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”。只要上下文前缀不变，模型能复用之前的计算，推理又快又省钱。比如，缓存命中时的成本能比没命中便宜10倍！所以，团队拼命想办法让上下文“长得一样”，别乱动。
3. 上下文只加不改，别乱动历史
就像写日记，不能回头改昨天的内容。只往后追加新内容，这样缓存才不会失效。哪怕是小小的时间戳变化，也会让缓存白搭。
4. 工具多了别乱删，掩码比删除更聪明
Agent能用的工具越来越多，像超市货架一样。以前想着动态加减工具，结果缓存全失效，模型还晕头转向。后来学聪明了：工具都留着，用“掩码”让模型只看到该用的那几个，其他的暂时“隐身”。
5. 文件系统是超级外挂记忆
上下文窗口再大也有极限，怎么办？Manus直接把文件系统当成“外挂大脑”，模型需要啥就去文件里找。这样任务再复杂也不怕，信息随时能查回来。
6. 错误要留下，别急着擦屁股
Agent犯错很正常，别急着把错误删掉。把“走过的弯路”留在上下文里，模型下次看到就能学乖，不会老是踩同一个坑。
7. 少样本提示别太单一，适当加点花样
如果上下文里全是一样的例子，模型容易“套路化”，一直重复同样的操作。Manus会故意加点小变化，让模型保持新鲜感，避免陷入“机械式”决策。
Manus 上下文工程实践的原文：
https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
