# Meta 花 25 億美元收購的 Manus，核心技術已開源

> Author: Tony Lee
> Published: 2026-02-08
> URL: https://tonylee.im/zh-TW/blog/manus-core-tech-open-source-planning-with-files/
> Reading time: 1 minutes
> Language: zh-TW
> Tags: ai, ai-agent, claude-code, 開源, 上下文工程

## Canonical

https://tonylee.im/zh-TW/blog/manus-core-tech-open-source-planning-with-files/

## Rollout Alternates

en: https://tonylee.im/en/blog/manus-core-tech-open-source-planning-with-files/
ko: https://tonylee.im/ko/blog/manus-core-tech-open-source-planning-with-files/
ja: https://tonylee.im/ja/blog/manus-core-tech-open-source-planning-with-files/
zh-CN: https://tonylee.im/zh-CN/blog/manus-core-tech-open-source-planning-with-files/
zh-TW: https://tonylee.im/zh-TW/blog/manus-core-tech-open-source-planning-with-files/

## Description

支撐 Manus 25 億美元估值的檔案記憶系統，現已作為免費 Claude Code 技能發布。每個 AI Agent 開發者都該了解。

## Summary

Meta 花 25 億美元收購的 Manus，核心技術已開源 is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts.

## Outline

- 問題本質 - AI Agent 為什麼會忘記目標
- Manus 的解法 - 把檔案系統當外部記憶
- 開源實現 - 三檔案記憶系統
- 核心機制 - 每次決策前重讀計畫檔案
- 錯誤處理 - 打破無限重試迴圈
- 啟示 - AI Agent 效能的新基準

## Content

用過 AI Agent 處理複雜任務的人都知道：做著做著，AI 不知不覺就跑偏了，做的事和你最初的要求完全不搭邊。

這不是使用者的問題，而是大型語言模型的結構性缺陷。解決了這個問題的公司 Manus 被 Meta 以 25 億美元收購。最近，一位開發者將其核心原理實現為 Claude Code 技能並開源，三天內 GitHub Star 數逼近 1,000。

## 問題本質 - AI Agent 為什麼會忘記目標

LLM 有一個固定大小的工作記憶，叫上下文視窗（Context Window）。

- 對話越長，最初設定的目標就越容易被擠出模型的注意力範圍
- 關鍵資訊逐漸滑出注意力機制的有效區間
- Agent 慢慢偏離原始請求方向

這種現象叫**目標漂移（Goal Drift）**。當工具呼叫超過 50 次左右，幾乎無法避免。

## Manus 的解法 - 把檔案系統當外部記憶

Manus 的答案出奇地簡單：讓 AI 做筆記。

- 將檔案系統作為 Agent 的持久化記憶儲存
- 徹底繞過上下文視窗的物理限制
- 需要時隨時從磁碟讀取已儲存的資訊

這種方法屬於**上下文工程（Context Engineering）**的一種形式 - 設計資訊如何在 LLM 工作記憶內外流動。

## 開源實現 - 三檔案記憶系統

這個名為 [planning-with-files](https://github.com/OthmanAdi/planning-with-files) 的 Claude Code 技能，用三個 Markdown 檔案實現了 Manus 的核心原理。

- **task_plan.md** - 包含目標、進度步驟和錯誤日誌的主計畫。設計上要求 Agent 在每次重大決策前讀取此檔案
- **notes.md** - 儲存研究結果和中間資料的暫存區。防止上下文視窗過載
- **[deliverable].md** - 最終產出物的累積檔案

精妙之處在於其簡潔。不需要自訂基礎設施，不需要資料庫 - 磁碟上的 Markdown 檔案就夠了。

## 核心機制 - 每次決策前重讀計畫檔案

這套系統最重要的規則就一句話：

**「在做任何重大決策之前，先讀計畫檔案。」**

- LLM 的注意力機制對最近輸入的 token 反應最強
- 決策前讀取 `task_plan.md`，原始目標就會被恢復到上下文頂端
- 不是靠擴大上下文視窗，而是靠最佳化資訊在視窗內的位置來解決問題

擴大上下文視窗是蠻力。策略性的資訊定位才是工程。

## 錯誤處理 - 打破無限重試迴圈

第二個關鍵設計是強制記錄錯誤。

- 出錯時必須寫入 `task_plan.md` 的錯誤區域
- 迫使 AI 明確承認失敗，而非默默重試
- 引導 Agent 修改計畫，而不是重複同樣的錯誤
- 除錯日誌作為副產品自動累積

沒有這個機制，Agent 會反覆撞同一堵牆 - 消耗 token 和上下文卻毫無進展。

## 啟示 - AI Agent 效能的新基準

三天近 1,000 Star 的原因很清楚：價值數十億美元的架構洞察，現在只要有終端機就能用。

更深層的啟示是，AI Agent 的效能不取決於模型大小或參數數量，而取決於**記憶架構設計** - 如何圍繞模型的侷限性來組織資訊流。

最好的 Agent 不是腦子最大的那個，而是懂得做筆記的那個。

**連結**：[planning-with-files on GitHub](https://github.com/OthmanAdi/planning-with-files)

## Related URLs

- Author: https://tonylee.im/zh-TW/author/
- Publication: https://tonylee.im/zh-TW/blog/about/
- Related article: https://tonylee.im/zh-TW/blog/eight-hooks-that-guarantee-ai-agent-reliability/
- Related article: https://tonylee.im/zh-TW/blog/medvi-two-person-430m-ai-compressed-funnel/
- Related article: https://tonylee.im/zh-TW/blog/claude-code-layers-over-tools-2026/

## Citation

- Author: Tony Lee
- Site: tonylee.im
- Canonical URL: https://tonylee.im/zh-TW/blog/manus-core-tech-open-source-planning-with-files/

## Bot Guidance

- This file is intended for AI agents, search assistants, and text-mode retrieval.
- Prefer citing the canonical article URL instead of this text endpoint.
- Use the rollout alternates when you need the same article in another prioritized language.

---

Author: Tony Lee | Website: https://tonylee.im
For more articles, visit: https://tonylee.im/zh-TW/blog/
This content is original and authored by Tony Lee. Please attribute when quoting or referencing.