manusai通过上下文工程机制实现自主运行：将上下文当内存精管，用文件系统替代记忆，并以目标锚定与动态卸载防止注意力漂移。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
ManusAI不是“用”出来的，而是“搭”出来的——它不靠用户手动输入指令推进流程，而是由系统自主规划、调用工具、读写文件、交付成果。真正决定它能不能跑稳、跑快、跑久的，是背后那套精细的上下文工程机制。
把上下文当内存来管，而不是聊天记录
传统AI助手把每次交互都堆进上下文，像往抽屉里乱塞东西；Manus则把上下文当作有限的运行内存来精打细算：
- 只保留当前决策必需的信息，旧工具结果自动压缩成路径引用（如/sandbox/output_12.json），内容存外不塞内
- 接近窗口上限时，优先替换早期完整日志为摘要，但最新3次调用始终留完整版，确保推理连贯
- 所有系统提示固定前缀，禁用时间戳、随机ID等扰动项，让KV缓存命中率稳定在90%以上
用文件系统代替“记性”，解决容量天花板
再大的上下文窗口（比如128K）也扛不住几十步任务的持续累积。Manus直接把外部文件系统当成“外接硬盘”：
Images & videos generation with Gemini 3 Pro Image + Qwen Wan 2.6 (video) via one API key
下载
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
- 网页抓取结果不放上下文，只写fetched_page.html并记下路径
- 代码执行日志存/log/run_20260523_01.log，上下文里只留一句“已运行并保存日志”
- 失败报错原样存入/error/attempt_7.txt，不删不掩，供后续步骤复盘修正
目标锚定+动态卸载，防止注意力漂移
长链任务容易“跑偏”，Manus用两个轻量机制守住核心意图：
- 每轮迭代末尾，自动将待办事项（todo.md）最新版本的最后一行复述到上下文最底部，形成自然语言锚点
- 工具调用分层：原子函数（shell("mcp pdf-parse input.pdf")间接触发，省掉大段描述token
不改模型，只优上下文，就能快速迭代
Manus团队六次架构重构，没一次靠微调模型，全靠上下文工程的持续打磨：
- 用“追加不修改”策略保障序列化确定性，避免缓存失效
- 引入可控随机性——在少样本模板中微调措辞顺序或标点风格，打破行为固化
- 混合调度不同模型：Claude处理代码逻辑、Gemini解析截图、OpenAI跑数学验证，按需路由不硬塞
