Manus战略调整与技术路线 - 公司近期撤出中国市场并清空国内社交账号内容，全力转战海外市场，官方解释为经营效率调整及国际化布局 [2] - 联合创始人季逸超发布技术博客，首次从技术角度回应，总结Agent研发与训练经验教训 [2] - 技术路线侧重押注上下文工程，通过构造"记忆"与流程实现产品快速迭代，核心目标是节省底层模型训练成本并提高训练效率 [2] 上下文工程的技术细节 - 上下文在大模型中指任务处理时参考的信息集合，可增强模型理解能力、任务性能及输出连贯性 [3] - 月之暗面Kimi创始人杨植麟认为无损长上下文是实现AI-native产品个性化交互的关键，用户交互历史是最佳个性化过程 [3] - KV-Cache命中率是Transformer模型推理阶段效率核心，高命中率可提升推理效率、优化资源利用率并降低计算成本 [3] 公司技术路线的决策背景 - 季逸超基于Peak Labs教训，避免从头训练模型（如开放信息提取和语义搜索模型），因GPT-3等现成模型的出现使自研模型失去竞争力 [4] - 创业Manus后团队放弃基座模型研发，选择使用开源基础模型训练端到端Agent或基于前沿模型上下文能力构建Agent [5] - 经历四次Agent框架调整才实现局部最优解，但依赖外部多模型组合与工程优化，任务执行连贯性与准确性弱于OpenAI端到端训练的ChatGPT Agent [5] 行业竞争与挑战 - OpenAI凭借底层模型优势将Agent行业带入拐点，吸引开发者与用户至大厂平台，创业公司面临市场份额争夺压力 [5] - Agent类产品存在同质化严重、商业模式不明、成本高企等困境，上下文工程等亮点不足以让创业公司脱颖而出 [5]