Manus创始人首度复盘：揭秘产品细节 总结经验教训

快速阅读: 相关媒体消息，Manus AI宣布全面撤出中国，迁总部至新加坡。其联合创始人发布技术博客，总结上下文工程、KV-Cache优化等经验，强调提升产品效率与稳定性。

据36氪报道，10月12日，Manus AI 宣布几乎全面撤出中国市场，包括清空所有社交账号内容，并暂停国行版本的推进。此前，Manus 联合创始人张涛透露，公司已将全球总部迁至新加坡，在东京和加州设有办公室。官方表示，此次调整基于经营效率考虑，但外界普遍猜测其可能因出海引发的裁员等问题而“跑路”。

面对质疑，今天凌晨，Manus 联合创始人季逸超发布技术博客，试图将外界关注点重新聚焦于产品技术。他总结了团队在构建 Manus 过程中的经验教训，包括上下文工程、KV-Cache 命中率优化、工具管理、文件系统存储、注意力控制及错误处理等方面，为行业内外提供了宝贵参考。

具体而言，Manus 团队强调了以下几点：
– **上下文工程**：团队不再专注于模型训练，而是围绕大模型构建“记忆”和流程，以加速产品迭代。
– **KV-Cache 命中率**：保持输入稳定，避免提示中使用时间戳，只追加上下文，手动标记缓存断点，以提高缓存效率。
– **工具管理**：采用“遮蔽”法控制工具选择，避免动态修改工具列表导致的缓存失效和模型混乱。
– **文件系统存储**：使用虚拟文件系统承载持久上下文，实现“外部记忆”，防止信息丢失。
– **注意力控制**：通过不断更新并重述待办事项列表，将全局目标保持在模型的近期注意力范围内。
– **错误处理**：保留错误日志，帮助模型更新内部信念，减少重复错误。
– **避免少样本提示陷阱**：引入结构化变化，增加多样性，避免模型陷入复制粘贴式幻觉。

Manus 项目初期，团队面临选择：是训练端到端的 Agent，还是基于前沿模型的上下文学习能力构建 Agent？最终，Manus 选择了上下文工程，这使团队能够在几小时内而非几周内推出改进，确保产品与底层模型的正交性。尽管上下文工程充满挑战，但团队通过反复试验，找到了有效的解决方案。

(以上内容均由AI生成)