Контекстная инженерия для агентов AI: проверка контекстной петли Manus

Практический ответ на вопрос Контекстная инженерия для агентов AI: уроки из строительного руководства состоит в том, чтобы не копировать шесть быстрых трюков. Сделайте каждый урок инвариантом, который можно проверить во время бега. Устойчивый предварительный запрос должен иметь версию и хэш. Инструмент, упомянутый в истории, должен иметь решаемую схему. У компактного материала должна быть реставрационная ссылка. Нынешняя цель должна иметь предел пересмотра и свежести. Неудачные действия должны оставить исчерпанные доказательства. Повторяющиеся действия следует сравнивать с изменениями выхода. Для окончательного отчета все равно необходимо получить квитанцию о результатах. Это дает вам контракт на контентно здравоохранение. Он может различить эффективную работу, восстанавливаемую работу, работу, достигающую полезного прогресса, и работу, которую можно назвать завершенной. Кэш нападания и более низкие показатели помогают, но ни одно не доказывает, что агент хранил доказательства, необходимые для правильного завершения. Читайте уроки Мануса как претензии с границами Оригинальный Инженерный пост в Манусе описывает местные выборы дизайна, достигнутые при создании своего агентской структуры. Его автор сообщает о среднем соотношении ввода вывода токен примерно 100:1 для Manus и утверждает, что поведение префикса каше поэтому имеет большое значение для задержки и стоимости. В статье рекомендуется: сохранение стабильности предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предварительного предвари маскирование действий вместо удаления определений инструментов в середине работы; экстранизирование большого контекста для восстанавливаемых файлов; перепись списка задач, чтобы цель вернулась к недавнему вниманию; сохранение неудачных действий и наблюдений, чтобы модель могла адаптироваться; Внедрение контролируемых вариаций, чтобы противостоять повторяющимся моделям поведения. Это полезные инженерные гипотезы, а не универсальные пороги. Кэши поставщиков отличаются. Некоторые сроки выполнения могут безопасно переводить исторические схемы инструментов. URL адрес может быть сохранен, но позже он становится недоступным. Следы сырой пачки могут содержать секреты. Пополнить задачу каждые восемь шагов это тестовое значение, а не общий закон. Независимые доказательства также выступают против обращения с объявленной контекстной способностью как с гарантией здоровья. Anthropic s руководство по контекстуальному проектированию определяет контекст как полное состояние вывода инструкций системы, инструментов, внешних данных и истории сообщений и рекомендует сохранить самый маленький набор высоких сигналов, который поддерживает желаемое поведение. Также он описывает просто в время извлечение, прогрессивное раскрытие, сжатие, структурированные ноты и разделение многоагентов как разные стратегии с разными затратами. Chromas контролируемый Оценка контекстной порчи протестировал 18 моделей при изменении длины ввода и сообщил о неравномерной деградации. Развлекательные устройства, семантическое расстояние и структура стека сена изменили производительность. Оперативные последствия скромные, но важные: в пределах контекста не является вердикт. Вам все еще нужны доказательства того, что текущий контекст поддерживает текущее решение. Создайте один квитанция для шести контекстуальных мутаций Захватить хэши и счетчики, а не сырые запросы. К каждому пункту принятия решений может быть прикреплен полезный квитанция: Поле отвечают на отдельные вопросы. Prefix stability является проверкой эффективности. Зарегистрируйте стабильную версию шаблона и хэш контента над предварительным предварительным файлом. Из этого префикса исключаются волатильные значения, такие как временная печать по запросу, если это позволяет время выполнения. Изменение хэша автоматически не является неудачей задачи: если полезный выход все еще движется, классифицируйте запуск как деградированный и исследуйте запуск. Z является проверкой целостности решения. Сохраняйте реестр версий схемы или прямой перевод из исторических вызовов инструмента к их определяющему контракту. Если в предшествующем действии указано browser fetch , но текущий контекст больше не определяет это действиеили совместимую версиюмодель может быть мотивирована из неполной записи. Это должно блокировать здоровый вердикт. Возвращаемый внешний контекст является проверкой восстановления. Путь файла, ключ объекта, запрос или URL это только ссылка. Если это возможно, соедините его с проверкой целостности, последней проверкой доступности, охватом и операцией, которая восстановит его. Выброс документа из живого окна при сохранении проверенной ссылки это обратное сжатие. Сбросить его без полезных сведений это потеря доказательств. Объективная свежесть это проверка внимания. Ревизия плана задач должна определить активную цель, принятые ограничения, завершенные этапы и следующее решение. Измерить его возраст в шагах или времени. Не надо постоянно добавлять дублированные планы; обновляйте один компактный квитанция, когда работа существенно меняется или истекает его предел свежести. Задержание ошибок это проверка обучения и аудита. Считать неудачные действия и сохранить записи провалов. Сохранить класс ошибки, инструмент, идентификацию попытки, решение о повторном попытке, и редактированный рефератне произвольный сырой выход. Если произошли две неудачи, но остается только один безопасный запись, последующая повторная попытка не может быть оправдана по полному доказательству. Повторение против прогресса это проверка дрейфа. Повторяемое действие не является циркуляцией само по себе: страницы, опросы и ограниченные повторные попытки могут быть законными. Сочетать подпись действия с счетчиком выхода дельты, объективную свежесть, состояние зависимости и