想象一下，你雇了一个实习生（AI大模型），他学东西超快，能力超强，几乎什么都会。但你发现他有个致命的毛病：记性不好，而且容易分心。
- 你让他去完成一个包含10个步骤的复杂任务，比如"去客户公司取回合同，复印三份，一份给法务部，一份给财务部，最后把原件送到总裁办公室归档"。
- 当他做到第3步"复印三份"时，可能就已经忘了最初的目标是"取回合同"，也忘了最后要送给谁。他可能会拿着复印件，然后问你："老板，接下来干嘛？" 这就是 "目标漂移" (Goal Drift) 。
- 更糟糕的是，如果你给他的指令太长，他只对开头和结尾的印象最深，中间部分很容易忽略掉。这就是AI研究中提到的 "中间遗忘" (Lost in the Middle) 问题。
Manus这篇文章要解决的，就是AI Agent（人工智能代理）在处理需要很多步骤（比如几十上百次工具调用）的复杂任务时，如何克服这种"聪-明的健忘症"。
核心思想是什么？------"不要改造大脑，而是给它一个好用的笔记本"
文章提出的核心思想非常巧妙，不是去尝试"治好"AI的健忘症（这需要改造AI模型本身，非常困难），而是用一种聪明的工作方法来绕过这个问题。
这个方法就是：强制AI把所有要做的事情，以及每一步的进展，都清清楚楚地写在一个"笔记本"上，并且每做完一小步，就要重新看一遍、整理一遍这个笔记本。
这个"笔记本"，就是我们在之前讨论中提到的 todo.md 文件。
这个过程，文章称之为 "上下文工程" (Context Engineering) 。意思就是，我们不去改变AI，而是精心设计和管理我们"喂"给AI的信息（即"上下文"），来引导它的行为和注意力。
整个方法的精髓所在，具体分为以下几个步骤：
第一步：先思考，写下计划 (Plan First)
- 当接到一个复杂任务时，AI Agent的第一件事不是马上动手干活。
- 而是先"动脑筋"，把完成整个任务需要的所有步骤，一条一条地写进一个
todo.md文件里。这就像你给那个实习生一支笔和一个便签本，让他把自己要干的活先写下来。
第二步：只看清单，干一件事 (Focus on One Item)
- AI看着清单上的第一项任务，然后集中精力去完成这一项。比如，清单第一项是"调用A工具获取数据"。
第三步：更新清单，划掉已完成的 (Update the List)
- 一旦完成了第一项任务，AI 不会 马上接着做第二项。
- 它会做一件至关重要的事：重新生成一整个
todo.md文件 。在这个新版本的文件里，它会把刚刚完成的第一项任务用删除线划掉（或者打个勾[x]），并可能记录下这一步的结果（比如"数据已成功获取"）。
第四步：循环往复，直到全部完成 (Loop until Done)
- AI会拿着这个 更新后 的清单，再次从头看起，找到下一个未完成的任务，然后重复第2步和第3步。
这个方法为什么神奇？
因为AI的注意力总是在它接收到的信息的 "末尾" 。通过在每一步之后都 "重写整个清单" ，Manus实际上是把 "总目标"和"下一步计划" 这些最重要的信息，在每一次决策前，都重新放到了上下文的末尾。
这就像你每当那个健忘的实习生做完一件事，就把他拉过来，指着笔记本对他说： "很好，这件事做完了。别忘了，我们的最终目标是把合同归档，你现在需要去做下一件事------复印。去吧！"
通过这种方式，AI的注意力被人为地、反复地拉回到主任务上，从而避免了走神和忘记目标。