[TIL]Manus (後來被 Meta 收購) 首席科學家季逸超的三小時訪談

January 5th, 2026

(完整影片)

前言

這一篇 Manus (後來被 Meta 收購) 首席科學家季逸超的三小時訪談，真的是許多人 AI 產業的人都不能錯過的好影片。

我應該會逐漸將我看到很棒的，放在留言中。先快速講一下我看到很值得關注與分享的地方。

身為連續 AI 創業家，季逸超分享前十年在 AI 領域創業的部分。從 Tokenize 到 LSTM 到 Transformer 相關的應用。到兩次做 AI 瀏覽器的經驗。

接下來有談到為什麼 Manus 會成功，裡面有很多他們如何解決 Cloud Provider 與 Model Provider 無法做到的事情 - 一個好的工具庫讓 LLM 可以自動去規劃事情。

也有提到 AI Agent 很像製造業，因為有太多需要優化的部分。對於 Manus 產品規劃與方向上，他也認為做對的事情就是：「決定了什麼不去做」。

裡面有許多很快帶過去的技術概念，其實都很深。我一一寫在留言。

關於 MCP 使用

快速 link https://youtu.be/UqMtkgQe-kI?t=10342

關於 MCP 使用，其實 Manus 是比較保守的，因為 MCP 這種動態發現工具的方式，會污染 Action Space ，會讓緩存命中率下降。下降的緩存命中率，會讓成本暴增。改善方式：

不在原生 Action Space 內的 MCP 調用方式

他也說這被 Anthorpic 寫成部落格，在這裡: Code execution with MCP: Building more efficient agents如何利用代碼執行環境來提高使用MCP（Model Context Protocol）連接AI代理與外部系統的效率。MCP是一個開放標準，旨在解決AI代理與工具和數據的連接問題。文章指出，隨著MCP的廣泛應用，直接工具調用會導致上下文窗口過載和中間結果消耗過多的token。透過將MCP伺服器呈現為代碼API，代理可以更有效地管理上下文，減少token使用，並提高效率。重要觀點

MCP的挑戰：
工具定義過載上下文窗口。
中間工具結果消耗額外的token。
代碼執行的優勢：
代理可以按需加載工具，並在執行環境中處理數據。
減少token使用，降低成本和延遲。
提供隱私保護和狀態管理的好處。
代碼執行的實現：
使用TypeScript生成可用工具的文件樹。
代理通過文件系統探索工具，僅加載所需的定義。
代碼執行的其他好處：
進行數據過濾和轉換。
使用熟悉的代碼模式進行控制流。
保護隱私的操作。
狀態持久化和技能的保存。

解決方案

代碼執行環境：
將MCP伺服器作為代碼API。
代理在執行環境中運行代碼，減少上下文窗口的負擔。

注意事項

安全性和基礎設施要求：
需要安全的執行環境，適當的沙箱、資源限制和監控。
這些基礎設施需求增加了操作開銷和安全考量。

提到 OpenAI 5 階層的 Agent

https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf

Level 1: Conversational AI/Chatbots
Level 2: Human-Level Problem Solving/Reasoners
Level 3: Agents
Level 4: Innovators
Level 5: Organizers

from https://youtu.be/UqMtkgQe-kI?t=9650

心目中影響 AI 進程的論文

當問到，你心目中影響 AI 進程的幾篇論文:

FLAN-T5 (Scaling Instruction-Finetuned Language Models)
- 透過微調參數，讓 11B 的 FLAN-T5 也有不錯的效果。
Word2Vec 知名論文 (Efficient Estimation of Word Representations in Vector Space)
- Word2vec 算法，透過高效的數學架構讓電腦能將文字轉化為具備語義關聯的向量，正式開啟了深度學習在自然語言處理領域的黃金時代。