Manus核心Context技术开源:只用几百行指令实现20亿美金级AI能力
2026年初,一个叫`planning-with-files`的开源项目在GitHub上崭露头角,发布仅四天便狂飙至3.3k星标。这个看似普通的Python脚本,却如同AI领域的"开源核弹"——它直接复刻了Meta斥资20亿美元收购的Manus公司核心技术,用几十行指令和三个Markdown文件,在本地终端模拟出价值百亿美金的Agent系统。
Manus核心Context技术开源:只用几百行指令实现20亿美金级AI能力

一、现象级开源项目引爆AI圈
2026年初,一个叫planning-with-files的开源项目在GitHub上崭露头角,发布仅四天便狂飙至3.3k星标。这个看似普通的Python脚本,却如同AI领域的"开源核弹"——它直接复刻了Meta斥资20亿美元收购的Manus公司核心技术,用几十行指令和三个Markdown文件,在本地终端模拟出价值百亿美金的Agent系统。
当前这股"Context Engineering"热潮下,无数开发者惊叹:原来LLM的能力边界,真的可以通过工程设计而非模型参数突破!
二、Manus的「上下文革命」底层逻辑
(1)为什么Manus值20亿美金?
Manus公司并非拥有更强的模型,而是重新定义了AI与上下文交互的方式。在reference.md中,其六大核心原则构建起AI工程的新范式:
| 原则名称 | 核心原理 |
|---|---|
| 文件系统即外部记忆 | 用磁盘替代易失性Context Window,仅保留路径指针 |
| 注意力操纵 | 通过重复读取关键文件,强制刷新模型注意力权重(对抗"中间迷失") |
| 失败痕迹保留 | 显式记录错误尝试,让模型通过反思避免死循环 |
| 少样本过拟合规避 | 引入受控变体,防止模型陷入机械性幻觉 |
| 稳定前缀优化缓存 | 固定文件结构降低Token成本,最大化KV-Cache命中率 |
| 只增不改上下文 | 以追加而非修改方式更新信息,维护上下文连贯性 |
(2)三文件工作流:把抽象原则具象化
planning-with-files将上述理论打包成一套"三文件咒语",当你对Claude发出指令时,系统会强制在目录生成三个文件:
1. task_plan.md(指令寄存器)
这是Agent的"中央处理器",不存储具体知识,仅维护元数据:
- 目标拆解(用户需求→里程碑→子任务)
- 状态追踪(用复选框标记完成阶段)
- 错误日志(记录关键失败点)
- 关键机制:每次行动前必须读取此文件,确保Agent不偏离航向
2. notes.md(知识库缓存池)
存储所有调研数据与中间成果:
## 技术栈调研
- TensorFlow优化:XLA编译加速15%
- 错误案例:RNN文本生成出现"猫=狗"幻觉(已修复)
设计哲学:将"不要在Context中塞入太多信息"转化为"Store, Don’t Stuff"实践
3. deliverable.md(成果输出缓冲区)
最终产物的唯一载体:
- 代码片段(保持可直接执行状态)
- 可视化材料(图表、截图嵌入)
- 自动生成文档(含版本号与时间戳)
三、LLM致命痛点的精准打击
传统AI在复杂任务中常陷入四大困境,而三文件模式给出完美解药:
1. 易失性记忆问题
症状:多轮对话后变量定义遗忘
解药:文件系统持久化(即使会话重置,notes.md和task_plan.md仍能恢复记忆)
2. 目标漂移陷阱
症状:50步执行后忘记原始目标
解药:强制Read-Before-Decide(每次关键决策前必读task_plan.md)
3. 错误隐藏危机
症状:API调用失败后默默重试导致死循环
解药:Error Persistence机制(task_plan.md自动记录失败路径)
4. 上下文填充过载
症状:将5000字协议全文塞进Context窗口
解药:数据卸载(仅保留关键结论,详细内容存入notes.md)
四、实操指南:从零部署「20亿美金技能」
安装部署
# Clone代码库
git clone https://github.com/OthmanAdi/planning-with-files.git
# 复制技能到Claude配置目录
cp -r planning-with-files/skills/* ~/.claude/skills/
# 重启Claude Code验证
claude --reload
使用案例
当你发出指令:帮我开发一个贪吃蛇游戏,支持分数记录和难度选择
系统会自动执行:
- 初始化
task_plan.md(生成开发三阶段计划) - 查阅
notes.md(调用游戏框架API文档) - 生成
deliverable.md(含最终可执行代码)
五、结语:代码即AI时代的新基建
这个开源项目颠覆了我们对AI能力的认知——真正的AI革命不在参数规模,而在认知架构设计。当你能用几百行指令复现Manus的技术架构时,已经距离实现20亿美金级AI能力只有"一步之遥"。
《AI编程从开发到变现小白入门》手册
https://drgphlxsfa.feishu.cn/wiki/LK9pwfT7piXZuhkMHE0cokT3nXd
VicroCode,AI编程时代的代码部署交易平台。支持代码快速在线部署与发布,无需复杂配置,一键上线应用。同时搭建代码交易生态,让开发者的优质代码直接转化为收益,助力个人与企业高效实现技术价值,让每一段代码都能创造商业与实用价值。
更多推荐
所有评论(0)