бюджет повторной попытки. Три повторяющиеся действия с измененными артефактами могут быть эффективными; три без дельта государства заслуживают вердикта риска. Уроки стабильного префикса и контролируемой вариации не противоречат друг другу. Сохраняйте детерминированность кешевого префикса и инструментальных контрактов. Применить необходимое изменение после этого префикса в примерах, наблюдениях действий или ограниченной политике отбора и измерить, изменяет ли это полезный прогресс. Применить правило преимущества вместо среднего значения сигналов Не расширяйте эти поля на один непрозрачный счет. Дешевый, стабильный префикс с невосстановительным контекстом не является основно здоровым. Используйте преимущество: 1. unsafe исторические ссылки на инструменты не решены, сжатые доказательства не восстанавливаются или исчезает запись провала; 2. loop risk цель устарела и действия повторяются без изменения выхода; 3. unverified агент сообщает о завершении терминала без действительного получения результата; 4. healthy каждый контекстный неизменный проходит и проверяется конкретный результат задачи; 5. degraded Контекстная целостность остается нетронутой, но присутствуют префиксные нарушения или другие недостатки эффективности; 6. WORKING Инварианты проходят, полезные изменения выхода, а выполнение не является терминалом. Такое упорядочение умышленно делает неудачи целостности сильнее, чем повышение эффективности. Сопровождающее устройство изменяет одно условие за другим: Ожидаемый результат: Восемь случаев включают в себя проверенный результат, полезный промежуточный прогресс, префиксный сдвиг, дрейф инструмента схемы, необратимую сжатие, удаление доказательств неудачи, повторение устаревшей цели и сообщение о завершении без квитанции. Один из результатов намеренно неудобно: корпус cache churn является degraded , не опасный. Его предложение изменилось, но схемы, ссылки, неудачи и полезный прогресс остаются нетронутыми. Напротив, irreversible compaction является unsafe , хотя его префикс стабилен. Это разница между проблемой с затратами и проблемой с доказательствами. Проверьте расписку без сбора разговора В квитанции должно быть указано, существуют ли доказательства, не загружая самих доказательств. Для префикса сохранить идентификатор шаблона и переварить. Для инструментов сохранить версию схемы, название действия и результат совместимости. Для внешнего контекста сохраняйте целевую ссылку, переваривание, количество байтов, результат доступности и время свежести. Для ошибок, сохранить отредактированный класс и идентификатор попытки. Для прогресса, сохранить хэши или счетчики для ожидаемых артефактов. Сохраняйте запросы, ответы, учетные данные, полезные грузы инструментов и абсолютные хост паты из общих телеметрии, если только это не требуется отдельным, ясным договором о данных. Используйте три теста перед принятием контракта. Во первых, запустите Single mutation replay . Начните с известной фиксации и меняйте только одно поле. Приговор должен быть сдвинут по той причине, которую вы ожидаете. Если удаление восстанавливаемой ссылки оставляет государство здоровым, правило слишком слабое. Во вторых, запустить redaction canary . Положите синтетический секрет в полезную нагрузку неудачи, обработайте его через конструктор квитанции и утверждайте, что секрет отсутствует, пока класс ошибки и решение о повторной попытке выживают. Сохранение "неправильного материала" не позволяет сохранять контент с чувствительным содержанием. В третьих, запустите контррезультат Z . Включите в классификатор сообщение о терминальном агенте, удерживая фактический полученный квитанция. Он должен вернуть unverified . Затем добавьте специальную проверку файла, проходный тест, чтение API назначения или человеческое одобрение и подтвердите, что только это изменение разрешает healthy . Проверка результатов обязательно определяется рабочим процессом. Исследовательская задача может потребовать цитируемого источника и сохраненного отчета. Задача развертывания может потребовать реакции на состояние здоровья и паритета версий. Задача электронной почты может потребовать прочтения почтового ящика назначения. Нет никаких доказательств того, что была достигнута произвольная цель. Использовать контракт как границу, а не как заявление о продукте Пост Manus ценен, потому что он выявляет реальные напряженности в дизайне: эффективность кеша против изменяющегося контекста, меньшие окна против необратимой потери, стабильное поведение против повторения и очистка ошибок против обучения доказательствам. Оперативный шаг заключается в том, чтобы сделать эти напряженности проверяемыми. Примите контракт , когда вы сможете ответить на эти вопросы на один реальный срок: Изменился ли кашевой префикс и ожидалось ли это? Можно ли всё ещё интерпретировать все действия исторических инструментов? Можно ли восстановить и проверить все пропущенные наблюдения? Достаточно ли свежая цель для следующего решения? Каждое неудачное действие оставляло безопасные доказательства? Повторяющиеся действия меняют состояние задачи? Какой отдельный квитанция подтверждает запрошенный результат? Если какой либо ответ на вопрос целостности неизвестен, сохранить unknown или unsafe ; не производить зеленый. Если только эффективность снижается, пока доказательства и прогресс остаются надежными, продолжайте работу и отдельно решайте проблему с затратами. Sidewisp сейчас находится на этапе закрытого предварительного доступа. Общественный опыт это веб сайт с ранним доступом и интерактивная демонстрация; коллекция продуктов агентов и мониторинг контекста обычно не отправляются. Целью продукта является превращение доказательств, таких как свежесть, непрерывность контекста, полезный прогресс и проверенные результаты, в четкое представление о здоровье при сохранении видимости неопределенности и границ одобрения.