Manus: Engenharia de Contexto para Agentes de IA Eficientes

A equipe do projeto Manus optou por aproveitar as capacidades de aprendizado no contexto de modelos existentes em vez de treinar modelos grandes do zero ao construir seu agente de IA. O artigo destila quatro aprendizados-chave: 1. Otimize a taxa de acerto do cache KV mantendo os prefixos de prompt estáveis, anexando ao contexto e marcando explicitamente os pontos de interrupção do cache; 2. Máscara, não remova, ferramentas; gerencie dinamicamente a disponibilidade de ferramentas para evitar invalidação de cache e confusão do modelo; 3. Use o sistema de arquivos como memória externa para contexto persistente e ilimitado; 4. Manipule a atenção reiterando os objetivos e retendo informações de erro para aprendizado. Essas práticas melhoram significativamente o desempenho e a estabilidade do agente de IA, oferecendo insights valiosos para a construção de agentes de IA eficientes.