季逸超亲述 Manus 构建之谜，一文读懂 AI 智能体的上下文工程
对于快速变化的应用，尤其是在产品尚未与市场契合（pre-PMF）的阶段，如此缓慢的反馈循环是致命的。这带来的成本节约是巨大的：以 Claude Sonnet 为例，缓存过的输入 token 成本为 0.30 美元/百万 token，而未缓存的则为 3 美元/百万 token，成本相差整整 10 倍。这使我们能将产品改进的周期从数周缩短至几小时，并让我们的产品与底层模型的发展保持正交：如果说模型技术的进步是上涨的潮水，我们希望 Manus 是水涨船高的船，而非被固定在海床上的桥墩。
