简短回答
Manus 忘记你的研究笔记是因为每个任务都在一个新的沙盒中运行，任务完成后沙盒会重置。浏览历史、抓取的页面和中间笔记作为文件存在于沙盒中，并随之消失。只有最终的工件得以保存。解决方案是一个持久的研究存储，Manus 在每个新任务开始时从中读取。
为什么 Manus 会忘记研究笔记
Manus 是为长时间的单一任务而设计的，而不是长时间的项目。三个架构选择导致了遗忘：
1. 研究存在于沙盒文件中，而不是在记忆中。 正如 Manus 团队所解释的，原始搜索结果被保存到代理的文件系统中，而不是保留在活动提示中，这使得上下文足够精简，以便链接 50 多个工具调用。这些文件仅存在于沙盒中。当任务结束时，文件系统也随之消失。
2. 下一个任务仅从你的提示开始，没有其他。 Manus 工程师直接描述了这一点：你给代理的第 50 个任务与第 1 个任务的起始上下文相同。没有内置的延续，之前的研究、排除或来源都不会被保留。
3. 较旧的观察也会在一个任务中被总结掉。 即使在单个长任务中，Manus 也会积极压缩较旧的工具输出，以保持对当前步骤的关注。具体的引用和来源 URL 是第一个从活动窗口中消失的内容。
结果是：Manus 在任务内部进行出色的研究，但在任务关闭的那一刻失去了该研究的制度记忆。
当 Manus 忘记研究笔记时你会失去什么
在同一项目中的每个新研究任务都需要你进行同样类型的返工，而且这种情况会迅速累积：
- 来源被重新抓取。 Manus 上周已经浏览过的 80 页再次被访问，耗费了工具调用、时间和同一网站的速率限制头部。
- 审核工作重置。 判断标准——你将哪些来源评估为可信，哪些标记为有偏见，哪些被驳回——消失了，Manus 在下一个任务中将每个来源视为新来源。
- 跨来源综合蒸发。 在五个相互矛盾的报告之间调和的观点仅存在于最终工件的散文中，而不是作为代理可以重新推理的结构化记忆。
解决方案不是“将昨天的报告作为 PDF 附加”。而是将研究存储为代理可以查询的记忆，而不是作为一个冻结的输出。
Manus 的内置解决方法（以及每个方法的不足之处）
Manus 有一些机制可以部分帮助研究的持久性。
沙盒文件系统。 在单个任务中，Manus 使用文件作为持久的临时记忆，这是一种真正的优势。但它也是仅限于单个任务的。目录不会保留。
最终交付物（PDF、文档、代码）。 你可以保存 Manus 返回的工件，并将其作为附件重新输入到下一个任务中。这保留了结论，但没有保留 推理痕迹——哪些来源被引用，哪些被拒绝，哪些替代角度在最终裁剪之前被探索。
手动上下文粘贴。 常见的解决方法是在每个 Manus 任务开始时粘贴一段长的“我们已经知道的内容”简报。这在某种程度上有效。但它也消耗了代理可以在下一段研究中使用的提示预算，并且随着项目的发展，简报必须手动维护。
对于一次性研究，原生方法足够了。对于跨多个会话的研究计划，它们则不够。
Manus 的内置记忆不足之处
根本问题是 Manus 没有研究项目的概念，只有研究任务的概念。代理内部没有地方存储“此调查的现有参考书目”或“无效假设的列表”。每个任务都是盲目的。
当研究在工具之间移动时，情况会变得更糟。你可能会使用 Manus 收集来源，使用 Claude 起草报告，使用 Perplexity 进行事实检查，并使用 ChatGPT 进行润色。每个工具都有自己的记忆，它们之间互不相见，规范的研究记录在所有工具之间碎片化。
MemoryLake 如何修复 Manus 忘记研究笔记
MemoryLake 是一个跨模型的记忆层，位于代理沙盒之外。你的研究存在于一个项目中，Manus 在每个任务开始时从该项目中读取，而不是从空白开始。
- 每个项目的现有研究参考书目。 经审核的来源 URL、关键引用、关于可信度的决策以及排除的假设存储在 MemoryLake 项目中。Manus 自动将相关部分提取到每个新任务中。
- 比原始提示多 10,000 倍的上下文。 MemoryLake 的检索引擎可以为每个项目保存数十亿个研究标记，并在每个任务中仅提供相关段落——远远超过任何代理提示的容量，而无需每个任务的重新附加舞蹈。
- 可在研究堆栈的其余部分中移植。 同一项目记忆可以被 Perplexity、Claude、ChatGPT、Gemini、Grok 以及任何支持 REST 或 MCP 的工具读取。当你切换到 Claude 起草或 Perplexity 进行事实检查时，参考书目已经在那里。
MemoryLake 在 LoCoMo 长上下文基准测试中得分 94.03%，这是截至 2026 年发布的最高结果，具有毫秒级检索和 AES-256 端到端加密。
在 3 个步骤中将 MemoryLake 连接到 Manus
- 创建项目并加载你的研究。 登录 MemoryLake，打开项目管理，点击创建项目，并将其命名为“Manus — 竞争对手研究”。通过文档驱动上传之前的报告、来源列表、抓取的页面和笔记——支持 PDF、Word、Excel、PowerPoint、Markdown 和图像。为“可信来源”和“排除的假设”在记忆标签中添加结构化条目。
- 生成 MCP 服务器端点。 在项目内打开 MCP 服务器标签，点击添加 MCP 服务器，命名为“Manus 研究集成”，然后点击生成。MemoryLake 返回一个 API 密钥 ID、密钥和端点 URL。立即复制密钥——它只显示一次。
- 连接 Manus。 在代理的工具/服务器配置中将 MemoryLake 添加为 MCP 兼容的记忆提供者，以便 Manus 在浏览任务期间可以查询它，或者使用带有 Bearer 令牌的 REST API 在任务开始时获取项目参考书目并将其注入到开头提示中。