Manus重押上下文工程 海外拓展求突破

Manus转战海外市场：重押上下文工程 寻求效率突破

近期，AI Agent领域玩家Manus宣布撤出中国市场，将精力全部集中在海外扩张上。官方解释称此次调整是为了优化经营效率和推动国际化发展战略。

北京时间7月19日，Manus联合创始人季逸超发布技术博客，首次从技术角度阐述了公司转型的核心策略——上下文工程。他总结了创业历程中Agent研发与训练的经验教训，认为未来将更加注重上下文（Context）的研究和应用。

Manus的核心思路在于通过构建“记忆”和流程，借助上下文实现产品快速迭代。具体措施包括：

• 押注上下文: 不再投入基座模型研发，专注于开源基础模型训练端到端Agent，并利用前沿模型的上下文学习能力构建Agent。
• KV-Cache命中率至关重要: 高命中率可以提高推理效率、优化资源利用率、降低计算成本。Manus将加强KV-Cache机制的建设，提升推理性能。
• 不再训练模型: 重点在于优化现有模型的使用效率和效果，避免耗费大量的资源进行基础模型训练。
• 不动态添加工具: 集中精力构建上下文理解能力，减少依赖于外部工具辅助任务完成。
• 用文件系统承载持久上下文: 实现Agent在不同交互过程中保持状态记忆，提升用户体验。

季逸超强调，上下文工程并非一蹴而就，Manus经历了四次Agent框架调整才找到局部最优解。 但这种策略仍存在局限性，尤其是在面对OpenAI最新发布的ChatGPT-Agent时。 ChatGPT-Agent依托OpenAI专用模型，采用端到端训练，可以更好地处理复杂任务，而 Manus仍然依赖外部多模型组合和工程优化，在任务执行连贯性和准确性上稍逊一筹。

Manus转战国际市场之际，OpenAI凭借底层模型优势将Agent行业带入拐点，吸引更多开发者和用户涌向大厂平台。 尽管创业公司在垂直领域依然具备生存空间，但不可避免地面临着市场份额被争夺的挑战。 特别是在当前Agent类产品同质化严重、商业模式不明、成本高企等困境下，上下文工程等方面的亮点不足以让Manus跳脱出来。团队需要持续优化技术策略，探索差异化发展路径。

阅读本文之前，你最好先了解...

• AI Agent: 是一种可以理解人类语言、执行指令并与用户进行交互的智能程序。与传统的 chatbot 相比，Agent 更具有自主性，能够完成更复杂的任务，例如规划行程、撰写邮件、搜索信息等。
• 上下文工程: 是 AI 领域一个重要的研究方向，旨在帮助 AI 模型更好地理解和处理文本中的上下文信息。上下文信息可以包括前文内容、用户历史交互记录等，有助于模型生成更准确、更有语义的回复。

Manus 面临的挑战：

• OpenAI 的优势: OpenAI 凭借强大的底层模型优势，在 Agent 领域占据了主导地位。其发布的 ChatGPT-Agent 就展现出强大的能力，能够更好地处理复杂任务，并吸引大量开发者和用户使用。
• 同质化竞争: 目前 Agent 类产品同质化严重，很多公司都提供类似的功能，难以形成差异化优势。
• 商业模式不明确: 目前 Agent 领域的商业模式尚不明确，如何盈利仍然是众多公司面临的难题。
• 成本高企: 开发和训练高质量的 AI 模型需要大量的计算资源和数据，成本十分高昂。

Manus 的未来发展方向：

尽管 Manus 面临着诸多挑战，但其专注于上下文工程的策略仍具有一定的潜力。

• 持续优化技术策略: Manus 需要不断研究和改进上下文工程的技术，提升 Agent 模型的理解能力和执行效率。
• 探索差异化发展路径: Manus 可以考虑专注于某个特定领域或场景，开发更精准、更有价值的 Agent 产品，形成差异化竞争优势。
• 寻求合作与共赢: Manus 可以与其他公司、机构进行合作，共享资源和技术，共同推动 Agent 领域的进步。

如果你有其它意见，请评论留言。