文章讨论AI Agent上下文管理问题，指出Agent因频繁调用工具导致上下文膨胀引发性能下降。提出五种解决方案：卸载、缩减、检索、隔离和缓存，强调压缩与总结的本质区别。当前趋势是使用少量通用工具，Manus采用分层架构通过简化系统提升性能。核心观点是上下文工程应做减法而非堆砌技巧，避免过度工程化，信任模型能力，只需三种基本Agent类型即可。

---

嘿，大家好！这里是一个专注于前沿AI和智能体的频道~

最近，Langchain 的工程师 Lance Martin 和 Manus 的创始人Peak 季逸超 进行了一次关于Agent的研讨会，信息量有点大，整理了一些结论分享一下。

一个现实：Agent越智能，死得越快。

问题出在哪？

Agent会疯狂调用工具，每次调用都会把结果塞进上下文里。

Manus提到他们一些任务需要50次工具调用，Anthropic说生产环境的Agent对话能跑几百轮。

结果就是，上下文像滚雪球一样越滚越大，最后开始出现 Context Rot，模型重复输出、推理变慢、质量下降。

这就是个悖论：Agent需要大量上下文才能工作，但上下文越多性能越差。

现在的解决方案基本就五招：

Offload、Reduce、Retrieve、Isolate、Cache。

分别对应了，文件系统、总结/压缩、语义召回、Sub-Agent、缓存。

因为大家太熟概念了，就不展开这几点了。

Peak分享了个很有意思的点：Compaction（压缩）≠ Summarization（总结）。

压缩是可逆的，比如写文件操作，完整版有path和content两个字段，压缩后只保留path，因为内容已经写进文件系统了，需要的时候再读回来。总结是不可逆的，信息会永久丢失。

所以Manus的策略是：先压缩，压不动了再总结。而且总结的时候必须用完整数据，不能用压缩版，否则信息损失会叠加。

一个趋势是，Agent 用一组较少的通用工具，这些工具使Agent能够访问计算机。

比如说，用 Bash 工具和几个访问文件系统的工具，就可以执行各种任务了。

所以Manus做了一个分层架构，外层只有不到20个原子能力。

将大多数的操作卸载到sandbox层。可以命令行调用，MCP通过CLI接入，可以写python脚本调用第三方API。

Manus最大的进步不是加功能，而是删功能。

过去七个月，每次简化架构，系统就变得更快、更稳、更聪明。

因为Context Engineering的目标不是让模型更复杂，而是让模型的工作更简单。

小心Context Over-Engineering（上下文过度工程化）。

Agent的上下文工程不是堆砌技巧，而是做减法的艺术。

Manus不做多角色Agent（什么设计师Agent、程序员Agent），因为那是人类公司的组织架构，是人类上下文能力的局限导致的。

AI为什么要模仿人类的限制？

他们只有三个Agent：通用执行Agent、规划Agent、知识管理Agent。就这么简单。

所以说，别再让Agent被自己的上下文撑死了。做减法，trust the model a little more。

最后

视频在这里：https://www.youtube.com/watch?v=6_BcCthVvb8

langchain的ppt在这里：https://docs.google.com/presentation/d/1Z-TFQpSpqtRqWcY-rBpf7D3vmI0rnMhbhbfv01duUrk/edit?slide=id.g38aedf7fc8c_0_0#slide=id.g38aedf7fc8c_0_0

manus的ppt在这里：https://drive.google.com/file/d/1QGJ-BrdiTGslS71sYH4OJoidsry3Ps9g/view

好了，这就是我今天想分享的内容。如果你对构建AI智能体感兴趣，别忘了点赞、关注噢~

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）