# Manus 被 Meta 以三億美元收購，與 LangChain 聯手揭示 AI Agent 開發核心原則 > Author: Tony Lee > Published: 2026-02-08 > URL: https://tonylee.im/zh-TW/blog/manus-meta-300m-agent-development-principles/ > Reading time: 1 minutes > Language: zh-TW > Tags: ai, ai-agents, manus, meta, langchain, context-engineering, multi-agent ## Canonical https://tonylee.im/zh-TW/blog/manus-meta-300m-agent-development-principles/ ## Rollout Alternates en: https://tonylee.im/en/blog/manus-meta-300m-agent-development-principles/ ko: https://tonylee.im/ko/blog/manus-meta-300m-agent-development-principles/ ja: https://tonylee.im/ja/blog/manus-meta-300m-agent-development-principles/ zh-CN: https://tonylee.im/zh-CN/blog/manus-meta-300m-agent-development-principles/ zh-TW: https://tonylee.im/zh-TW/blog/manus-meta-300m-agent-development-principles/ ## Description Manus 在與 LangChain 的聯合演講中，分享了打造生產級 AI Agent 的血淚教訓 - 從 Context Rot 到評估方法的全面反思。 ## Summary Manus 被 Meta 以三億美元收購，與 LangChain 聯手揭示 AI Agent 開發核心原則 is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts. ## Outline - Context Rot 的矛盾 - 找到 Product-Market Fit 之前，別急著 Fine-Tune - 多代理模式：兩種截然不同的方法 - 三層式行動空間，防止工具過載 - 重新思考評估指標 - 核心教訓 ## Content Meta 以三億美元收購 Manus 的消息鋪天蓋地，但真正值得關注的，是 Manus 在與 LangChain 的聯合演講中揭露的內容。這場演講赤裸裸地攤開了打造「真正能用」的 AI Agent 背後的核心原則 - 並且劃出了一條清楚的界線：哪些是新創公司常犯的錯，哪些是真正能交出成果的策略。 ## Context Rot 的矛盾 Agent 需要工具。工具越多，能力越強。但問題來了：Agent 用的工具越多，Context 就越膨脹 - 而效能會因此直接下滑。 Manus 把這種現象稱為 **Context Rot**。這是 Agent 開發最核心的矛盾：讓你的 Agent 更強大的東西，同時也讓它變得更笨。 解方是 **Context Engineering** - 只給模型下一步需要的資訊，不多不少。 Manus 具體列出了六種技術： - **Offload（卸載）** - 把佔大量 Token 的資料移到檔案系統，而不是留在 Context 裡 - **Reduce（精簡）** - 積極移除過時的資訊 - **Compact（壓縮）** - 可逆地壓縮可還原的資料（例如：移除檔案內容但保留路徑） - **Summarize（摘要）** - 不可逆地壓縮資訊，但一定透過結構化的 Schema 來做 - **Retrieve（檢索）** - 透過搜尋按需提供資訊 - **Isolate（隔離）** - 使用擁有獨立 Context 的子代理 關鍵洞察：Context 管理不是「有做更好」的最佳化，而是決定你的 Agent 能規模化運作、還是會被自身重量壓垮的核心架構決策。 ## 找到 Product-Market Fit 之前，別急著 Fine-Tune Manus 點名的最常見新創錯誤之一：在找到 Product-Market Fit 之前就去訓練專用模型。 邏輯很直接。通用模型搭配強大的 Context Engineering，能實現更快的迭代週期。太早做 Fine-Tuning，等於把自己鎖死在尚未驗證的使用者行為假設上。 更尖銳的觀點：**你改進模型的速度，決定了產品創新速度的天花板**。Fine-Tuning 會拖慢這個循環，Context Engineering 則能讓它保持快速。 Fine-Tuning 留到產品被驗證可行之後再做。在那之前，它就是最昂貴的過早最佳化。 ## 多代理模式：兩種截然不同的方法 Manus 歸納出兩種基本的多代理模式，各自適合不同類型的工作： **溝通模式（Communicating Pattern）** - 子代理從一張白紙開始。主代理發送聚焦的請求，子代理獨立處理後回傳結果。最適合低 Context 需求、可平行化的任務，例如程式碼搜尋或資料檢索。 **共享記憶體模式（Shared Memory Pattern）** - 子代理共享完整的對話歷史，但使用不同的提示詞和工具集。最適合複雜、相互依賴的任務，例如深度研究 - 每一步都建立在前面的發現之上。 選擇哪種模式，不是能力問題，而是 Context 需求問題。如果子任務是自成一體的，用溝通模式。如果它需要完整的上下文，用共享記憶體模式。選錯的後果是：要嘛浪費 Token 在不必要的 Context 上，要嘛讓 Agent 缺乏它所需要的資訊。 ## 三層式行動空間，防止工具過載 工具太多會讓模型搞混。Manus 的解法是分層架構，限制模型在任何時刻看到的工具數量： **原子層（Atomic Layer）** - 10 到 20 個核心能力：讀取、寫入、Shell、瀏覽器。這些永遠可用，模型直接呼叫。 **沙箱工具（Sandbox Utilities）** - 預裝的 CLI 工具，例如轉換器、Linter、格式化工具。模型透過 Shell 來叫用它們，而不是把它們當作專用工具。 **套件與 API（Packages and APIs）** - 帶有預先驗證 API Key 的 Python 腳本。負責處理外部服務互動，而不需要把完整的 API 介面暴露給模型。 這種分層讓模型的決策空間維持在可管理的範圍。它不用從 200 個工具裡做選擇，而是從 15 個核心動作中挑選，其他都透過 Shell 去執行。結果就是更可靠的工具選擇，以及更少的混淆或幻覺式工具呼叫。 ## 重新思考評估指標 GAIA 之類的公開基準測試無法反映真實使用者的偏好。Manus 的立場很直接：**黃金標準是使用者對已完成 Session 的評分**，1 到 5 分。 三個評估原則浮現出來： 1. **執行測試優於問答測試** - Agent 能不能在沙箱中實際完成任務？這比它能不能回答關於任務的問題重要得多。 2. **主觀品質需要人工審查** - 視覺精緻度、語氣、整體連貫性無法自動評分。需要一個人實際去看輸出結果。 3. **基準測試分數是必要但不充分的** - 它們證明了基本能力，但不能證明產品是好的。 ## 核心教訓 過度工程是最大的敵人。 最大的效能提升不是來自增加複雜度，而是來自移除複雜度。不要讓模型的工作變得更難，讓它變得更簡單。 這或許就是 Meta 願意為 Manus 付出三億美元的原因。不是因為華麗的功能，而是因為一套聚焦於本質的設計哲學：剝除不需要的東西、毫不留情地管理 Context、打造讓模型能專注於任務而不是淹沒在自身狀態中的系統。 在生產環境中能用的 Agent，不是擁有最多能力的那個，而是讓每一項能力都發揮效用的那個。 ## 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-meta-300m-agent-development-principles/ ## 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.