馈又太慢）很多时候我提了一个问题之后，我其实没有时间去思考大模型能不能回答这个问题，如果他不能回答的话，是不是要主动去网上寻找一些资料，然后理解一下这个

宝玉

1个月前

最先进的一批AI模型写代码不烂，模块级别远超人类程序员平均水平，写出来烂代码先看看选的啥模型，上下文是不是充分，提示词是不是要优化。跨模块的代码，受限于上下文窗口长度，可能需要人类辅助设计规划一下，如果项目结构合理，AI一样可以重用现有代码保持DRY

AIGCLINK

2个月前

构建Manus的经验教训，6个经典的上下文工程的方法论值得学习： 1、提升KV缓存命中率降低token成本。 2、前缀提示词中的tool，在不同轮次对话中，不用的tool部分采用遮盖非移除，这样提升kv cache的命中率。 3、使用文件系统作为上下文，例如，只要保留URL，网页内容就可以从上下文中移除，保存在外部文件系统中；如果沙盒中仍然保留文档路径，则可以省略文档内容。这使得Manus能

orange.ai

2个月前

Manus 团队发布 Blog，解密上下文工程实践这是花了用几千万美元学费，实际各种踩坑，才得到了一些反共识的经验非常宝贵 1. 上下文工程比“从头造轮子”更香 Manus团队一开始就决定：别自己训练大模型，直接用现成的模型，把精力放在“怎么喂模型好吃的上下文”上。这样产品能快速迭代，模型升级了，产品也能跟着飞。 2. KV缓存命中率，省钱又提速的秘密武器 KV缓存就像“记忆力外挂”。