最近，Langchain 的工程师 Lance Martin 和 Manus 的创始人Peak 季逸超 进行了一次关于Agent的研讨会，信息量有点大，整理了一些结论分享一下。
一个现实：Agent越智能，死得越快。
问题出在哪？
Agent会疯狂调用工具，每次调用都会把结果塞进上下文里。
Manus提到他们一些任务需要50次工具调用，Anthropic说生产环境的Agent对话能跑几百轮。
结果就是，上下文像滚雪球一样越滚越大，最后开始出现 Context Rot，模型重复输出、推理变慢、质量下降。
这就是个悖论：Agent需要大量上下文才能工作，但上下文越多性能越差。
现在的解决方案基本就五招：
Offload、Reduce、Retrieve、Isolate、Cache。
分别对应了，文件系统、总结/压缩、语义召回、Sub-Agent、缓存。
因为大家太熟概念了，就不展开这几点了。
Peak分享了个很有意思的点：Compaction（压缩）≠ Summarization（总结）。
压缩是可逆的，比如写文件操作，完整版有path和content两个字段，压缩后只保留path，因为内容已经写进文件系统了，需要的时候再读回来。总结是不可逆的，信息会永久丢失。
所以Manus的策略是：先压缩，压不动了再总结。而且总结的时候必须用完整数据，不能用压缩版，否则信息损失会叠加。
一个趋势是，Agent 用一组较少的通用工具，这些工具使Agent能够访问计算机。
比如说，用 Bash 工具和几个访问文件系统的工具，就可以执行各种任务了。
所以Manus做了一个分层架构，外层只有不到20个原子能力。
将大多数的操作卸载到sandbox层。可以命令行调用，MCP通过CLI接入，可以写python脚本调用第三方API。
Manus最大的进步不是加功能，而是删功能。
过去七个月，每次简化架构，系统就变得更快、更稳、更聪明。
因为Context Engineering的目标不是让模型更复杂，而是让模型的工作更简单。
小心Context Over-Engineering（上下文过度工程化）。
Agent的上下文工程不是堆砌技巧，而是做减法的艺术。
Manus不做多角色Agent（什么设计师Agent、程序员Agent），因为那是人类公司的组织架构，是人类上下文能力的局限导致的。
AI为什么要模仿人类的限制？
他们只有三个Agent：通用执行Agent、规划Agent、知识管理Agent。就这么简单。
所以说，别再让Agent被自己的上下文撑死了。做减法，trust the model a little more。
