上个月底，Meta 宣布斥资 20亿美金 买下 Manus AI，这消息让我朋友圈里那些搞大模型的同行们都“炸锅”了。
当时大家都在猜测 Manus 到底藏着什么黑科技。结果这几天技术细节一曝光，很多人（包括我）都沉默了——这玩意儿的核心护城河，居然是一堆 Markdown 文件。
说实话，第一反应是荒谬，第二反应是——这太合理了。总结起来不就是“好记性不如烂笔头”吗？仔细一想，我们平时写代码、做工程，很多时候不也是这么干的吗？
你的 AI 为什么总是“对话崩溃”？
咱们写代码的都懂那个令人抓狂的瞬间：刚开始和 Claude 这类 大模型 结对编程时，前二十分钟配合默契，它似乎完全理解你的架构和变量命名。但只要对话轮数超过50，它就开始出现混乱。
它会突然忘记半小时前你们一起定下的接口规范，开始胡乱引用包，甚至在你指出错误时，它还能一本正经地“狡辩”。这不是模型本身笨，而是它的“记性”到极限了。
我们习惯把所有的代码、文档和需求都一股脑儿塞进模型的上下文窗口里。这就好比给一个刚入职的实习生一次性灌输500页文档，然后立刻指望他高质量输出。结果就是“目标漂移”，AI连自己最初要干什么都忘了。
Manus 的价值，恰恰在于它不盲目相信 AI 的“脑子”。它只相信那个“烂笔头”。
价值 20 亿美金的“工作流三板斧”
Manus 的逻辑简单到近乎粗暴：别让 AI 用脑子记事，逼着它动手写文档。它搞了一套所谓的“3-File Pattern”。听起来高大上，其实就是在项目根目录创建三个 Markdown 文件，并强制规定 AI：每进行一次重要操作前，必须先读取这三个文件；操作后，必须更新这三个文件。
我在自己的项目中尝试复刻了这套方法，效果确实比干巴巴的、冗长的 Prompt 要强得多。
第一份文件：task_plan.md （防跑偏清单）
这是一个动态的 Check List。AI 最容易陷入的陷阱之一就是“钻牛角尖”——本来要修一个 Bug，修着修着就开始重构整个模块，最后旧 Bug 没解决，反而引入一堆新问题。
这个文件里只明确三件事：
- 最终目标是什么？
- 当前进行到哪一步了？
- 下一步具体要做什么？
每次 AI 准备动手写代码或进行复杂操作前，都强制让它先读一遍这个文件。这就好比以前 Team Leader 站在你身后，时不时问一句：“伙计，你现在的操作和我们的核心目标一致吗？”
第二份文件：findings.md （知识错题本）
这是最实用的一份文件。在调试过程中，你发现 Node.js 18 在某个场景下有奇怪的表现，或者某个第三方库的最新版本改了 API。这些零碎的“新知识”，在通常的对话中很容易被后续内容刷掉，无法形成持久记忆。
Manus 强制 AI 把这些关键发现和解决方案记录在这个文件里。下次再遇到类似问题时，AI 就不会再傻乎乎地去重新搜索文档或盲目尝试，而是直接调取这里的“历史经验”。此时的 AI 就不再是那个健忘的实习生了，它变成了一个记得“这台服务器每周二下午重启总会报错”的资深老员工。
第三份文件：progress.md （操作流水账）
这就是一个纯粹的日志文件。刚才跑测试失败了吗？错误堆栈是什么？上一次尝试修改了哪个函数？所有尝试和结果，无论成功失败，全都按时间顺序记下来。
这主要是为了防止 AI 陷入无意义的死循环——你知道的，有时候 AI 会像着了魔一样，反复尝试同一个已被证明无效的解决方案。有了这个文件，你就能直接打断它：“停！这招三分钟前刚试过，在 progress.md 第15行有记录，失败了。请换个思路。”
如何快速上手这套“技能”？
现在有个很火的概念叫 “skills”。想体验这套方法，简单到不可思议，已经有开发者将其做成了 Claude 插件：
# 安装插件
claude plugins install OthmanAdi/planning-with-files
安装完成后，你就可以在 Claude 中使用 /planning-with-files 命令来启动这个工作流了。
所谓“上下文工程”，本质是给 AI 立规矩
现在行业内都在热炒 Context Engineering（上下文工程）。别被这个新名词唬住了。以前我们研究 Prompt Engineering，是琢磨怎么跟 AI “有效沟通”；现在 Manus 这套方法论，是琢磨怎么给 AI “建立工作纪律”。
Meta 的 20 亿美金，买的其实是一个清晰的认知：未来的 AI 能力竞争，关键可能不在于谁的模型参数更大，而在于谁能更高效、更有条理地管理和利用 AI 的“工作记忆”。
这套方法论完全不需要等待 Manus 被整合或普及。你现在就可以在 Cursor、Claude Desktop 或任何你常用的 AI 编程助手环境里实践。只需建好上述三个 Markdown 文件，然后在你的核心 Prompt 里坚定地加上这么一句：
“在开始任何实质性工作前，请先阅读 task_plan.md 以明确目标和进度；有任何新的发现或学习，请更新到 findings.md；所有的操作、尝试和结果，请详细记录到 progress.md。”
你会惊讶地发现，那个平时有点“神经质”、容易跑偏的 AI，突然变得沉稳、可靠得可怕。关于如何系统化地构建与优化这类 上下文工程，正是当前 AI 应用落地的核心课题之一，也欢迎在 云栈社区 与更多开发者交流探讨。
最后的一点感想
这件事细想起来有点讽刺。写文档、记日志、保持工作进度清晰——这些习惯以前都是 Team Leader 苦口婆心逼着我们人类程序员去做的，而大家往往对此颇有怨言。
现在好了，人类程序员不爱干的这些“琐事”，让 AI 去严格执行，结果这套被验证有效的工作流，竟然被资本市场给出了 20 亿美金的定价。
看来，“好记性不如烂笔头”这句老祖宗的训诫，对硅基智能体也同样适用。
发表于 16 小时前
|
查看: 0|
回复: 0
