Wide Research（广泛研究）

概述

Wide Research（广泛研究）是 Manus 推出的架构范式，通过并行启动多个专用子代理来解决上下文窗口限制导致的"编造阈值"问题。每个子代理都是功能齐全的 Manus 实例，独立处理研究子任务，最后汇总为综合结论。（Manus 于 2026 年被 Meta 收购）

关键内容

设计动机

上下文窗口限制： - 当 AI 助手研究一长串项目时，会开始编造结果 - 这一常见困扰被称为"编造阈值"（fabrication threshold） - 由 AI 上下文窗口的固有局限性造成 - 即使是最大的上下文窗口也无法解决此问题

工作原理

并行子代理架构： - 对于每个子任务，系统启动一个专用的子代理 - 关键特性：这些不是轻量级进程，而是功能齐全的 Manus 实例 - 每个子代理具有完整的上下文窗口和研究能力 - 子代理独立工作，最后汇总结果

核心优势

解决编造阈值： - 每个子代理专注于有限范围的研究 - 避免单个上下文窗口承载过多信息 - 保持高召回精度，减少幻觉

并行执行： - 多个子代理同时工作 - 缩短总体研究时间 - 提升吞吐量

专业化： - 每个子代理可针对特定领域优化 - 积累领域特定上下文 - 提升研究质量

与 Subagents 的对比

| 维度 | Wide Research | Claude Code Subagents | |------|--------------|---------------------| | 目标 | 解决上下文限制 | 并行处理独立任务 | | 范围 | 研究密集型任务 | 通用任务（研究/实施/验证） | | 上下文 | 每个子代理完整上下文 | 独立上下文窗口 | | 汇总 | 综合研究结论 | 蒸馏后的发现 |

应用场景

适合使用 Wide Research 的场景： - 大规模文献综述 - 竞争情报调研 - 技术栈评估 - 市场研究 - 需要阅读数十个来源的综合分析

不适合的场景： - 单一来源的深度分析 - 需要跨来源实时协作的研究 - 顺序依赖的研究任务

在 Manus 生态系统中的位置

Manus 上下文工程六原则之一： - Wide Research 是核心架构范式 - 与 KV 缓存命中率优化协同 - 支持长时研究任务

来源

raw/articles/ai-engineering/claude-blog/Wide Research：超越上下文窗口.md — Manus 官方博客