近日，LangChain 与 Manus 团队联合举办了一场线上研讨会，主题聚焦于 Agent 的上下文工程。会上，LangChain 团队首先介绍了上下文工程的背景与挑战，例如代理在频繁调用工具时容易导致“上下文爆炸”，从而影响性能。随后，Manus 团队系统讲解了五种核心策略：卸载（Offloading）、缩减（Reducing）、检索（Retrieving）、隔离（Isolating） 与 缓存（Caching），并分享了他们在实践中的深入经验。尤其是在上下文缩减、隔离与卸载方面，Manus 展示了独特做法，如可逆“压缩”与不可逆“总结”的区别、两种代理隔离模式，以及用于“工具卸载”的分层动作空间等。最后的问答环节也十分精彩。这场研讨会干货满满，是我近期所听过的关于 Agent 上下文工程最值得推荐的经验分享，非常适合 AI Agent 架构师、Agent 初学者以及 LLM 应用开发者深入学习。视频直达Context Engineering for AI Agents with LangChain and Manus 。